当然可以使用其他数据结构来实现CCL算法，而不仅限于并查集数据结构。下面是一个使用深度优先搜索（DFS）算法来实现CCL的示例代码：

def CCL(image):
    rows = len(image)
    if rows == 0:
        return image
    cols = len(image[0])
    visited = [[False] * cols for _ in range(rows)]
    label = 1

    def dfs(row, col):
        if row < 0 or row >= rows or col < 0 or col >= cols:
            return
        if visited[row][col] or image[row][col] != 1:
            return
        visited[row][col] = True
        image[row][col] = label
        dfs(row-1, col)  # 上
        dfs(row+1, col)  # 下
        dfs(row, col-1)  # 左
        dfs(row, col+1)  # 右

    for i in range(rows):
        for j in range(cols):
            if not visited[i][j] and image[i][j] == 1:
                dfs(i, j)
                label += 1

    return image

此代码通过深度优先搜索遍历图像中的每个像素，并标记与当前像素相连的所有像素。标记过程中使用一个visited数组来记录已访问的像素，避免重复访问。在每次遍历开始时，增加一个新的标签，确保不同连通分量的像素使用不同的标签。

请注意，这只是一个示例实现，实际应用中可能需要根据具体情况进行适当的修改。