目的是给图像中每个连通的区域分配一个唯一的标记值， 以判定区域中的物体是否是独立的，以及区域中的物体是 否只是噪声。
5.2.1 基于区域标记的面积测量
具体步骤： 1. 将图像二值化，对二值图像，从左到右，从上到下，依
次检验每个像素，如果发现某像素值为0，则依次检测该 点的右上、正上、左上、左前共4个点的像素值，判断其 是否与已标示区域连通，并标示物体，将物体的像素值 改为该像素所在区域的标号。
决定的直线上所拥有的像素数。 初始化时，矩阵M置为0。
直线拟合的哈夫变换方法
2. 遍历图像，对像素(xi, yi) ，将的所有量化值和像素坐
标(xi, yi)，依次代入直线的极坐标方程，计算r的值， 根据当前r、，将对应的累加器加1，即： M[r][]=M[r][]+1。
3. 分析M[r][]，如果M[r][]T，就认为存在一条有意义 的线段，(r,)是该线段的拟合参数。
它通过将源图像上的点映射到用于累加的参数空间， 实现对已知解析式曲线的识别。
由于Hough变换利用了图像全局特性，所以受噪声和 边界间断的影响较小，比较鲁棒(Robust)。
Hough变换常用来对图像中的直线和圆进行识别。
大家有疑问的，可以询问和交流
可以互相讨论下，但要小声点
直线拟合的哈夫变换方法
直线拟合的哈夫变换方法
具体步骤：
1. 将r空间量化，得到二维矩阵M[r][]；
根据极坐标表示法，r是直线到原点的距离。设图像的对 角线长度为n，固定左上角为原点，则r的取值范围为[0, n]。
令以1度为增量，则的取值范围为[0, 359]。
此时，M是一个n行360列的二维矩阵。
矩阵中任一元素M[r][]所存储的值就是图像中由参数(r,)
