1、概念

        连通组件指在图像上通过四邻域或八邻域法，连接起来的像素值大于某一阈值的区域（这些像素点被称为前景像素），而小于阈值的区域被称为背景。如下图的4个连通组件。

         四邻域、八邻域：

2、常用算法

a）基于像素的扫描方法                                      b）基于块的扫描方法

 说明：与卷积类似，利用上述模板在图像上平移扫描前景像素，则扫描区域内其余的前景像素与当前像素连通。

 c）两步法扫描

        1、同样采用像素模板对图像进行扫描，给予其标记，并获得等价队列（连通的不同标记队列）。

         2、将一个等价队列中的标记全部置为最小标记值，如上{1，3，5}队列全置为1。

d）opencv中的连通组件扫描算法——BBDT

true判定：

        将上图左边的块模板分为右边所示的大块分区P、Q、R、S、X。要获取块X与块P连通的结论（），则需满足，小像素点h和o均为前景像素。

3、代码示例：

3.1、 API：

int cv::connectedComponents	(	InputArray 	image,OutputArray 	labels,int 	connectivity,int 	ltype,int 	ccltype )	

int cv::connectedComponentsWithStats(	InputArray 	image,OutputArray 	labels,OutputArray 	stats,OutputArray 	centroids,int 	connectivity,int 	ltype,int 	ccltype )	

labels——带标记的与输入图像同大小类型的图像。 

stats——每个连通组件的（包括背景）的外接矩形信息，具体如下：

 centroids——每个连通组件的（包括背景）的中心坐标信息，数据类型为CV_64F

connectivity——邻域连通方法，4/8邻域。

ltype——输出label图像类型，目前仅有CV_32S 和CV_16U类型可选用。

ccltype ——连通组件扫描方法，可选用如下方法：

 connectedComponents 示例：

void QuickDemo::scan_neighbor(Mat& image)
{//高斯模糊GaussianBlur(image, image, Size(3, 3), 0);Mat gray;cvtColor(image, gray, COLOR_BGR2GRAY);Mat binary;threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);namedWindow("adaptiveThreshold", WINDOW_FREERATIO);imshow("adaptiveThreshold", binary);Mat labels = Mat::zeros(binary.size(), binary.type());int num_label = connectedComponents(binary, labels, 8, CV_32S, CCL_DEFAULT);//显示labels//1、生成颜色数组RNG rng(12345);vector colorTable(num_label);//定义一个num_label维度的空数组colorTable[0] = Vec3b(0, 0, 0);//将背景颜色置为黑色for (int i = 1; i < num_label; ++i) {//对其余标签赋予颜色数据colorTable[i] = Vec3b(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));}Mat result = Mat::zeros(image.size(), image.type());//2、通过循环对不同的标签填入随机生成的颜色int h = image.rows, w = image.cols;for (int row = 0; row < h; ++row) {for (int col= 0; col < w; ++col) {int label = labels.at(row, col);//将labels图像上对应像素坐标上的标记值取出result.at(row, col) = colorTable[label];//将result图像上对应像素坐标赋予颜色}}//在图像上显示有多少个字体putText(result, format("number of %d", num_label - 1), Point(50, 50), FONT_HERSHEY_PLAIN, 3, Scalar(0, 50, 70), 1);namedWindow("labels", WINDOW_FREERATIO);imshow("labels", result);
}

connectedComponentsWithStats示例：

void QuickDemo::scan_neighbor(Mat& image)
{//高斯模糊GaussianBlur(image, image, Size(3, 3), 0);Mat gray;cvtColor(image, gray, COLOR_BGR2GRAY);Mat binary;threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);namedWindow("adaptiveThreshold", WINDOW_FREERATIO);imshow("adaptiveThreshold", binary);Mat labels = Mat::zeros(binary.size(), binary.type());Mat stats, centroids;int num_label = connectedComponentsWithStats(binary, labels,stats,centroids, 8, CV_32S, CCL_DEFAULT);//显示labels//1、生成颜色数组RNG rng(12345);vector colorTable(num_label);//定义一个num_label维度的空数组colorTable[0] = Vec3b(0, 0, 0);//将背景颜色置为黑色for (int i = 1; i < num_label; ++i) {//对其余标签赋予颜色数据colorTable[i] = Vec3b(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));}Mat result = Mat::zeros(image.size(), image.type());//2、通过循环对不同的标签填入随机生成的颜色int h = image.rows, w = image.cols;for (int row = 0; row < h; ++row) {for (int col = 0; col < w; ++col) {int label = labels.at(row, col);//将labels图像上对应像素坐标上的标记值取出result.at(row, col) = colorTable[label];//将result图像上对应像素坐标赋予颜色}}//绘制外接矩形和中心点圆for (int i = 1; i < num_label; ++i) {//先获取连接组件的中心坐标int cx = centroids.at(i, 0);int cy = centroids.at(i, 1);int x = stats.at(i, CC_STAT_LEFT);//矩形左边界与整个图像左边的距离int y = stats.at(i, CC_STAT_TOP);//矩形上边界与整个图像上边的距离int width = stats.at(i, CC_STAT_WIDTH);//矩形宽度int height = stats.at(i, CC_STAT_HEIGHT);//矩形高度int area = stats.at(i, CC_STAT_AREA);//矩形面积//绘制circle(result, Point(cx, cy), 3, Scalar(0, 0, 255), 2, 8);// 外接矩形Rect box(x, y, width, height);rectangle(result, box, Scalar(0, 255, 0), 2, 8);putText(result, format("%d", area), Point(x, y), FONT_HERSHEY_PLAIN, 3, Scalar(0, 50, 70), 1);}namedWindow("labels", WINDOW_FREERATIO);imshow("labels", result);
}