如何使用OpenCV进行高效的连通域分析操作？
- 内容介绍
- 相关推荐
本文共计281个文字，预计阅读时间需要2分钟。
内容+分析：OpenCV的连通域信息+参数介绍如下：image：输入图像，必须是二值图，8位单通道图像。connectivity：可选值，表示连通性，默认为8，表示4个连通性。
内容
分析opencv的连通域信息
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：
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；注意0的区域标识的是background
centroids：连通域的中心点
本文共计281个文字，预计阅读时间需要2分钟。
内容+分析：OpenCV的连通域信息+参数介绍如下：image：输入图像，必须是二值图，8位单通道图像。connectivity：可选值，表示连通性，默认为8，表示4个连通性。
内容
分析opencv的连通域信息
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：
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；注意0的区域标识的是background
centroids：连通域的中心点