Python中的连通组件标记算法

我有一张手写文件的灰度图像。 我想通过应用8路CCL算法从这幅灰度图像中提取成分。请提供python代码，以便仅通过导入OpenCV和numpy来完成此操作。我已经设计了一个不完整的代码，如果有人可以完成这项任务，这将是非常有帮助的我

算法如下：

连接的组件矩阵初始化为图像矩阵的大小

对图像中每个检测到的对象初始化并递增标记

初始化计数器以计算对象的数量

对整个图像开始行主扫描

如果检测到对象像素，则在（索引！=0）时重复以下步骤

将图像中对应的像素设置为0

使用当前设置像素的所有相邻像素更新向量（索引）

保留唯一像素，删除重复像素

将索引指示的像素设置为在连接的组件矩阵中进行标记

增加图像中另一个对象的标记。 6.增加图像中另一个对象的标记

---

有一种可能的方法与您尝试的方法相差不远。假设为背景像素指定了标签0，为对象像素指定了值1

• 逐行扫描图像

• 遇到像素1时，设置新标签并执行整体填充操作，用新标签替换1

洪水填充可以非常简单地实施：

• 将起始像素设置为新标签

• 递归地填充八个邻居（如果它们有1）

这个版本的代码非常简单。但您会注意到，它很容易使堆栈溢出，因为挂起的填充数可能与图像大小一样大

def FloodFill(X, Y, Label):
    I[X,Y]= Label
    for all 8-way neighbors (X'=X±1, Y'=Y±1, inside image):
        if I[X',Y'] == 1:
            FloodFill(X', Y', Label)

def CCL(Image I):
    Label= 1
    for Y in range(I.Height):
        for X in range(I.Width):
            if I[X, Y] == 1:
                Label+= 1
                FloodFill(X, Y, Label)

因此，我推荐扫描线版本，它更复杂一些

---

如果有人能完成这项任务，这对我会很有帮助-我敢打赌，如果你正在努力解决某个特定的部分，我们可以提供帮助，但没有人会帮你做功课。Img=cv2.imread（“C://Users//USER//Pictures//Saved Pictures//fig2.tif”，0）[M，N]=Img.shape[:2]Connected=np zeros（（M，N））offset=[-1，M，1，-M]Index=[]对于范围内的i（M）：对于范围内的j（N）：如果（Img（i，j）==1）：没有\u对象=N0\u对象+1索引=[（（j-1）*M+i）]连接的（索引）=标记，而（索引！=0）：Img（索引）=0个邻居=bsxfun（@plus，Index，offset）邻居=唯一的（邻居（：）索引=邻居（查找（图像（邻居）））连接（索引）=标记标记=标记+差异我可以使用什么替代of@plus用python？