OpenCV4学习笔记（21）——图像连通域

本次要记录的内容是：连通组件标记算法(connected component labeling algorithm)及其信息统计。
图像的连通组件（或者称为连通域更顺口一点）是针对于二值图像而言的，我们都知道二值图像只有0和255这两种像素值分布，当我们扫描二值图像中的每个像素点，并将像素值相同的而且相互连通的像素点分为相同的连通域, 最终得到图像中所有的像素连通组件。最后得到的结果中，每一个连通域表示着这个区域中的像素点有很大的关联性，可能是属于同一个物体的像素点，也可能是属于同一种颜色的像素点。这样我们就可以通过对二值图像的求取连通域，来获取到图像中某些我们感兴趣的区域，从而来进行进一步的操作。
下面来看怎样对图像进行连通域的划分，给出代码实现：

	Mat connected_image = imread("D:\\opencv_c++\\opencv_tutorial\\data\\images\\contours.png");
	imshow("connected_image", connected_image);
	Mat connected_image_gray;
	cvtColor(connected_image, connected_image_gray, COLOR_BGR2GRAY);
	Mat connected_image_gaus;
	GaussianBlur(connected_image_gray, connected_image_gaus, Size(), 1, 1);
	Mat connected_image_binary;
	threshold(connected_image_gaus, connected_image_binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("connected_image_binary", connected_image_binary);
	//对二值图像求连通
	Mat label_indexs;			//用于存放求得的连通区域标记
	int num_labels = connectedComponents(connected_image_binary, label_indexs, 8, CV_32S);
	cout << "连通区域数量：" << num_labels - 1 << endl;			//需要减去背景
	vector<Vec3b> colors;			//用于区分不同连通域的颜色向量
	colors.push_back(Vec3b(0, 0, 0));			//将背景设为黑色
	RNG rng;			//生成一个随机数对象
	for (int i = 1; i < num_labels; i++)			//为前景中每一个连通区域，随机生成一种表示颜色
	{