1、用策略模式比较颜色
策略设计模式是一种面向对象的设计模式。这种模式尽可能地将算法的复杂性隐藏在一个直观的编程借口后面，更有利于算法的部署。
注意：在现代体系中，浮点数的欧几里得距离的计算速度比（RGB差值的绝对值）进行累加。
2、计算向量的欧几里得范数的函数
return static_cast<int>(cv::Vec3i(color[0]-target[0],color[1]-target[1],color[2]-target[2])));
3、cv::saturate_cast函数。计算像素时会自动调用这个函数，保证像素值在0-255。
4、threshold(output,output,maxDist,255,cv::THRESH_BINARY_INV)
这个函数通常用于将所有像素与某个阈值（第三个参数）进行比较，并在常规阈值化模式(THRESH_BINARY)下，将所有大于指定阈值的像素赋值为预定的最大值，。将其他像素赋值为0。这里用了THRESH_BINARY_INV。
一般来说，直接使用OPENCV函数，可以快速建立复杂程序，减少潜在错误，而且程序的运行效率通常也较高。不过这样做会执行很多中间步骤，消耗更多内存。
5、floodFill函数——找出与指定颜色接近的像素
floodFill函数的做法在判断一个像素时，还要检查附近像素的状态，这是为了识别某种颜色的相关区域。用户只需要指定一个起始位置和允许的误差，就可以找出颜色相近的连续区域。
cv::floodFill(image,//输入、输出图像
Point(100,50),起始点（与这个点比较，找这个点像素的近似）
Scalar(255,255,255),填充颜色
Rect* 0,填充区域的边界矩形（绘制的颜色，这里是白色）
Scalar(35,35,35),偏差的最小、最大阈值
Scalar(35,35,35),正差阈值，两个阈值通常相等
FLOODFILL_FIXED_RANGE);与起始点像素比较
颜色接近的像素会被重新绘制成第三个参数指定的新颜色。
定义比参考色更高或更低的值作为阈值。
6、GrabCut算法分割图像
从静态图像中提取前景物体，使用GrabCut算法。
Mat result;
Mat bgModel,fgModel;
grabCut(image,//输入图像
result,分割结果
rectangle,包含前景的矩形
bgModel,fgModel,模型
5,迭代次数
GC_INIT_WITH_RECT);使用矩形
这里，使用GC_INIT_WITH_RECT参数表示使用带边框的矩形模型。输入/输出的分割图像可以是以下四个值：
GC_BGD//明确属于背景的像素
GC_FGD明确属于前景的像素
GC_PR_BGD可能属于背景的像素
GC_PR_BGD可能属于前景的像素
调用这个函数之后，取得结果方式：
compare(result,GC_PR_FGD,result,CMP_EQ);
foreground(image.size(),CV_8UC3,Scalar(255,255,255);
image.copyTo(foreground,result);
实现原理：把所有未标记的像素临时标记为前景，基于当前的分类情况，算法把像素划分为多个颜色相近的组，引入前景和背景像素之间的边缘，确定背景前景的分割。在此过程中，将试图连接具有相似标记的像素，并且避免边缘出现在强度相对均匀的区域。
把问题表示成一幅连同的矩形，然后在图形上分割，以形成最优的解决方案。分割完毕后，像素会有新的标记，然后重复这个分组过程，找到最优的分割方案。