基于区域增长的连通域标记算法的优化

第32卷第2期2011年3月

闽江学院学报

JOURNALOFMINJIANGUNIVERSITY

Vol．32No．2Mar．2011

基于区域增长的连通域标记算法的优化

罗志灶，周赢武，郑忠楷

（1、闽江学院物理学与电子信息工程系福建福州

350108）

摘要：与以往基于区域增长的连通域标记算法用目标点作为种子不同，优化算法将游程作为种子，结合游程和种子

算法的优点，减少种子的数量和目标点邻域的搜索次数．实验表明，本算法能有效地减少算法冗余操作，明显提高效且性能优于其它算法．率，

关键词：二值图像；连通域；区域增长；标记算法中图分类号：TP391文献标识码：A

文章编号：1009－7821（2011）02－0041－04

Optimizingthealgorithmoflabelingconnectedcomponentsbasedonregion-growth

LUOZhi-zao，ZHOUYing-wu，ZHENGZhong-kai

（DepartmentofPhysicsandElectronicInformationEngineering，MinjiangUniversity，Fuzhou，Fujian350108，China）Abstract：Theoptimizedalgorithmoflabelingconnectedcomponentsbasedonregion-growthregardsrun-lengthasseeds，otherthanobjectpixelsthatwasconsideredasseedsbytraditionalalgorithm，itmakesuseofbothadvantagesofrun-lengthseedsalgorithmandalgorithm，anditcoulddecreasequantityofseedsandtimesforsearchingneighborsofobjectpoints．Theexperimentalresultsshowthealgorithmcoulddecreaseredundantoperationsefficientlyandimproveit’sefficiencyobviously，anditismoreexcel-lentthanothers．

Keywords：binaryimages；connectedcomponents；regiongrowth；labellingalgorithm

［1］

图像的连通域标记是将图像中符合某种连通规则（4邻域或8邻域）的像素点用相同的、唯一的标号标记．连通域标记的速度和准确性直接影响图像的后续处理，故历来是数字图像处理的重要研究方向．

CostantinoG在文献［2］分析了连通域标记算法的发展进程及类别，并将现有的连通域标记算法大致归

［3－5］

，纳为如下3种：一次扫描连通域标记算法该类算法完成连通域标记仅需扫描图像一次．其中主要类别有

［5］［4］［3］［6，7］

，基于轮廓扫描技术、区域增长法及递归搜索算法等；二次扫描连通域标记算法分两阶段对图像进

［8］

行扫描，用一维共同连通域标号数组标记不同的连通域所属的共同连通域；多次扫描连通域标记算法，该

并传递临时连通域标号，直到不再出现连通域标号冲突．类算法主要是反复自顶向下和自底向上扫描图像，

［5］［4］

一次扫描算法不论是轮廓跟踪标记算法、还是区域增长法，通常需大量访问堆栈和邻域搜索．究其原因，主要是目标连通域形状的不规则且不可预测，图像扫描未完成前，无法获取全部的信息，需堆栈保存扫描获取的信息和反复搜索目标点的邻域以获取所有可能的连通路径．减少邻域搜索和堆栈访问的次数是提是以目标点作为种子单位，目标点之间的冗余高该类算法效率的有效方法．常用的区域增长标记算法

连通路径被重复搜索，因而从堆栈中存取种子占用了大量运行时间，且还造成大量冗余的连通路径搜索．

［11］

游程编码是用一个符号值代替具有相同值的连续符号．以游程为种子单位，能有效地减少算法存取种

可减少目标点的邻域搜索次数．图像的游程编码原先主要用于图子的次数；同时线标记游程内的连续目标点，

［4，9－10］

像压缩和减少内存消耗．由于在连通域标记算法中，若用游程表示行时，需判断该游程的上行和下行的每个目收稿日期：2011－03－01

项目资助：福建省教育厅科技项目（JB10137）

作者简介：罗志灶（1971－），男，福建三明人，闽江学院物理学与电子信息工程系讲师．

周赢武（1967－），男，福建屏南人，闽江学院物理学与电子信息工程系副教授．郑忠楷（1978－），男，福建福州人，闽江学院物理学与电子信息工程系讲师．

42

闽江学院学报第32卷

标点是否在游程范围之内，并需提取与该游程连通的游程，算法逻辑复杂，影响算法的速度．本算法以游程为

简化与当前游程相连通的上行和下行游程的提取，以提高算法速度．种子单位，

1算法描述

以游程作为区域增长算法的种子，可有效地减少种子的数量，同时对游程的目标点进行线扫描和标记可

避免重复搜索邻域．用游程表示二值图像时，一个游程表示某段连续的目标点．游程通常包括起始地址、结束与当前游程的起始目标点或结束目标点连通地址和目标点的值．当前游程表示正在进行连通域标记的游程，

r3、r5、r7是当前游程r4的上行的上行和下行游程，则难以直接获取起始地址和结束地址．如图1所示，游程r1、或下行游程，且与游程r4的起始目标点和结束目标点连通，由于它们的起始地址或结束地址超出游程r4范

围，因此要获取它们的起始地址和结束地址，势必增加算法的复杂度．以游程内的某目标点作为种子，而不是以整个游程编码作为种子，则可避免此问题．

本算法的思路：1）从上向下、从左至右，扫描图像，若遇到未标记目标点时，则可认为该目标点是新的连通域的种子，将该目标点作为游程种子压入堆栈；2）从堆栈中取出一个种子，以该种子为起点向左搜索其左边界目标点；从左边界点向右扫描并标记目标点，在标记的过程中，查找与该游程连通的上行和下行的游程，并取新游程中的一个目标点作为游程种子压入堆栈；3）重复从堆栈中取出种子，按步骤2）标记目标点，直至

则连通域标记完成，继续扫描图像，直到结束．堆栈为空；4）堆栈空时，

如图1所示，沿游程纵向观察，其上行和

而游程内下行的游程被背景像素点间隔开，

r2、r3和部则是连续的目标点，如上行游程r1、

r6、r7均被背景像素点间隔．因此下行游程r5、

判别上行和下行的新游程的规则如下：当对游程内的目标点采取从左至右逐点标记目标

若遇到的上行或下行的像素点是目标点时，

点且其左侧邻域是背景点时，则该目标点属

于新游程内的目标点，可将该目标点作为游

图1优化算法的游程实例

Exampleofyun-lengthforoptimizedalgorithm

Fig．1

程种子存入堆栈．由于当前游程的起始目标点的左上邻域及左下邻域可能存在与其连通的游程，如r5，同样当前游程的结束目标点的右上和右下邻域也可能存在与其连通的游程，如r7．因此在游程目标点的标记过程除需判断目标点的上邻域和下邻域是否有新的游程外，对8邻域连通域标记则还需判断是否有新的游程中，

与起始目标点和结束目标点连通．

假设连通域内的某游程r长度为n，如图2所示，白色为背景像素点，灰色为目标像素点．游程r的8邻域由目标点的上邻域和下邻域及起始目标点的左上邻域和左下邻及结束目标点的右上邻域和右下邻域组成，其邻域数量为2n+4；而以目标点为种子，则n个目标点的邻域则是8n．若图像的目标点为N，游程的平均长度为n，则种子数量约为N/n，而以目标点为种子，则种子数量为N；同样，以目标点为种子，搜索邻域的数量为8N；而以游程为种子，搜索邻域的数量约为N/n*（2n+4），当n 2n

可减少种子的数时，约为2N．分析表明将游程作为种子，及避免重复搜索邻域．量，

2．1

Fig．2

描述算法流程之前先解释几个变量，BinaryImage（x，

0表示背景，1表y）是二值图像某像素点（x，y）的灰度值，

bottomStatus；provisional（x，y）表示某像素点（x，y）的连通域标号；index表示当前的连示目标；变量topStatus、

通域标号．

算法的执行流程如图3所示，首先扫描图像，当遇到未标记目标点时，则将其作为种子入栈，保存扫描断点；重复从堆栈中取出种子，标记种子游程内的目标点，并查找与其连通的上行和下行的未标记游程，并将它们压入堆栈，直至堆栈为空；从扫描断点继续扫描图像，直到图像扫描结束．

bottomStatus表示前一个目标点的上行和下行的像素点是否是目标点，令topStatus、当前游程是否有上行

算法流程

图2优化算法游程领域

Neighorsofyun-lengthforoptimizedalgorithm

y）==1＆provisional（x－和下行的未标记游程与其连通的判断标准是：topStatus==0＆BinaryImage（x－1，

1，y）==0和bottomStatus==0＆BinaryImage（x+1，y）==1＆provisional（x+1，y）==0，即上行或下行的像素点是目标点且其左侧邻域是背景点，且未标记．

第2期罗志灶，等：基于区域增长的连通域标记算法的优化

43

当堆栈为空时，说明当前连通域已

则继续扫描图像，搜索下一个标记完成，未标记的连通域．

算法流程简单，易于代码实现，能准

确标记所有目标的连通域，是完备的．连连通域出现通域的标号与图像扫描中，

的先后次序一致．尽管算法以游程作为但与以目标点为种子单位相种子单位，

比，对每个种子处理的逻辑复杂度相当，并没有增加算法的运算量．

3实验分析

选取不同复杂度的图像，将本算法与其它连通域算法，如传统区域增长法

［5］

，传统轮廓跟踪算法、二次扫描算［6］［8］［9］

多次扫描算法、基于游程算法法、［4］

等进行比较．

在不同结构的图像（512×512），和2．5GHzCPU和3．46GB内存的PC机运行上述各算法．内的Matlab环境下，

实验图像如图4所示表1数据是各算法标记（512×512）图像连通域所需的运行时间．离散度取各图像的运行时间与实平均运行时间差值的绝对值的均值，

验结果表明，本算法所需运行时间较少；对不同复杂度的图像，本算法运行时间的离散度更小．

为分析不同尺寸的图像下各标记算

本文按16*n×16*n划法的运行时间，

图3优化算法算法流程图

Flowchartfortheoptizimedalgorithm

Fig．3

Fig．4

图4算法比较的实验图像

Theexperimentalimagesforalgorithmscomparation

44

闽江学院学报第32卷

分，将（512×512）图像分成32幅不同尺寸，运行各标记算法，并随机抽取其中一组实验数据．在不同尺寸图

各算法所需的运行时间，如图5所示．实验数据显示，随图像尺寸增大，本算法运行时间基本是呈缓慢像下，

增长，其它算法运行时间的变大明显快于本算法．因此，本算法对大尺寸图像的连通域标记更具优势．

表1各算法运行时间

Theruntimethatalgorithmsneed传统轮廓跟踪算法2．7032．2651．8442．1092．8753．40652．8860．753

Tab．1

图像名/来源2．pgm3．pgm7．pgm10．pgm41．pgm47．pgm49．pgm平均运行时间离散度

本文算法0．0630．0630．0620．0470．0460．0780．0470．0580．010

增长法6．8751．9681．0470．6254．4075．53．5313．4221．893

图66种算法在不同尺度的执行时间

Fig．5Theruntimethatsixalgorithmsneedunder

varioussize

基于游多次扫二次扫传统区域程算法描算法描算法3．9062．9853．3133．0783．4065．2663．5313．6410．540

0．5320．9380．5930．4680．6090．6250．2970．5800．127

0．0942．1090．0942．0460．0780．2810．0620．6810．798

3结束语

分析了现有连通域标记算法，针对区域增加法的缺点，提出以游程为种子单位，有效地降低堆栈空间，和减少目标点的邻域搜索．实验结果表明本算法效率较高，且稳定性较高．

参考文献：

［1］RafaelCG，RichardEW．Digitalimageprocessing［M］．2nded．北京：电子工业出版社，2006．

［2］CostantinoG，DanieleB，RitaC．Connectedcomponentlabelingtechniquesonmodernarchitectures［J］．ImageAnalysisandPro-2009，5716：816－824．cessing，

［3］徐正光，J］．计算机工程，2006，32（24）：186－225．鲍东来，张利欣．基于递归的二值图像连通域像素标记算法［

［4］AymanAB，RamiQ，StanI，etal．onescanconnectedcomponentlabelingtechnique［C］//2007IEEEInternationalConference

onSignalProcessingandCommunications（ICSPC2007），2007：1283－1286．

［5］ChangF，ChenCJ．Acomponent-labelingalgorithmusingcontourtracingtechnique［C］//7thInternationalConferenceonDocu-mentAnalysisandRecognition．Washington：IEEEComputerSociety，2003：741－745．

［6］SametH，TamminenM．Animprovedapproachtoconnectedcomponentlabelingofimages［J］．ProcofCVPR，1986：312－318．［7］WuKS，OtooE，SuzukiK．Optimizingtwo-passconnected-componentlabelingalgorithms［J］．PatternAnalApplic，2009（12）：

117－135．

［8］SuzukiK，HoribaI，SugieN．Linear-timeconnected-componentlabelingbasedonsequentiallocaloperations［J］．ComputerVision

andImageUnderstanding，2003，89（1）：1－23．

［9］朱云芳，J］．中国图象图形学报，2006，11（8）：1150－1155．叶秀清，顾伟康．视频序列的全景图拼接技术［［10］张云哲，J］．计算机应用研究，2010，11（27）：4335－4340．赵海，宋纯贺，等．一种新的连通区域标记算法［

［11］ZenzosD，CinqueL，LevialD．Run-basedalgorithmsforbinaryimageanalysisandprocessing［J］．IEEETransactionsonPat-ternAnalysisandProcessing，1996，18（1）：83－89．

（责任编辑：唐诚焜）

第32卷第2期2011年3月

闽江学院学报

JOURNALOFMINJIANGUNIVERSITY

Vol．32No．2Mar．2011

基于区域增长的连通域标记算法的优化

罗志灶，周赢武，郑忠楷

（1、闽江学院物理学与电子信息工程系福建福州

350108）

摘要：与以往基于区域增长的连通域标记算法用目标点作为种子不同，优化算法将游程作为种子，结合游程和种子

算法的优点，减少种子的数量和目标点邻域的搜索次数．实验表明，本算法能有效地减少算法冗余操作，明显提高效且性能优于其它算法．率，

关键词：二值图像；连通域；区域增长；标记算法中图分类号：TP391文献标识码：A

文章编号：1009－7821（2011）02－0041－04

Optimizingthealgorithmoflabelingconnectedcomponentsbasedonregion-growth

LUOZhi-zao，ZHOUYing-wu，ZHENGZhong-kai

（DepartmentofPhysicsandElectronicInformationEngineering，MinjiangUniversity，Fuzhou，Fujian350108，China）Abstract：Theoptimizedalgorithmoflabelingconnectedcomponentsbasedonregion-growthregardsrun-lengthasseeds，otherthanobjectpixelsthatwasconsideredasseedsbytraditionalalgorithm，itmakesuseofbothadvantagesofrun-lengthseedsalgorithmandalgorithm，anditcoulddecreasequantityofseedsandtimesforsearchingneighborsofobjectpoints．Theexperimentalresultsshowthealgorithmcoulddecreaseredundantoperationsefficientlyandimproveit’sefficiencyobviously，anditismoreexcel-lentthanothers．

Keywords：binaryimages；connectedcomponents；regiongrowth；labellingalgorithm

［1］

图像的连通域标记是将图像中符合某种连通规则（4邻域或8邻域）的像素点用相同的、唯一的标号标记．连通域标记的速度和准确性直接影响图像的后续处理，故历来是数字图像处理的重要研究方向．

CostantinoG在文献［2］分析了连通域标记算法的发展进程及类别，并将现有的连通域标记算法大致归

［3－5］

，纳为如下3种：一次扫描连通域标记算法该类算法完成连通域标记仅需扫描图像一次．其中主要类别有

［5］［4］［3］［6，7］

，基于轮廓扫描技术、区域增长法及递归搜索算法等；二次扫描连通域标记算法分两阶段对图像进

［8］

行扫描，用一维共同连通域标号数组标记不同的连通域所属的共同连通域；多次扫描连通域标记算法，该

并传递临时连通域标号，直到不再出现连通域标号冲突．类算法主要是反复自顶向下和自底向上扫描图像，

［5］［4］

一次扫描算法不论是轮廓跟踪标记算法、还是区域增长法，通常需大量访问堆栈和邻域搜索．究其原因，主要是目标连通域形状的不规则且不可预测，图像扫描未完成前，无法获取全部的信息，需堆栈保存扫描获取的信息和反复搜索目标点的邻域以获取所有可能的连通路径．减少邻域搜索和堆栈访问的次数是提是以目标点作为种子单位，目标点之间的冗余高该类算法效率的有效方法．常用的区域增长标记算法

连通路径被重复搜索，因而从堆栈中存取种子占用了大量运行时间，且还造成大量冗余的连通路径搜索．

［11］

游程编码是用一个符号值代替具有相同值的连续符号．以游程为种子单位，能有效地减少算法存取种

可减少目标点的邻域搜索次数．图像的游程编码原先主要用于图子的次数；同时线标记游程内的连续目标点，

［4，9－10］

像压缩和减少内存消耗．由于在连通域标记算法中，若用游程表示行时，需判断该游程的上行和下行的每个目收稿日期：2011－03－01

项目资助：福建省教育厅科技项目（JB10137）

作者简介：罗志灶（1971－），男，福建三明人，闽江学院物理学与电子信息工程系讲师．

周赢武（1967－），男，福建屏南人，闽江学院物理学与电子信息工程系副教授．郑忠楷（1978－），男，福建福州人，闽江学院物理学与电子信息工程系讲师．

42

闽江学院学报第32卷

标点是否在游程范围之内，并需提取与该游程连通的游程，算法逻辑复杂，影响算法的速度．本算法以游程为

简化与当前游程相连通的上行和下行游程的提取，以提高算法速度．种子单位，

1算法描述

以游程作为区域增长算法的种子，可有效地减少种子的数量，同时对游程的目标点进行线扫描和标记可

避免重复搜索邻域．用游程表示二值图像时，一个游程表示某段连续的目标点．游程通常包括起始地址、结束与当前游程的起始目标点或结束目标点连通地址和目标点的值．当前游程表示正在进行连通域标记的游程，

r3、r5、r7是当前游程r4的上行的上行和下行游程，则难以直接获取起始地址和结束地址．如图1所示，游程r1、或下行游程，且与游程r4的起始目标点和结束目标点连通，由于它们的起始地址或结束地址超出游程r4范

围，因此要获取它们的起始地址和结束地址，势必增加算法的复杂度．以游程内的某目标点作为种子，而不是以整个游程编码作为种子，则可避免此问题．

本算法的思路：1）从上向下、从左至右，扫描图像，若遇到未标记目标点时，则可认为该目标点是新的连通域的种子，将该目标点作为游程种子压入堆栈；2）从堆栈中取出一个种子，以该种子为起点向左搜索其左边界目标点；从左边界点向右扫描并标记目标点，在标记的过程中，查找与该游程连通的上行和下行的游程，并取新游程中的一个目标点作为游程种子压入堆栈；3）重复从堆栈中取出种子，按步骤2）标记目标点，直至

则连通域标记完成，继续扫描图像，直到结束．堆栈为空；4）堆栈空时，

如图1所示，沿游程纵向观察，其上行和

而游程内下行的游程被背景像素点间隔开，

r2、r3和部则是连续的目标点，如上行游程r1、

r6、r7均被背景像素点间隔．因此下行游程r5、

判别上行和下行的新游程的规则如下：当对游程内的目标点采取从左至右逐点标记目标

若遇到的上行或下行的像素点是目标点时，

点且其左侧邻域是背景点时，则该目标点属

于新游程内的目标点，可将该目标点作为游

图1优化算法的游程实例

Exampleofyun-lengthforoptimizedalgorithm

Fig．1

程种子存入堆栈．由于当前游程的起始目标点的左上邻域及左下邻域可能存在与其连通的游程，如r5，同样当前游程的结束目标点的右上和右下邻域也可能存在与其连通的游程，如r7．因此在游程目标点的标记过程除需判断目标点的上邻域和下邻域是否有新的游程外，对8邻域连通域标记则还需判断是否有新的游程中，

与起始目标点和结束目标点连通．

假设连通域内的某游程r长度为n，如图2所示，白色为背景像素点，灰色为目标像素点．游程r的8邻域由目标点的上邻域和下邻域及起始目标点的左上邻域和左下邻及结束目标点的右上邻域和右下邻域组成，其邻域数量为2n+4；而以目标点为种子，则n个目标点的邻域则是8n．若图像的目标点为N，游程的平均长度为n，则种子数量约为N/n，而以目标点为种子，则种子数量为N；同样，以目标点为种子，搜索邻域的数量为8N；而以游程为种子，搜索邻域的数量约为N/n*（2n+4），当n 2n

可减少种子的数时，约为2N．分析表明将游程作为种子，及避免重复搜索邻域．量，

2．1

Fig．2

描述算法流程之前先解释几个变量，BinaryImage（x，

0表示背景，1表y）是二值图像某像素点（x，y）的灰度值，

bottomStatus；provisional（x，y）表示某像素点（x，y）的连通域标号；index表示当前的连示目标；变量topStatus、

通域标号．

算法的执行流程如图3所示，首先扫描图像，当遇到未标记目标点时，则将其作为种子入栈，保存扫描断点；重复从堆栈中取出种子，标记种子游程内的目标点，并查找与其连通的上行和下行的未标记游程，并将它们压入堆栈，直至堆栈为空；从扫描断点继续扫描图像，直到图像扫描结束．

bottomStatus表示前一个目标点的上行和下行的像素点是否是目标点，令topStatus、当前游程是否有上行

算法流程

图2优化算法游程领域

Neighorsofyun-lengthforoptimizedalgorithm

y）==1＆provisional（x－和下行的未标记游程与其连通的判断标准是：topStatus==0＆BinaryImage（x－1，

1，y）==0和bottomStatus==0＆BinaryImage（x+1，y）==1＆provisional（x+1，y）==0，即上行或下行的像素点是目标点且其左侧邻域是背景点，且未标记．

第2期罗志灶，等：基于区域增长的连通域标记算法的优化

43

当堆栈为空时，说明当前连通域已

则继续扫描图像，搜索下一个标记完成，未标记的连通域．

算法流程简单，易于代码实现，能准

确标记所有目标的连通域，是完备的．连连通域出现通域的标号与图像扫描中，

的先后次序一致．尽管算法以游程作为但与以目标点为种子单位相种子单位，

比，对每个种子处理的逻辑复杂度相当，并没有增加算法的运算量．

3实验分析

选取不同复杂度的图像，将本算法与其它连通域算法，如传统区域增长法

［5］

，传统轮廓跟踪算法、二次扫描算［6］［8］［9］

多次扫描算法、基于游程算法法、［4］

等进行比较．

在不同结构的图像（512×512），和2．5GHzCPU和3．46GB内存的PC机运行上述各算法．内的Matlab环境下，

实验图像如图4所示表1数据是各算法标记（512×512）图像连通域所需的运行时间．离散度取各图像的运行时间与实平均运行时间差值的绝对值的均值，

验结果表明，本算法所需运行时间较少；对不同复杂度的图像，本算法运行时间的离散度更小．

为分析不同尺寸的图像下各标记算

本文按16*n×16*n划法的运行时间，

图3优化算法算法流程图

Flowchartfortheoptizimedalgorithm

Fig．3

Fig．4

图4算法比较的实验图像

Theexperimentalimagesforalgorithmscomparation

44

闽江学院学报第32卷

分，将（512×512）图像分成32幅不同尺寸，运行各标记算法，并随机抽取其中一组实验数据．在不同尺寸图

各算法所需的运行时间，如图5所示．实验数据显示，随图像尺寸增大，本算法运行时间基本是呈缓慢像下，

增长，其它算法运行时间的变大明显快于本算法．因此，本算法对大尺寸图像的连通域标记更具优势．

表1各算法运行时间

Theruntimethatalgorithmsneed传统轮廓跟踪算法2．7032．2651．8442．1092．8753．40652．8860．753

Tab．1

图像名/来源2．pgm3．pgm7．pgm10．pgm41．pgm47．pgm49．pgm平均运行时间离散度

本文算法0．0630．0630．0620．0470．0460．0780．0470．0580．010

增长法6．8751．9681．0470．6254．4075．53．5313．4221．893

图66种算法在不同尺度的执行时间

Fig．5Theruntimethatsixalgorithmsneedunder

varioussize

基于游多次扫二次扫传统区域程算法描算法描算法3．9062．9853．3133．0783．4065．2663．5313．6410．540

0．5320．9380．5930．4680．6090．6250．2970．5800．127

0．0942．1090．0942．0460．0780．2810．0620．6810．798

3结束语

分析了现有连通域标记算法，针对区域增加法的缺点，提出以游程为种子单位，有效地降低堆栈空间，和减少目标点的邻域搜索．实验结果表明本算法效率较高，且稳定性较高．

参考文献：

［1］RafaelCG，RichardEW．Digitalimageprocessing［M］．2nded．北京：电子工业出版社，2006．

［2］CostantinoG，DanieleB，RitaC．Connectedcomponentlabelingtechniquesonmodernarchitectures［J］．ImageAnalysisandPro-2009，5716：816－824．cessing，

［3］徐正光，J］．计算机工程，2006，32（24）：186－225．鲍东来，张利欣．基于递归的二值图像连通域像素标记算法［

［4］AymanAB，RamiQ，StanI，etal．onescanconnectedcomponentlabelingtechnique［C］//2007IEEEInternationalConference

onSignalProcessingandCommunications（ICSPC2007），2007：1283－1286．

［5］ChangF，ChenCJ．Acomponent-labelingalgorithmusingcontourtracingtechnique［C］//7thInternationalConferenceonDocu-mentAnalysisandRecognition．Washington：IEEEComputerSociety，2003：741－745．

［6］SametH，TamminenM．Animprovedapproachtoconnectedcomponentlabelingofimages［J］．ProcofCVPR，1986：312－318．［7］WuKS，OtooE，SuzukiK．Optimizingtwo-passconnected-componentlabelingalgorithms［J］．PatternAnalApplic，2009（12）：

117－135．

［8］SuzukiK，HoribaI，SugieN．Linear-timeconnected-componentlabelingbasedonsequentiallocaloperations［J］．ComputerVision

andImageUnderstanding，2003，89（1）：1－23．

［9］朱云芳，J］．中国图象图形学报，2006，11（8）：1150－1155．叶秀清，顾伟康．视频序列的全景图拼接技术［［10］张云哲，J］．计算机应用研究，2010，11（27）：4335－4340．赵海，宋纯贺，等．一种新的连通区域标记算法［

［11］ZenzosD，CinqueL，LevialD．Run-basedalgorithmsforbinaryimageanalysisandprocessing［J］．IEEETransactionsonPat-ternAnalysisandProcessing，1996，18（1）：83－89．

（责任编辑：唐诚焜）