OpenCV学习(二十一) ：计算图像连通分量:connectedComponents(),connectedComponentsWithStats()

最新推荐文章于 2026-04-20 11:59:25 发布

原创

最新推荐文章于 2026-04-20 11:59:25 发布 · 6.4k 阅读

本文介绍了OpenCV中的connectedComponents()和connectedComponentsWithStats()函数，用于计算图像的连通分量。文章通过示例详细解释了这两个函数的使用，并展示了如何通过findContours()和drawContours()函数辅助计算连通量。

OpenCV学习(二十一) ：计算图像连通分量:connectedComponents(),connectedComponentsWithStats()

1、connectedComponents()函数

Connected Components即连通体算法用id标注图中每个连通体，将连通体中序号最小的顶点的id作为连通体的id。如果在图G中，任意2个顶点之间都存在路径，那么称G为连通图，否则称该图为非连通图，则其中的极大连通子图称为连通体，如下图所示，该图中有两个连通体：
在这里插入图片描述
计算二值图像中为图像的连通分量标注（标记）

int  cv::connectedComponents(
cv::InputArrayn image,                // 输入8位单通道(二进制)
cv::OutputArray labels,               // 输出标签图
int             connectivity = 8,     // 4-或8-连接组件
int             ltype        = CV_32S // 输出标签类型 (CV_32S or CV_16U)
    );

2、connectedComponentsWithStats()函数

这是一个重载的成员函数，它与上述函数的不同之处在于它只接受什么参数。
注意0的区域标识的是background，而centroids则对应的是中心点，而label则对应于表示是当前像素是第几个轮廓

int  cv::connectedComponentsWithStats (
cv::InputArrayn image,                // 输入8位单通道(二进制)
cv::OutputArray labels,               // 输出标签地图
cv::OutputArray stats,                // 统计量的Nx5矩阵(CV_32S):分别对应各个轮廓的包围框的起始点坐标x,y,
									  // 各个轮廓的包围框的 width,height和面积:
                                                     // [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中心矩阵:
                                                      // [ cx0, cy0; ... ; cx(N-1), cy(N-1)]
int             connectivity = 8,     // 4-或8-连接组件
int             ltype        = CV_32S // 输出标签类型 (CV_32S or CV_16U)
);

3、示例：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
   
   
    Mat src =imread("F:/C++/2. OPENCV 3.1.0/TEST/test5.PNG",1);
    if(!src.data ) {
   
    printf("读取图片错误，请确定目录下是否有imread函数指定图片存在~！ \n"); return false; }
    imshow( "image", src );
    // 转灰度
    Mat src_gray;
    cvtColor( src, src_gray, CV_BGR2GRAY );

    cv::Mat  img_edge, labels, img_color, stats,centroids;
    // 二值化
    cv::threshold(src_gray, img_edge, 125, 255, cv::THRESH_BINARY);
    cv::imshow("Image before threshold", img_edge);
    // 白色代表有数据，黑色代表没有数据，所以图像