图像分割的方法很多，我们首先看看阈值分割法。使用阈值分割法的重点是，选取一个合适的阈值！

本示例从观察灰度图像的直方图，获得阈值。

在示例21里面，我们计算和绘制了飞机降落那张灰度图的直方图。从这个直方图可以直观的看到，存在一个大的峰值，同时拥有大量深色的像素。这两组像素基本对应的是图像的背景和前景。

通过在两组像素之间的过渡处进行阈值化，创建二值图像。在这儿，我们选择的阈值是峰值上升前的过渡值（灰度值120）。

一、c++示例代码

//包含头文件 #include <opencv2/opencv.hpp> //命名空间 using namespace cv; using namespace std; //全局函数声明部分  //主函数 int main() { 	//【1】载入图像 	Mat image = imread("G:\\opencvtest\\testImage\\airplane.jpg"); 	//【2】检查是否载入成功 	if (image.empty()) 	{ 		printf("读取图片错误，请确认目录下是否有imread函数指定图片存在！ \n "); 		return 0; 	} 	//【3】图像灰度化 	Mat grayImage; 	cvtColor(image, grayImage, COLOR_BGR2GRAY); 	//【4】图像分割：阈值分割法 	Mat binImage; 	threshold(grayImage, binImage, 120, 255, THRESH_BINARY); 	//【5】形态学滤波 	Mat erodedImage, dilatedImage; 	Mat element = getStructuringElement(MORPH_ELLIPSE, Size(5, 5)); 	morphologyEx(binImage, erodedImage, MORPH_ERODE, element, Point(-1, -1), 3); 	morphologyEx(erodedImage, dilatedImage, MORPH_DILATE, element, Point(-1, -1), 3); 	//【6】区域特征：查找轮廓 	vector<vector<Point>> contours; 	findContours(dilatedImage, contours, RETR_LIST, CHAIN_APPROX_NONE); 	//【7】区域特征：在白色图像上绘制黑色轮廓 	Mat dstImage(grayImage.size(), CV_8U, Scalar(255)); 	drawContours(dstImage, contours, -1, Scalar(0), 2); 	//【8】限定轮廓的周长，提取有效轮廓 	int cmin = 100; 	int cmax = 1000; 	vector<vector<Point>>::const_iterator itc = contours.begin(); 	while (itc != contours.end()) 	{ 		if (itc->size() < cmin || itc->size() > cmax) 			itc = contours.erase(itc); 		else 			++itc; 	} 	Mat result(grayImage.size(), CV_8UC3, Scalar(0, 0, 0)); 	drawContours(result, contours, -1, Scalar(0, 0, 255), 2); 	/*Mat mask; 	threshold(result, mask, 120, 255, THRESH_BINARY_INV); 	result.copyTo(grayImage, mask);*/ 	result.copyTo(image, result); 	//【9】显示图像 	imshow("23-彩色原图", image); 	imshow("23-阈值分割", binImage); 	imshow("23-3次腐蚀运算", erodedImage); 	imshow("23-3次膨胀运算", dilatedImage); 	imshow("23-区域轮廓图", dstImage); 	imshow("23-飞机轮廓", result); 	imshow("23-灰度图", grayImage); 	//【10】保持窗口显示 	waitKey(0); 	return 0; }