1.我认为做标签是为了连接4-8个对象。你能解释一下什么是贴标签吗？我会指出任何联系。
标签实际作用的最清楚演示是在bwlabel的MatLab文档中。如果将原始矩阵BW与结果矩阵L进行比较，您将看到它获取一个二进制图像，并为每个相连的1组分配唯一的标签：

L =

     1     1     1     0     0     0     0     0
     1     1     1     0     2     2     0     0
     1     1     1     0     2     2     0     0
     1     1     1     0     0     0     3     0
     1     1     1     0     0     0     3     0
     1     1     1     0     0     0     3     0
     1     1     1     0     0     3     3     0
     1     1     1     0     0     0     0     0

这里有三个标记的组件。本例寻找4连通分量；如果像素位于当前像素的左侧、右侧、上方或下方，则将其视为已连接到当前像素。8-连接的对象包括对角线，这将导致上面的矩阵的标签2和3合并，因为对象2的右下角和对象3的顶部是对角连接的。维基百科here上描述了连通分量标记算法。
2.OpenCV中的连接组件在本文中，有人说CVBlob，有人说opecv的cvConourArea，你能解释一下这两者的区别吗？什么更适合我的用例？
OpenCV 3.0还处于测试阶段，它有两个全新的方法：connectedComponents和connectedComponentsWithStats(文档)。如果您正在尝试复制MatLab的bwlabel，那么这是一条可行的道路。
我编写了一个测试程序来试用connectedComponentsWithStats(下面的完整代码)，并将其用作我的测试映像：

(实际上，此图像已从800x600缩小到400x300，但生成它的代码如下所示。)
我使用以下命令生成了标记的图像：

int nLabels = connectedComponentsWithStats(src, labels, stats, centroids, 8, CV_32S);

nLabels中返回的值为5。请记住，此方法将背景视为标签为0。
要查看标记区域是什么，可以将灰阶值从[0..nLabels-1]放大到[0..255]，或者可以指定随机的RGB值并创建彩色图像。在此测试中，我只打印出了几个位置的值，我知道这些位置位于不同的组件中。

cout << "Show label values:" << endl;
// Middle of square at top-left
int component1Pixel = labels.at<int>(150,150);
cout << "pixel at(150,150) = " << component1Pixel << endl;
// Middle of rectangle at far right
int component2Pixel = labels.at<int>(300,550);
cout << "pixel at(300,550) = " << component2Pixel << endl << endl;

Show label values:
pixel at(150,150) = 1  
pixel at(300,550) = 2

stats是包含每个组件(包括背景)的left, top, width, height, and area的5 x nLabels垫。对于此图像：

stats:
(left,top,width,height,area)
[0, 0, 800, 600, 421697;
 100, 100, 101, 101, 10201;
 500, 150, 101, 301, 30401;
 350, 246, 10, 10, 36;
 225, 325, 151, 151, 17665]

您将注意到组件0是图像的全宽/全高。将所有区域相加，得到480,000 = 800x600。前4个元素可用于创建边界矩形：

Rect(Point(left,top), Size(width,height))

centroids是包含每个零部件质心的x, y坐标的2 x nLabels材质：

centroids:
(x, y)
[398.8575636060963, 298.8746232484461;
 150, 150;
 550, 300;
 354.5, 250.5;
 300, 400]

最后，在某些情况下，您可能需要单独对其中一个组件进行进一步处理。在这里，我使用compare生成一个新的mat only2，它只包含labels中标记为2的像素。

compare(labels, 2, only2, CMP_EQ);

compare有助于在新图像中将这些像素设置为255的值，以便您可以看到结果：

以下是完整的代码：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, const char * argv[]) {

    // Create an image
    const int color_white = 255;
    Mat src = Mat::zeros(600, 800, CV_8UC1);

    rectangle(src, Point(100, 100), Point(200, 200), color_white, CV_FILLED);
    rectangle(src, Point(500, 150), Point(600, 450), color_white, CV_FILLED);
    rectangle(src, Point(350,250), Point(359,251), color_white, CV_FILLED);
    rectangle(src, Point(354,246), Point(355,255), color_white, CV_FILLED);
    circle(src, Point(300, 400), 75, color_white, CV_FILLED);

    imshow("Original", src);

    // Get connected components and stats
    const int connectivity_8 = 8;
    Mat labels, stats, centroids;

    int nLabels = connectedComponentsWithStats(src, labels, stats, centroids, connectivity_8, CV_32S);

    cout << "Number of connected components = " << nLabels << endl << endl;

    cout << "Show label values:" << endl;
    int component1Pixel = labels.at<int>(150,150);
    cout << "pixel at(150,150) = " << component1Pixel << endl;
    int component2Pixel = labels.at<int>(300,550);
    cout << "pixel at(300,550) = " << component2Pixel << endl << endl;

    // Statistics
    cout << "Show statistics and centroids:" << endl;
    cout << "stats:" << endl << "(left,top,width,height,area)" << endl << stats << endl << endl;
    cout << "centroids:" << endl << "(x, y)" << endl << centroids << endl << endl;

    // Print individual stats for component 1 (component 0 is background)
    cout << "Component 1 stats:" << endl;
    cout << "CC_STAT_LEFT   = " << stats.at<int>(1,CC_STAT_LEFT) << endl;
    cout << "CC_STAT_TOP    = " << stats.at<int>(1,CC_STAT_TOP) << endl;
    cout << "CC_STAT_WIDTH  = " << stats.at<int>(1,CC_STAT_WIDTH) << endl;
    cout << "CC_STAT_HEIGHT = " << stats.at<int>(1,CC_STAT_HEIGHT) << endl;
    cout << "CC_STAT_AREA   = " << stats.at<int>(1,CC_STAT_AREA) << endl;

    // Create image with only component 2
    Mat only2;
    compare(labels, 2, only2, CMP_EQ);

    imshow("Component 2", only2);

    waitKey(0);

}

我使用了下面的代码，这可能是耗时取决于您的图像大小。

Mat labels;
Mat stats;
Mat centroids;
int nLabels = cv::connectedComponentsWithStats(bin_img, labels, stats, centroids,4);// bin_img is a binary image

vector<int> test;
int vector_size=0;
int temp_label_num=0;

for(int i=0; i<stats.rows; i++)
{

  int area = stats.at<int>(Point(4, i));//CC_STAT_AREA
   
  double cent_x = centroids.at<double>(i, 0);
  double cent_y = centroids.at<double>(i, 1);

  temp_label_num = labels.at<int>(cent_x,cent_y); //single value matrix

   if (area > 80) //your desired minimum area
  {
    if(temp_label_num>0){
    test.push_back(temp_label_num);
    vector_size++;
  }
    continue;      
  }
}

for(int i=0;i <labels.rows ; i++ )
  for(int j=0;j <labels.cols ; j++ )
    for(int k=0;k < vector_size; k++ )
      if(labels.at<int>(i,j)==test[k]){
        temp.at<char>(i,j)=255;
      }