这两个函数可以用来处理图（一般是二值图）中出现的连通区域，我们来分别分析。
一.skimage.measure.label(input, background = None, return_num = False, connectivity = None)
功能：标记图中的连通区域
参数解释：input：输入二值图
background：指定北京元素像素值，默认为0
return_num：bool变量，True：返回（label，num）False：只返回label
connectivity：1：4邻接，计算上下左右4个方向 2：8邻接，计算周围8个方向，None默认取最高
返回值:
labels : 和input形状一样，但是数值是标记号，所以这是一个已经标记的图片
num : 标记的种类数，如果输出0则只有背景，如果输出n则有n个连通域
PS：什么叫做连通域，在二值图像中，如果两个像素点相邻且值相同（同为0或1），称这两个像素点在一个相互连通的区域内，这种关系存在传递性，我们用相同的值来标记同一个连通区域的所有像素。常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，上下左右，8邻接的点包括周围8个，下图所示
例：
x=np.array([[1,0,0,0,0],[0,1,7,7,0],[0,0,1,1,9],[0,0,0,0,1]])
x
'''Out[109]:
array([[1, 0, 0, 0, 0],
[0, 1, 7, 7, 0],
[0, 0, 1, 1, 9],
[0, 0, 0, 0, 1]])'''
label(x,connectivity = 1, return_num=True)
'''Out[110]:
(array([[1, 0, 0, 0, 0],
[0, 2, 3, 3, 0],
[0, 0, 4, 4, 5],
[0, 0, 0, 0, 6]]), 6)'''
label(x,connectivity = 2, return_num=True)
'''Out[111]:
(array([[1, 0, 0, 0, 0],
[0, 1, 2, 2, 0],
[0, 0, 1, 1, 2],
[0, 0, 0, 0, 1]]), 2)'''
二.skimage.measure.regionprops(label_image, intensity_image = None, cache = True)[source]
参数解释：label_image：已经被标记好的输入图片
intensity_image：强度图，每个通道的像素值
cache：是否开启缓存，开启能加快计算速度
返回值：area （int） 区域内像素点总数
bbox （tuple） 边界外接框(min_row, min_col, max_row, max_col)
centroid （array） 质心坐标
convex_area （int） 凸包内像素点总数
convex_image （ndarray） 和边界外接框同大小的凸包
coords （ndarray） 区域内像素点坐标
Eccentricity （float） 离心率
equivalent_diameter（float） 和区域面积相同的圆的直径
euler_number （int） 区域欧拉数
extent （float） 区域面积和边界外接框面积的比率
filled_area （int） 区域和外接框之间填充的像素点总数
perimeter （float） 区域周长
label （int） 区域标记
PS：标注部分为常用部分，其中要注意返回的centroid，x,y坐标与图像中的x轴，y轴有所差异。