函数的工作方式如下：

# Import the cv2 library
import cv2
# Read the image you want connected components of
src = cv2.imread('/directorypath/image.bmp')
# Threshold it so it becomes binary
ret, thresh = cv2.threshold(src,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# You need to choose 4 or 8 for connectivity type
connectivity = 4  
# Perform the operation
output = cv2.connectedComponentsWithStats(thresh, connectivity, cv2.CV_32S)
# Get the results
# The first cell is the number of labels
num_labels = output[0]
# The second cell is the label matrix
labels = output[1]
# The third cell is the stat matrix
stats = output[2]
# The fourth cell is the centroid matrix
centroids = output[3]

标签是一个输入图像大小的矩阵，其中每个元素的值等于其标签。
Stats是函数计算的统计信息矩阵。它的长度等于标签的数量，宽度等于统计信息的数量。它可以与OpenCV文档一起使用：

每个标签（包括背景标签）的统计信息输出，有关可用的统计信息，请参阅下面的内容。通过**stats[label，COLUMN]**访问统计信息，其中可用的列定义如下。

*cv2.CC_STAT_LEFT最左边（x）的坐标，它是边界框在水平方向上的起始点。
*cv2.CC_STAT_TOP最顶端（y）坐标，它是边界框在垂直方向上的起始点。
*cv2.CC_STAT_WIDTH边界框的水平大小
*cv2.CC_STAT_HEIGHT边界框的垂直大小
*cv2.CC_STAT_AREA连接组件的总面积（以像素为单位）
质心是包含每个质心的x和y位置的矩阵。此矩阵中的行对应于标签编号。

我来这里几次记住它是如何工作的，每次我都要把上面的代码简化为：

_, thresh = cv2.threshold(src,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
connectivity = 4  # You need to choose 4 or 8 for connectivity type
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh , connectivity , cv2.CV_32S)

希望它对每个人都有用：）

添加到Zack Knopp答案，如果您使用的是灰度图像，您可以简单地用途：

import cv2
import numpy as np

src = cv2.imread("path\\to\\image.png", 0)
binary_map = (src > 0).astype(np.uint8)
connectivity = 4 # or whatever you prefer

output = cv2.connectedComponentsWithStats(binary_map, connectivity, cv2.CV_32S)

当我尝试在灰度图像上使用Zack Knopp答案时，它不起作用，这就是我的解决方案。

输入图像需要是单通道的。所以首先转换为灰度，否则会导致opencv 4.x中的错误，您需要转换为灰度，然后Zack的答案。

src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)