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)'''