如何访问OpenCV连通组件标记后各像素的标签ID

前置基础 #

调用cv2.connectedComponentsWithStats（Python接口）或cv::connectedComponentsWithStats（C++接口）后，核心返回值里有一个与输入二值图宽高完全一致的标签矩阵labels：矩阵中每个位置存储的整数值，就是对应坐标像素被分配的连通组件ID，其中ID=0固定代表背景区域，其余ID从1开始依次对应各个前景连通块。

遍历中查询指定像素的标签ID #

标签矩阵的索引和图像像素坐标一一对应，双层for循环遍历时直接按坐标取值即可，不需要额外计算。

Python 实现示例 #

import cv2
import numpy as np

# 前置：完成连通组件标记
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(
    binary_img, connectivity=8
)
img_h, img_w = labels.shape

# 嵌套循环遍历全图像素
for y in range(img_h):
    for x in range(img_w):
        # 直接读取(x,y)坐标对应像素的标签ID
        pixel_label = labels[y, x]
        # 自定义业务逻辑写在此处

C++ 实现示例 #

#include <opencv2/opencv.hpp>
using namespace cv;

Mat labels, stats, centroids;
int num_labels = connectedComponentsWithStats(binary_img, labels, stats, centroids, 8);

for (int y = 0; y < labels.rows; y++) {
    for (int x = 0; x < labels.cols; x++) {
        // 标签矩阵为CV_32S类型，用int类型读取
        int pixel_label = labels.at<int>(y, x);
        // 自定义业务逻辑写在此处
    }
}

获取归属特定标签的所有像素 #

根据你的使用场景选两种实现方式即可：

• 如果你本来就需要嵌套遍历全图做其他处理，直接在遍历逻辑里加判断收集坐标即可，不会产生额外性能开销：

  target_label = 3  # 替换为你要查找的目标标签ID
  target_pixels = []
  for y in range(img_h):
      for x in range(img_w):
          pixel_label = labels[y, x]
          if pixel_label == target_label:
              # 符合标签要求，把坐标存入结果列表
              target_pixels.append( (x, y) )
  

• 如果你不需要全图遍历，只想快速提取特定标签的所有像素，直接用矩阵掩码操作，运行效率远高于双层for循环，适合大分辨率图像：

  target_label = 3
  # 生成目标标签的掩码矩阵
  mask = (labels == target_label)
  # 直接取出所有符合条件的像素坐标
  y_coords, x_coords = np.where(mask)
  # 打包为(x,y)格式的坐标列表
  target_pixels = list(zip(x_coords, y_coords))
  

补充提示：如果需要获取连通块的面积、外接矩形等属性，不需要自己统计像素计算，直接从返回的stats矩阵读取即可：比如stats[target_label, cv2.CC_STAT_AREA]就是对应标签的总像素数，stats[target_label, cv2.CC_STAT_LEFT]等字段可以直接取外接矩形的位置和尺寸。

内容的提问来源于stack exchange，提问作者user14000340