OpenCV C++教程目录
1.在Windows Visual Studio中安装OpenCV C++版本
2.图像的基本操作
3.颜色空间转换
4.阈值分割
5.图像变换（缩放、裁剪、仿射变换)
6.图像滤波
7.Canny边缘检测
8.轮廓检测
9.透视变换(perspective transform)
10.光流
什么是阈值分割？
阈值法的基本思想是基于图像的颜色特征来标定一个或多个阈值，并将图像中每个像素的值与阈值相比较，最后将像素根据比较结果分到合适的类别中。因此，该类方法最为关键的一步就是按照某个准则函数来求解最佳阈值。
以下面的图片为例，我们可以看到绿色背景下有四张白底黑字的方格图，今天的目标是用OpenCV阈值分割分别提取出绿色背景和方格图。
sample.jpg
首先根据定义，我们要基于图像特征标定出一个用于分割图像的阈值。我们可以看到示例图片是由绿色背景和四个方格图组成的。其中绿色背景是由大量相似的像素组成的，因此非常适合作为阈值的标定。通过OpenCV的Image watch 插件，我们在图片中选取一个绿色像素，可以看到该像素的值为[16, 150, 60] 分别对应B, G, R三个通道的值。
pixel_green.PNG
注意图中的绿色像素有深有浅，并非完全相同，因此在进行提取的时候，我们可以设定一个阈值，认为在此阈值范围内的像素都是绿色背景。这里我们设置的阈值是50。利用设定好的阈值，使用inRange()函数创建一个符合阈值范围的mask。再用这个mask和原图像进行bitwise_and()操作，就可以得到我们想要的绿色背景。
Vec3b bgrPixel(16, 150, 60); //标定绿色像素值
int threshHold = 50; //阈值设置为50
Mat3b bgr(bgrPixel);
Mat Image, mask, maskImage1, maskImage2;
Image = imread("C:/Users/LeLe/Desktop/opencv/color_segmentation/sample.jpg");
Scalar minBGR = Scalar(bgrPixel.val[0] - threshHold, bgrPixel.val[1] - threshHold, bgrPixel.val[2] - threshHold);
Scalar maxBGR = Scalar(bgrPixel.val[0] + threshHold, bgrPixel.val[1] + threshHold, bgrPixel.val[2] + threshHold);
inRange(Image, minBGR, maxBGR, mask); //基于设定的阈值创建一个mask
bitwise_and(Image, Image, maskImage1, mask); //将mask与原图像进行and操作，得到绿色背景
imshow("Input image", Image);
imshow("Mask image1", maskImage1);
结果如下图所示，我们成功提取出了绿色背景。非背景区域的像素在经过bitwise_and()操作后的值都变成了0，所以显示为黑色。
background.PNG
我们再将上面的mask进行取反操作，这样就得到了一个非绿色背景区域的mask。同样的再和原图像进行bitwise_and()操作，就提取出了方格图。
bitwise_not(mask, mask2); //将mask取反，得到一个非绿色背景的mask
bitwise_and(Image, Image, maskImage2, mask2); //将mask与原图像进行and操作，得到方格图
imshow("Mask image2", maskImage2);
square.PNG
这一节中我们使用到了下面几个OpenCV函数，它们都是阈值分割常用的函数：
inRange()
bitwise_and()
bitwise_not()
