写在前面：
由于实习，近半年没有写博客了，接下来想在：图像描述 方面有所开拓，姑且用这篇简单的博客来做个入门准备吧；
问题：
图像标识在图像描述领域算是一个先前步骤：在图像预处理（亮度、对比度、清晰度、几何位置）之后，经过分割，就要对分割的区域进行分类，就需要经过图像标识——于此，很容易遇到两个概念：4邻域标记法 和 8邻域标记法；而这两种标记法都会对输入的灰度图进行两次扫描，得出同一前景目标的连通域，而且两者算法思路一致，所以下文用4邻域标记法的两次扫描作为例子分析；
算法思路：
1、什么是4邻域和8邻域？
用格子表示一张输入图片的像素点；姑且用下面的图表示：
如图左边A像素点周围的四个点为：A像素点的4邻域；
如图左边B像素点周围的八个点为：B像素点的8邻域；
2、什么是4邻域模板和8邻域模板？
用格子表示一张输入图片的像素点；姑且用下面的图表示：
如图左边是4邻域扫描模板，右边是8邻域的扫描模板；所谓扫描模板就类似于腐蚀、或者卷积的模板一样，在原输入图像左上角开始扫过去，用有色区域和原图对应区域进行比较，或者运算；
3、第一次扫描算法思路？
a、输入图片（二值灰度图）目标像素点的值：非0；背景像素点的值：0；
b、建立一个等价集合：用来存放相同标签的连通区域有哪些；
eg.标签1和标签3为同一个连通域；标签2和标签5为同一个连通域；标签4为一个连通域；
记为：{{1,3}、{2,5}、{4}}
c、开始扫描
i）用4邻域扫描模板扫描，如果A点不为0，上方和左方的点为0，则A点标记为一个新的标签（第一个标签为1，由此类推）；
ii）如果A点不为0，上方和左方的点有且只有一个不为0，则A 被赋予不为0者的值；
iii）如果A点不为0，上方和左方的点都不为0，则A 被赋予两者中最小值；并且将左方、上方的标签放在同一个小类中，（其实就是A点连接了上方的标签和左方的标签）eg.A点不为0，上方为1，左方为0，则A被赋值最小者：1，并且形成{1,3}的小类；
4、第二次扫描算法思路？
a、继续扫描，如果A不等于0，则将邻域中不同标签取最小者，即：合并集合；
eg.把{{1,3}、{2,5}、{4}}简化成：{{1}、{2}、{4}}
动态过程如下图所示：
5、手稿例子：假设阴影部分是原图像中的三个目标，其他格子值为0；（背景）
