opencv 连通域分析函数

retval, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8)

参数： image: 输入的图像，一般为灰度图，官方文档要求是8位单通道的图像；

           connectivity：常用值为4或者8，分别代表 4联通域或者8联通域

返回值：

            retval ：连通域的数量，包括最外围的联通域，通常不使用

            labels：与image同样维度，其中每一个连通区域会有一个唯一标识，标识从0开始

            stats：包含5个参数分别为x,y,h,w,s。分别对应每一个连通区域的外接矩形的起始坐标，                           总共retval个，第一个是最外围的连通域

             centroids：包含每个连通区域的质心

   
   #连通域可视化代码
   re = np.zeros((img.shape[0], img.shape[1],3),np.uint8)
   #retval, labels, stats, centroids
   for i in range(1,retval):
       mask = labels == i
      
       re[:,:,0][mask] = np.random.randint(0,255)
       re[:,:,1][mask] = np.random.randint(0,255)
       re[:,:,2][mask] = np.random.randint(0,255)
    cv2.imshow('temp_img', re)
    cv2.waitKey(0)

    #获取除外轮廓以外的最大面积的联通域的代码
    #stats 代表返回的第三个参数
    best_stats =  np.argmax(stats[:, cv2.CC_STAT_AREA])
    best_stats_area = stats[best_stats][cv2.CC_STAT_AREA]
    best_stats_x = stats[best_stats][cv2.CC_STAT_LEFT]  
    best_stats_y = stats[best_stats][cv2.CC_STAT_TOP]
    best_stats_w = stats[best_stats][cv2.CC_STAT_WIDTH]
    best_stats_h = stats[best_stats][cv2.CC_STAT_HEIGHT]
    #后续根据得到的左上角的坐标和w\h 画框可视化即可