前邊講到前景檢測後形態學處理，濾除大部分孤立噪點，並且能夠將距離相近，屬於同一目標的區域連線在一起。
在進行形態學處理後，二值圖上分佈著為數不多的亮點連通區域。在我們的思維裡，每個連通區域隸屬於同一個目標，但是計算機並不知道，在計算機眼裡，它依然是一幅影象，是一個規則的二維矩陣，是分佈著黑點亮點的二維矩陣。

連通區域的標記

將每團亮點標記為一個目標，暫時有兩種方式可以考慮：

opencv查詢輪廓函式

void findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              OutputArray hierarchy, int mode,
                              int method, Point offset=Point());
 

連通域標記

連通域標記指的是將符合某種空間關係的畫素，歸屬在同一個目標。常見連通域關係有四鄰和八鄰連通區域標記。具體空間關係如下，連通區域識別程式碼網上很多，不再列舉。

連通區域合併

筆者採用opencv的查詢輪廓函式，畢竟一些成熟的演算法，必然有它恆久存在的原因。
在進行連通域標記之後，會存在這樣的情形：一個目標被標記為多個連通區域。
試著分析一下原因：前景檢測直接得到離散點的二值影象，目標只是分佈比較密集的區域，但並不是徹底的連線成為一體。
形態學操作腐蝕、膨脹，也會影響這些離散點的連通關係。一味的增大膨脹核大小可以減少這個問題，但是會存在目標區域不精確、噪點被多重放大的風險。因此，在進行區域標記後，增加區域合併功能。

合併區域思考兩個問題：

1. 哪種情況需要合併？
2. 怎樣合併？

第一個問題，在區域標記後，我們所具有的資訊只是單純的二值點，和目標的特徵分離。因此合併條件只需考慮這些被標記的連通區域的空間關係：距離相近、相交、包含（包含是特殊的相交關係）。
關於矩形相交關係，筆者分享一種判斷方式：

bool CPOS::isRectOverlap(cv::Rect& rec1, cv::Rect& rec2)
{
	int rec1_left, rec1_right, rec1_top, rec1_bottom;
	int rec2_left, rec2_right, rec2_top, rec2_bottom;
	rec1_left = rec1.x;
	rec1_right = rec1.x + rec1.width;
	rec1_top = rec1.y;
	rec1_bottom = rec1.y + rec1.height;
	rec2_left = rec2.x;
	rec2_right = rec2.x + rec2.width;
	rec2_top = rec2.y;
	rec2_bottom = rec2.y + rec2.height;
	return !(rec1_left > rec2_right || rec1_top > rec2_bottom || rec2_left > rec1_right || rec2_top > rec1_bottom);
}
 

至於如何合併，兩個矩形求並集就可以。具體程式碼暫時不上傳，因為在工程中用。如果有需要可以小視窗我。