连通域处理函数的原型：

void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1));

参数解析：

参数mask_process:

       表示的是需要进行连通域处理二值图像。

参数poly1_hull0:

       表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。

参数perimScale:

       是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。

参数number:

       表示实际需要处理最多的轮廓的个数（如果输入的mask有多个轮廓的话），这里的处理是指计算出这些轮廓的外接矩形和中心点。默认值为0，表示函数内部不需要处理这些外接矩形和中心点。

参数bounding_box:

      表示的是处理完后对应轮廓的外接矩形，默认值为Rect()，表示不需要返回这些外接矩形。

参数contour_centers:

      表示处理完后对应轮廓的中心点坐标，默认值为Point(-1, -1)，表示不需要返回这些中心点

实现代码：

#include <iostream> 
#include <opencv.hpp> 


using namespace cv; 
using namespace std; 

//Just some convienience macros 
#define CV_CVX_WHITE CV_RGB(0xff,0xff,0xff) 
#define CV_CVX_BLACK CV_RGB(0x00,0x00,0x00) 


void ConnectedComponents(Mat &mask_process, int poly1_hull0, float perimScale, int number = 0, 
Rect &bounding_box = Rect(), Point &contour_centers = Point(-1, -1)) 
{ 
/*下面4句代码是为了兼容原函数接口，即内部使用的是c风格，但是其接口是c++风格的*/ 
IplImage *mask = &mask_process.operator IplImage(); 
int *num = &number; 
CvRect *bbs = &bounding_box.operator CvRect(); 
CvPoint *centers = &contour_centers.operator CvPoint(); 
static CvMemStorage* mem_storage = NULL; 
static CvSeq* contours = NULL; 
//CLEAN UP RAW MASK 
//开运算作用：平滑轮廓，去掉细节,断开缺口 
cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_OPEN, 1 );//对输入mask进行开操作，CVCLOSE_ITR为开操作的次数，输出为mask图像 
//闭运算作用：平滑轮廓，连接缺口 
cvMorphologyEx( mask, mask, NULL, NULL, CV_MOP_CLOSE, 1 );//对输入mask进行闭操作，CVCLOSE_ITR为闭操作的次数，输出为mask图像 
//FIND CONTOURS AROUND ONLY BIGGER REGIONS 
if( mem_storage==NULL ) mem_storage = cvCreateMemStorage(0); 
else cvClearMemStorage(mem_storage); 
//CV_RETR_EXTERNAL=0是在types_c.h中定义的，CV_CHAIN_APPROX_SIMPLE=2也是在该文件中定义的 
CvContourScanner scanner = cvStartFindContours(mask,mem_storage,sizeof(CvContour),CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE); 
CvSeq* c; 
int numCont = 0; 
//该while内部只针对比较大的轮廓曲线进行替换处理 
while( (c = cvFindNextContour( scanner )) != NULL ) 
{ 
double len = cvContourPerimeter( c ); 
double q = (mask->height + mask->width) /perimScale; //calculate perimeter len threshold 
if( len < q ) //Get rid of blob if it's perimeter is too small 
{ 
cvSubstituteContour( scanner, NULL ); //用NULL代替原来的那个轮廓 
} 
else //Smooth it's edges if it's large enough 
{ 
CvSeq* c_new; 
if(poly1_hull0) //Polygonal approximation of the segmentation 
c_new = cvApproxPoly(c,sizeof(CvContour),mem_storage,CV_POLY_APPROX_DP, 2,0); 
else //Convex Hull of the segmentation 
c_new = cvConvexHull2(c,mem_storage,CV_CLOCKWISE,1); 
cvSubstituteContour( scanner, c_new ); //最开始的轮廓用凸包或者多项式拟合曲线替换 
numCont++; 
} 
} 
contours = cvEndFindContours( &scanner ); //结束轮廓查找操作 
// PAINT THE FOUND REGIONS BACK INTO THE IMAGE 
cvZero( mask ); 
IplImage *maskTemp; 
//CALC CENTER OF MASS AND OR BOUNDING RECTANGLES 
if(*num != 0) 
{ 
int N = *num, numFilled = 0, i=0; 
CvMoments moments; 
double M00, M01, M10; 
maskTemp = cvCloneImage(mask); 
for(i=0, c=contours; c != NULL; c = c->h_next,i++ ) //h_next为轮廓序列中的下一个轮廓 
{ 
if(i < N) //Only process up to *num of them 
{ 
//CV_CVX_WHITE在本程序中是白色的意思 
cvDrawContours(maskTemp,c,CV_CVX_WHITE, CV_CVX_WHITE,-1,CV_FILLED,8); 
//Find the center of each contour 
if(centers != &cvPoint(-1, -1)) 
{ 
cvMoments(maskTemp,&moments,1); //计算mask图像的最高达3阶的矩 
M00 = cvGetSpatialMoment(&moments,0,0); //提取x的0次和y的0次矩 
M10 = cvGetSpatialMoment(&moments,1,0); //提取x的1次和y的0次矩 
M01 = cvGetSpatialMoment(&moments,0,1); //提取x的0次和y的1次矩 
centers[i].x = (int)(M10/M00); //利用矩的结果求出轮廓的中心点坐标 
centers[i].y = (int)(M01/M00); 
} 
//Bounding rectangles around blobs 
if(bbs != &CvRect()) 
{ 
bbs[i] = cvBoundingRect(c); //算出轮廓c的外接矩形 
} 
cvZero(maskTemp); 
numFilled++; 
} 
//Draw filled contours into mask 
cvDrawContours(mask,c,CV_CVX_WHITE,CV_CVX_WHITE,-1,CV_FILLED,8); //draw to central mask 
} //end looping over contours 
*num = numFilled; 
cvReleaseImage( &maskTemp); 
} 
//ELSE JUST DRAW PROCESSED CONTOURS INTO THE MASK 
else 
{ 
for( c=contours; c != NULL; c = c->h_next ) 
{ 
cvDrawContours(mask,c,CV_CVX_WHITE, CV_CVX_BLACK,-1,CV_FILLED,8); 
} 
} 
} 

int main() 
{ 
Mat src, mask; 
src = imread("test.png", 0); //以灰度图像读入 
imshow("src", src); 

mask = src > 0; //转换为二值图像 
imshow("mask", mask); 

ConnectedComponents(mask, 1, 8.0, 1, Rect(), Point(-1, -1)); //采用多边形拟合处理 
imshow("out1", mask); 

ConnectedComponents(mask, 0, 8.0, 1, Rect(), Point(-1, -1)); //c采用凸包进行处理 
imshow("out2", mask); 
waitKey(0); 

return 0; 
} 

实验结果

　　所需处理原始图像的灰度图：

　　其对应的mask图像：

　　使用多项式拟合的连通域处理后图像：

　　使用凸包集拟合的连通域处理后的图像：