圖像閾值化分割是一種傳統的最常用的圖像分割方法，因其實現簡單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。它不僅可以極大的壓縮數據量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。

　　圖像閾值化的目的是要按照灰度級，對像素集合進行一個劃分，得到的每個子集形成一個與現實景物相對應的區域，各個區域內部具有一致的屬性，而相鄰區域不具有這種一致屬性。這樣的劃分可以通過從灰度級出發選取一個或多個閾值來實現。

　　基本原理

　　基本原理是：通過設定不同的特征閾值，把圖像象素點分為若干類。

　　常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。

　　設原始圖像為f（x，y），按照一定的準則f（x，y）中找到特征值T，將圖像分割為兩個部分，分割后的圖像為：

　　若取：b0=0（黑），b1=1（白），即為我們通常所說的圖像二值化。

　　圖像分割的意義：

　　在一幅圖像中，人們常常只對其中的部分目標感興趣，這些目標通常占據一定的區域，并且在某些特性（如灰度、輪廓、顏色和紋理等）上和臨近的圖像有差別。這些特性差別可能非常明顯，也可能很細微，以至肉眼察覺不出來。隨著計算機圖像處理技術的發展，使得人們可以通過計算機來獲取和處理圖像信息。圖像識別的基礎是圖像分割，其作用是把反映物體真實情況的、占據不同區域的、具有不同特性的目標區分開來，并形成數字特征。圖像分割是圖像識別和圖像理解的基本前提步驟，圖像分割質量的好壞直接影響后續圖像處理的效果，甚至決定其成敗，因此，圖像分割的作用是至關重要的。

　　函數原型

　　1、opencv官方介紹：opencv官方grabcut介紹

　　2、網上童鞋翻譯解釋：學習OpenCV——學習grabcut算法

　　3、大致內容如下：

　　函數原型：

　　void grabCut（InputArray img， InputOutputArray mask， Rect rect，

　　InputOutputArray bgdModel， InputOutputArray fgdModel，

　　int iterCount， int mode=GC_EVAL ）

　　img：待分割的源圖像，必須是8位3通道（CV_8UC3）圖像，在處理的過程中不會被修改；

　　mask：掩碼圖像，大小和原圖像一致。可以有如下幾種取值：

　　GC_BGD（=0），背景；

　　GC_FGD（=1），前景；

　　GC_PR_BGD（=2），可能的背景；

　　GC_PR_FGD（=3），可能的前景。

　　rect：用于限定需要進行分割的圖像范圍，只有該矩形窗口內的圖像部分才被處理；

　　bgdModel：背景模型，如果為null，函數內部會自動創建一個bgdModel；

　　fgdModel：前景模型，如果為null，函數內部會自動創建一個fgdModel；

　　iterCount：迭代次數，必須大于0；

　　mode：用于指示grabCut函數進行什么操作。可以有如下幾種選擇：

　　GC_INIT_WITH_RECT（=0），用矩形窗初始化GrabCut；

　　GC_INIT_WITH_MASK（=1），用掩碼圖像初始化GrabCut；

　　GC_EVAL（=2），執行分割。

　　基本原理：

　　首先用戶在圖片上畫一個方框，grabCut默認方框內部為前景，設置掩碼為2，方框外部都是背景，設置掩碼為0。然后根據算法，

　　將方框內部檢查出來是背景的位置，掩碼由2改為0。最后，經過算法處理，方框中掩碼依然為2的，就是檢查出來的前景，其他為背景。

　　實例講解1

　　這些例子都主要是根據opencv自帶的例子：opencvsamplescppgrabcut.cpp 簡化修改而來。

　　源代碼

　　代碼如下：

　　#include “opencv2/highgui/highgui.hpp”

　　#include “opencv2/imgproc/imgproc.hpp”

　　#include 《iostream》

　　using namespace std;

　　using namespace cv;

　　string filename;

　　Mat image;

　　string winName = “show”;

　　Rect rect;

　　Mat mask;

　　const Scalar GREEN = Scalar（0，255，0）;

　　Mat bgdModel， fgdModel;

　　void setRectInMask（）{

　　rect.x = 110;

　　rect.y = 220;

　　rect.width = 100;

　　rect.height = 100;

　　}

　　static void getBinMask（ const Mat& comMask， Mat& binMask ）{

　　binMask.create（ comMask.size（）， CV_8UC1 ）;

　　binMask = comMask & 1;

　　}

　　int main（int argc， char* argv［］）{

　　Mat binMask， res;

　　filename = argv［1］;

　　image = imread（ filename， 1 ）;

　　mask.create（image.size（）， CV_8UC1）;

　　mask.setTo（GC_BGD）;

　　setRectInMask（）;

　　（mask（rect））.setTo（Scalar（GC_PR_FGD））;

　　rectangle（image， Point（rect.x， rect.y）， Point（rect.x + rect.width， rect.y + rect.height ）， GREEN， 2）;

　　imshow（winName， image）;

　　image = imread（ filename， 1 ）;

　　grabCut（image， mask， rect， bgdModel， fgdModel， 1， GC_INIT_WITH_RECT）;

　　getBinMask（mask， binMask）;

　　image.copyTo（res， binMask）;

　　imshow（“result”， res）;

　　waitKey（0）;

　　return 0;

　　}.