OpenCV学习笔记（十三）之连通组件标记

一、联通组件标记算法原理

  很长时间没更新了，今天开始继续更新OpenCV学习笔记相关内容。今天说的是图像处理中最常用的分析方法：连通组件标记算法。这里只介绍两步法，也就是OpenCV库中自带的那种。
  两步法的连通组件标记算法的实质是分两步扫描二值图像。第一步扫描图像的每个像素点，对于像素值相同的而且相互连通分为相同的组(group)，标记为Label 1，持续进行扫描，最终得到图像中所有的像素连通组件。扫描的方式可以是从上到下，从左到右，对于一幅有N个像素的图像来说，如果以4邻域计算，最大连通组件个数为N/2。第一步完成以后会获得多个Label，有的Label与Label之间是有像素点连接在一起的，这些Label可以合并为一个Label，这就是第二步需要做的工作。
在正式讲解两步法前先回顾下邻域的概念：
如果一个像素P(x,y)，它和它左边的像素、上边的像素、右边的像素、下边的像素相邻，那么我们称为4邻域，就像下面的图中黄色部分：

如果一个像素P(x,y)，它和它左边的像素、左上的像素、左下的像素、上边的像素、右上的像素、右边的像素、右下的像素、下边的像素相邻，那么我们称为8邻域，就像下面的图中黄色部分：

  之所以再次介绍邻域是因为OpenCV中联通组件标记算法的API函数中默认是8邻域统计的。接下来以图片的形式展示两步法：

1. 第一步：按照从左到右、从上到下的顺序扫描图像中所有像素点，给每个不同的连通域赋予不同的labels，如下图所示，在第一步执行完以后会出现总共10个labels。假如以左上顶点作为坐标原点(0、0)，需要注意的是第三行，第六列的这个点P(2、5)，该点被赋予label 4而不是label 6的原因是我们这里使用的是8邻域的查找方法，同时这里还会标记label 6 -> label 4，标签6隶属于标签4。这样在第二步的时候就会将具有从属关系的标签进行合并。
   
   $$6\to 4$$$$9\to 8$$

2. 第二步：将第一步中统计出来的具有从属关系的label进行合并，合并完成以后再将标签重新排序，得到如下图所示结果：
   
   这样就统计出来总共有8个不同的连通域存在。注：如果是4邻域统计的话，就会有12个不同的连通域。

二、OpenCV中的API函数

  下面是OpenCV中关于联通标记组件算法的API函数，总共有两种，一种是不带状态标记的，一种是带状态标记的。

//带状态标记的API函数
CV_EXPORTS_W int connectedComponentsWithStats(InputArray image, OutputArray labels,
                                              OutputArray stats, OutputArray centroids,
                                              int connectivity = 8, int ltype = CV_32S);
//不带状态标记的API函数
CV_EXPORTS_W int connectedComponents(InputArray image, OutputArray labels,
                                     int connectivity = 8, int ltype = CV_32S);

这里只介绍带状态标记的API函数
4. image：输入图像，格式必须是8位单通道图像，可以是灰度图，也可以是二值化图
5. labels：输出的标签图像，格式由最后一个参数ltype决定，一般是默认的CV_32S
6. stats：输出的统计信息，里面包含每个连通域的面积，最小外接矩形的x、y、width、height等；
7. centroids：每个连通域的质心坐标；
8. connectivity：决定连通域寻找方法，有4邻域和8邻域两种，默认是8邻域；
9. ltype：决定labels的图像格式，有CV_32S和CV_16U两种

三、代码实现

先将效果图展示出来，如下图所示：



分别统计出了连通域个数、每个连通域的面积、质心坐标等参数。

// ConnectComponent.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//

#include "pch.h"
#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

RNG rng(12345);

//将RGB图片拆分成3个通道图像,转化为单通道灰度图
void SplitRGB2SingleGray(Mat Image, int i, Mat &Gray_Single_Image)
 {
   
	vector<Mat>RGB_Channels(3);
 	split(Image, RGB_Channels);
	Gray_Single_Image.create(Image.rows, Image.cols, CV_8UC1);
	for (int row = 0; row < Gray_Single_Image.rows