前言

        这2个问题中，其实求出个数的时候就已经能够很简单地求出最大物体的面积了。相关算法的过程其实与二部图算法及其相似。

求物体的个数、面积

        我们假设二值图像如上，1代表前景，0代表背景。那么这个图像一共有两个图形。 我们求取面积的方式如下：

        1、复制一个与原图相同大小的矩阵，用于存每各像素值归属于哪个物体或者背景。我们可以设定背景为0，物体则按照序号编排。得到的矩阵如下：

         2、遍历每一个像素值，如果该像素值是1（前景），且他的归属矩阵为0，则对他进行归属操作，并判断其周围的像素值是否可以被归属到与他同一个物体内。

        例：（以八邻域为例）（1）如下图所示，我们经过遍历后发现了第一个可以进行归属的像素，并将它归属于第一个物体，随后开始判断其周围的像素是否可以被归属。

        （2）我们对该像素周围的点进行判断后，发现有两个点可以被归属到与他同一个物体内，则对这两个点进行同样的操作。

         （3）再对这些点周围的像素值判断后，我们可以发现两个新的点的归属值被赋值成1，然后我们对这几个新的点周围的像素点也进行归属判断。随后我们发现，第一个物体检索到这里已经结束了。

         注：以上的操作看起来很复杂，其实都是在一个递归函数里面处理的，这个递归函数的输入为需要我们检索周围点的点的坐标，功能是将这个点的归属值变成我们的指定值，并对他周围的像素值为1，归属值为0的点进行递归。

         （4）随后我们的主函数会继续向后遍历，由于之前遍历的时候，我们在下图方框的位置进行了一次归属的递归操作，因此我们遍历的下一个目标是下面这个圈圈的位置。那这么做会不会导致重新给这个物体进行归属递归呢？并不会，因为我们进行归属递归的前提是：这个点的归属值是0（背景）且像素值为1。 这就说明，我们对一个物体进行了归属递归后，这个物体中每一个点都不会再被执行归属递归，也就是说，一个物体只会进行一次归属递归。所以我们就可以大胆地添加一个变量，在每一次归属递归后将这个变量+1，来区分不同的物体。

         （5）最终得到的图如下：

        那么，由于我们有一个变量来计算下一个物体的编号（如物体1检索完毕后，这个值变成2，物体2检索完毕后，这个值变成3，这个值会在每次归属递归的时候被作为归属值传递给递归函数），因此，我们在最后结束所有的归属操作后，这个变量-1就是当前图像中的物体个数。我们可以创建与物体个数大小的数组，遍历求取每一个归属值所包含的像素个数，即为每一个物体的面积。如上图，物体1对应面积为5，物体2对应面积为3。

本来要讲一下周长的做法的，发现我周长的代码写错了，在极端情况下无法通过，就不讲了。