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;
}