python连通区域

### 使用 `cv2` 和 `ndimage` 进行连通区域检测

#### OpenCV (`cv2`) 的连通组件分析
OpenCV 提供了一个简单而强大的函数来执行连通组件标记，这可以通过 `connectedComponentsWithStats` 函数完成。此函数不仅可以返回标签矩阵还可以提供有关每个连通组件的信息，如面积、边界框等。

import cv2
import numpy as np

# 创建一个简单的二值图像用于演示
img = np.zeros((100, 100), dtype=np.uint8)
img[10:40, 10:40] = 255  # 添加一个小方块作为第一个对象
img[60:90, 60:90] = 255  # 添加另一个不相连的小方块作为第二个对象

num_labels, labels_im, stats, centroids = cv2.connectedComponentsWithStats(img)

print(f"Number of detected components (including background): {num_labels}")

上述代码创建了一张包含两个白色矩形的对象图片，并调用了 `connectedComponentsWithStats()` 来计算有多少个不同的连通域以及它们的位置和其他属性[^1]。

#### SciPy's `ndimage` 库的连通组件标记
SciPy 中的 `measure.label` 方法同样能够有效地识别二维或三维数据集内的连通区域。该方法允许指定连接性的定义——即像素间如何被认为是相邻的（四邻接还是八邻接），这对于某些应用来说非常重要。

from scipy import ndimage
import matplotlib.pyplot as plt

binary_image = img > 0  # 将原始图像转换为布尔类型的二值化版本
labeled_array, num_features = ndimage.measurements.label(binary_image)

plt.figure(figsize=(7, 7))
plt.title("Labeled Components Using Scipy.ndimage")
plt.imshow(labeled_array, cmap="nipy_spectral", origin='lower')
plt.colorbar()
plt.show()

这段脚本展示了怎样利用 `ndimage.measurements.label` 对输入的二值图像进行标注，其中不同颜色代表了各个独立的连通区段[^2]。