91-OpenCVSharp —-Cv2.ConnectedComponents ()函数功能（用于在二值图像中检测并标记不同的连通区域）详解-CSDN博客

本文链接：https://blog.csdn.net/weixin_45590420/article/details/145844286

专栏地址：

内容持续更新，欢迎点击订阅

在 OpenCVSharp 中，ConnectedComponents 是一个基础的连通域标记（Connected Component Labeling）函数，用于在二值图像中检测并标记不同的连通区域。与更高级的 ConnectedComponentsWithStats 不同，ConnectedComponents 仅生成标记矩阵（每个像素所属连通域的 ID）而不计算统计信息。以下是该函数的详细解析和使用指南：

函数原型

int Cv2.ConnectedComponents(
    InputArray image,                // 输入图像（二值）
    OutputArray labels,              // 输出标记矩阵
    PixelConnectivity connectivity = PixelConnectivity.Connectivity8, // 邻域连接方式
    MatType labelType = MatType.CV_32S // 标签矩阵数据类型
)

参数说明

1. `image`

输入图像：
- 类型：必须为单通道8位灰度图像（MatType.CV_8UC1）。
- 值要求：非零像素视为前景（即目标区域），零像素视为背景。
- 预处理：需提前对图像进行二值化处理（如 Cv2.Threshold()、Cv2.AdaptiveThreshold() 或使用掩膜）。
- ⚠️ 注意：若输入非二值图像，可能引发非预期结果。

2. `labels`

输出标签矩阵：
- 含义：每个像素的值表示其所属连通域的索引。0 表示背景，1~N 表示搜索到的连通域（N 为连通域总数）。
- 数据类型：通常使用默认的 MatType.CV_32S（32位整数），也可用 MatType.CV_16U。

3. `connectivity`

邻域连接方式：
- 可选值：
  - PixelConnectivity.Connectivity4：使用4邻域（上、下、左、右）。
  - PixelConnectivity.Connectivity8：使用8邻域（包括对角线方向，默认值）。
- 选择依据：
  - 4邻域：适合处理边缘明确的矩形物体，计算效率稍高。
  - 8邻域：能更好地连接对角线方向的像素，适用于复杂形状。

4. `labelType`

标签矩阵数据类型：
- MatType.CV_32S：默认值，适用于大部分场景。
- MatType.CV_16U：更节省内存，仅适用于连通域数量 < 65535 的小图。

返回值

int：连通域总数（包含背景，即实际有效连通域数量为 返回值 - 1）。
- 输出规律：生成标签时按扫描顺序标记，索引从1开始递增。

使用示例

步骤1：准备二值图像

Mat src = new Mat("input.png", ImreadModes.Grayscale); 
if (src.Empty()) 
    throw new Exception("图像加载失败！");

// 二值化处理（假设输入为灰度图）
Mat binary = new Mat();
Cv2.Threshold(src, binary, 127, 255, ThresholdTypes.Binary);

步骤2：连通域标记

Mat labels = new Mat(); 
int numLabels = Cv2.ConnectedComponents(
    binary, 
    labels, 
    PixelConnectivity.Connectivity4, 
    MatType.CV_32S
);

Console.WriteLine($"检测到连通域数量：{numLabels - 1}"); // 背景不算

步骤3：访问标签矩阵

// 遍历标签矩阵（注意用 int 类型访问）
for (int y = 0; y < labels.Rows; y++)
{
    for (int x = 0; x < labels.Cols; x++)
    {
        int label = labels.At<int>(y, x); 
        if (label == 0) 
            continue; // 跳过背景
      
        // 根据不同标签进行进一步处理
        // 例如：绘制颜色或提取特定区域
    }
}

步骤4：可视化不同连通域

// 生成伪彩色图像以区分标记
Mat colorized = new Mat(binary.Size(), MatType.CV_8UC3);
for (int i = 1; i < numLabels; i++) 
{
    Scalar color = new Scalar(
        new Random().Next(0, 255), 
        new Random().Next(0, 255), 
        new Random().Next(0, 255)
    );
    colorized.SetTo(color, labels == i); // 将标签 i 的区域设为随机颜色
}

Cv2.ImShow("Connected Components", colorized);
Cv2.WaitKey(0);

与 `ConnectedComponentsWithStats` 的对比

特性	`ConnectedComponents`	`ConnectedComponentsWithStats`
输出	仅标签矩阵	标签矩阵 + 统计信息（面积、外接矩形、质心）
性能	更快（无额外计算）	稍慢（需统计信息计算）
应用场景	仅需连通域标记	需区域分析（如过滤面积、位置等）
内存占用	较低	较高（额外存储 stats 和 centroids）

注意事项

必须二值化输入图像：
- 若输入图像未正确二值化（如包含灰度渐变），连通域检测会失效。建议预处理时使用明确的阈值分割或边缘检测（Canny）算法。
处理大规模图像时：
- 若图像分辨率高或连通域数量极大，建议使用 MatType.CV_16U 节省内存，但需确保标签数量不超过 65535（否则溢出）。
OpenCVSharp 的版本限制：
- OpenCVSharp 是对 OpenCV 的封装，不同版本的底层 OpenCV 可能优化了连通域算法的性能。若需要更快的算法（如 Grana 的合并-查找优化），需确认 OpenCVSharp 是否包含对应封装。
标签矩阵的访问方式：
- 根据 labelType 参数的类型，使用正确的格式访问数据（如 At<int>() 或 At<ushort>()）。错误的类型访问会导致数据解析错误或崩溃。