opencv [c++] 连通域分析connectedComponentsWithStats() 和 connectedComponents()

labels ：对原始图中的每一个像素都打上标签，背景为0，连通域打上1，2，3。。。的标签，同一个连通域的像素打上同样的标签。相当与对每一个像素进行了分类（分割）

int cv::connectedComponents (
    cv::InputArrayn image, // input 8-bit single-channel (binary)
    cv::OutputArray labels, // output label map
    int connectivity = 8, // 4- or 8-connected components
    int ltype = CV_32S // Output label type (CV_32S or CV_16U)
);

int cv::connectedComponentsWithStats (
    cv::InputArrayn image, // input 8-bit single-channel (binary)
    cv::OutputArray labels, // output label map
    cv::OutputArray stats, // Nx5 matrix (CV_32S) of statistics:
    // [x0, y0, width0, height0, area0;
    // ... ; x(N-1), y(N-1), width(N-1),
    // height(N-1), area(N-1)]
    cv::OutputArray centroids, // Nx2 CV_64F matrix of centroids:
    // [ cx0, cy0; ... ; cx(N-1), cy(N-1)]
    int connectivity = 8, // 4- or 8-connected components
    int ltype = CV_32S // Output label type (CV_32S or CV_16U)
);

 参数介绍如下：
image：也就是输入图像，必须是二值图，即8位单通道图像。（因此输入图像必须先进行二值化处理才能被这个函数接受）
connectivity：可选值为4或8，也就是使用4连通还是8连通。
ltype：输出图像标记的类型，目前支持CV_32S 和 CV_16U。 返回值：
返回值：
num_labels：所有连通域的数目
labels：图像上每一像素的标记，用数字1、2、3…表示（不同的数字表示不同的连通域）
stats：每一个标记的统计信息，是一个5列的矩阵，每一行对应每个连通区域的外接矩形的x、y、width、height和面积，示例如下： 0 0 720 720 291805
centroids：连通域的中心点

cv::Mat src_img, img_bool, labels, stats, centroids, img_color, img_gray;
   
int main()
{

 Mat src_img = imread("1.png", 0);
	threshold(src_img, img_bool, 75, 255, THRESH_BINARY);
    //连通域计算
    int n = cv::connectedComponentsWithStats(
        img_bool, //二值图像
        labels,     //和原图一样大的标记图
        stats, //nccomps×5的矩阵 表示每个连通区域的外接矩形和面积（pixel）
        centroids //nccomps×2的矩阵 表示每个连通区域的质心
    );
    //显示原图统计结果
    char title[1024];
    sprintf_s(title, "原图中连通区域数：%dn", n);
    cv::String num_connect(title);
    imshow(num_connect, img_bool);

    //去除过小区域，初始化颜色表
    vector colors(n);
    colors[0] = cv::Vec3b(0, 0, 0); // background pixels remain black.
    for (int i = 1; i < n; i++) {
        colors[i] = cv::Vec3b(rand() % 256, rand() % 256, rand() % 256);
        //去除面积小于100的连通域
        if (stats.at(i, cv::CC_STAT_AREA) < 800)
            colors[i] = cv::Vec3b(0, 0, 0); // small regions are painted with black too.
    }
    //按照label值，对不同的连通域进行着色
    img_color = cv::Mat::zeros(src_img.size(), CV_8UC3);
    for (int y = 0; y < img_color.rows; y++)
        for (int x = 0; x < img_color.cols; x++)
        {
            int label = labels.at(y, x);
            CV_Assert(0 <= label && label <= n);
            img_color.at(y, x) = colors[label];
        }

    //统计降噪后的连通区域
    cvtColor(img_color, img_gray, cv::COLOR_BGR2GRAY);
    threshold(img_gray, img_gray, 1, 255, cv::THRESH_BINARY);
    n = cv::connectedComponentsWithStats(img_gray, labels, stats, centroids);
    sprintf_s(title, "过滤小目标后的连通区域数量：%dn", n);
    num_connect = title;
    imshow(num_connect, img_color);
    waitKey(0);

}
}

 精简版【参考网上资料】：

#include
#include
#include
using namespace std;
using namespace cv;
Mat src, src_color,g_src, labels, stats, centroids;
int g_threshold = 30;
void trackbar(int, void*);
int main() {
	src = imread("133.png", 0);
	namedWindow("src", 1);
	createTrackbar("threshold", "src", &g_threshold, 255, trackbar);
	imshow("src", src);
 
	threshold(src, g_src, 170, 255, THRESH_BINARY);
	imshow("d", g_src);
	int num = connectedComponentsWithStats(g_src, labels, stats, centroids);
	cout <<"轮廓数" << num << endl;
	vector color(num + 1);
	color[0] = Vec3b(0, 0, 0);//背景色
	for (int m = 1; m <=num ; m++) {
		color[m] = Vec3b(rand() % 256, rand() % 256, rand() % 256);
		if (stats.at(m - 1, CC_STAT_AREA) < 100)//连通域面积小于100的区域，将其当作背景
			color[m] = Vec3b(0, 0, 0);
	}
	 src_color=Mat::zeros(src.size(), CV_8UC3);
	for (int x = 0; x < src.rows; x++)
		for (int y = 0; y < src.cols; y++)
		{
			int label = labels.at(x, y);//注意labels是int型，不是uchar.
			src_color.at(x, y) = color[label];
		}
	imshow("labelMap", src_color);
 
	waitKey(0);
}
void trackbar(int, void*) {
	threshold(src, g_src, g_threshold, 255, THRESH_BINARY_INV);
	imshow("d", g_src);
	int num = connectedComponentsWithStats(g_src, labels, stats, centroids);
	cout << "轮廓数" << num << endl;
	vector color(num + 1);
	color[0] = Vec3b(0, 0, 0);//背景色
	for (int m = 1; m <= num; m++) {
		color[m] = Vec3b(rand() % 256, rand() % 256, rand() % 256);
		//if (stats.at(m - 1, CC_STAT_AREA) < 30)
			//color[m] = Vec3b(0, 0, 0);
	}
	src_color = Mat::zeros(src.size(), CV_8UC3);
	for (int x = 0; x < src.rows; x++)
		for (int y = 0; y < src.cols; y++)
		{
			int label = labels.at(x, y);//注意labels是int型，不是uchar.
			src_color.at(x, y) = color[label];
		}
	imshow("labelMap", src_color);
	
}

connectedComponents()用的较少，和上述用法大致相同。