连通域标记算法实现

原理：
1.从左到右，从上到下遍历每一个像素点，然后判断该像素的值是否在集合V中（这里是一张二值图，我们假设黑色的值为0）。
2.如果遇到一个值为0的点，说明在该点附近可能存在与该点相连通的像素点，即可能存在连通域。那么我们就暂时停止之前的遍历，开始以该点为种子点，查找该点附近的邻域中是否存在与其连通的像素点，若与该点连通，则将其存到一个堆栈中，并将该点的标签赋值为与种子点相同的标签，并对访问过的像素点置一个表示已访问的标志，以避免后面对其重复访问。
3.接下来就从堆栈中取出点，查看该点的四邻域，依次把和该点连通的点压入到堆栈中。
4.继续从堆栈中取出点，并遍历该点的四邻域，如此循环，直到堆栈变为空，则说明已经遍历完了所有的与初始点相连通的连通成分。标签加1，以便对后面的连通成分标签和该连通成分标签加以区分。
5.接下来就可以继续之前的从左到右、从上到下的遍历工作了。访问过的点不再进行对其访问，直接跳过。
6.当访问到一个新的在集合V内的像素点时，则又以该点为种子点进行四邻域的遍历循环，并标记上相应的标签和访问标志，直到标记完整个连通成分，则标签加1，继续后面的遍历。如此循环往复。直到访问完最后一个像素点，我们的连通成分也标记完了。

实现：
递归方法（容易栈溢出）

/**
 * @description:	深度优先搜索
 * @param src	输入图像
 * @param dst	输出图像
 * @param i		行号
 * @param j		列号
 * @param num	区域序号
 */
void dfs(cv::Mat& src, cv::Mat& dst, int i, int j, int num)
{
	if (i >= 0 && i < src.rows && j >= 0 && j < src.cols && src.at<uchar>(i, j) && dst.at<cv::Vec3b>(i, j) == cv::Vec3b(0, 0, 0))
	{
		dst.at<cv::Vec3b>(i, j) = Vec3b(num * 80, 255 - num * 80, 0);
		dfs(src, dst, i - 1, j, num);
		dfs(src, dst, i + 1, j, num);
		dfs(src, dst, i, j - 1, num);
		dfs(src, dst, i, j + 1, num);
	}
}

/**
 * @description:	连通域标记
 * @param src		输入图像
 * @param dst		输出图像
 */
void getConnectedDomain(cv::Mat& src, cv::Mat &dst)
{
	dst = cv::Mat::zeros(src.size(), cv::CV_8UC3);
	int num = 0;

	for (int i = 0; i < src.rows; ++i)
	{
		for (int j = 0; j < src.cols; ++j)
		{
			if (src.at<uchar>(i, j)!=0 && dst.at<Vec3b>(i, j) == Vec3b(0, 0, 0))
			{
				dfs(src, dst, i, j, num);
				++num;
			}
		}
	}
}

用栈实现

/**
 * @description:	连通域标记
 * @param src		输入图像
 * @param dst		输出图像
 */
void getConnectedDomain(cv::Mat& src, cv::Mat &dst)
{
	dst = cv::Mat::zeros(src.size(), cv::CV_8UC3);
	int num = 0;

	for (int i = 0; i < src.rows; ++i)
	{
		for (int j = 0; j < src.cols; ++j)
		{
			int dir[4][2] = { { -1, 0 },{ 1, 0 },{ 0, -1 },{ 0, 1 }};
			std::vector<cv::Point> pts;
			cv::Point pt,p;

			if (src.at<uchar>(i, j)!=0 && dst.at<cv::Vec3b>(i, j) == cv::Vec3b(0, 0, 0))
			{
				pts.push_back(cv::Point(j, i));
				dst.at<cv::Vec3b>(i, j) = cv::Vec3b(num * 80, 255 - num * 80, 0);

				while (!pts.empty())
				{
					pt = pts.back();
					pts.pop_back();

					for (int k = 0; k < 4; ++k)
					{
						p.x = pt.x + dir[k][0];
						p.y = pt.y + dir[k][1];

						if (p.x < 0 || p.y < 0 || p.x >= src.cols || p.y >= src.rows)	continue;
						if (src.at<uchar>(p.y,p.x)!=0 && dst.at<cv::Vec3b>(p.y, p.x) == cv::Vec3b(0, 0, 0))
						{							
							dst.at<cv::Vec3b>(p.y, p.x) = cv::Vec3b(num * 80, 255 - num * 80, 0);
							pts.push_back(p);
						}
					}
				}
				++num;
			}
		}
	}
}

代码传送门：https://github.com/taifyang/OpenCV-algorithm