连通分量标记

4-邻域

8-邻域

中间像素和它周围像素的位置决定了是几邻域连接，4邻域连接是周围像素处在中间像素的上下左右的位置，8邻域连接则还包括其对角的4个像素的位置。

以一个8领域的例子来说明两次扫描算法。 该算法的数据结构为并查集。 1，第一次扫描： 将0视为背景像素，1为目标像素。原始图像如下。

从左往右从上到下扫描，背景像素保持0不变，遇到1值时，分析它的8邻域（只考虑已被扫描的的像素点，即左边、左上、上和右上这四个方向的像素值）

1. 如果这四个方向的值都是0，那么该位置就创建一个新的标号（在原标号上加1）；
2. 如果这四个方向的非0值（即标号）都一样，那么该位置标号就是其领域的非0标号；
3. 如果这四个方向的非0值有两个不同的标号，那么该位置标号就选其中之一，并记录这两个不同的标号（因为这两个标号是连通的，故视为等同的标号）；

第一次扫描结束后得到如下标好号的图：

并且同时得到哪些标号相同的。

2，第二次扫描： 合并这些相同的标号，得到结果

最后可以将这两个区域以不同颜色显示出来

其伪代码如下：

 algorithm TwoPass(data)
   linked = []
   labels = structure with dimensions of data, initialized with the value of Background

   First pass

   for row in data:
       for column in row:
           if data[row][column] is not Background

               neighbors = connected elements with the current element's value

               if neighbors is empty
                   linked[NextLabel] = set containing NextLabel
                   labels[row][column] = NextLabel
                   NextLabel += 1

               else

                   Find the smallest label

                   L = neighbors labels
                   labels[row][column] = min(L)
                   for label in L
                       linked[label] = union(linked[label], L)

   Second pass

   for row in data
       for column in row
           if data[row][column] is not Background
               labels[row][column] = find(labels[row][column])

   return labels