这个label方法可以用来判别图像中连通区域的数量及标记，举例：
mask_np >>array([[1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0.], [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0.], [0., 0., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 1.], [0., 1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1.], [0., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 0., 0., 0., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 0., 0.], [1., 1., 1., 1., 1., 0., 0., 0., 0., 0., 1., 0., 0., 0.], [1., 1., 1., 1., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0.], [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], [0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 0., 0., 1.], [0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 0., 0., 1.]], dtype=float32)
假设mask_np是14*14的二值图像，那么可以观察到上图的联通区域一共有6处
component_labels = measure.label(mask_np) component_labels >>array([[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0], [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0], [0, 0, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 3], [0, 2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3], [0, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3], [2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3], [2, 2, 2, 2, 2, 2, 0, 0, 0, 3, 3, 3, 3, 3], [2, 2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 0, 0], [2, 2, 2, 2, 2, 0, 0, 0, 0, 0, 4, 0, 0, 0], [2, 2, 2, 2, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 5, 0, 0, 6], [0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 5, 0, 0, 6]])