局部阈值法分割、分水岭算法、基于边缘的分割方法
局部阈值法
通过灰度直方图看到图像的照明效果
自适应阈值分割函数：
CV_EXPORTS_W void adaptiveThreshold( InputArray src, OutputArray dst,
double maxValue, int adaptiveMethod,
int thresholdType, int blockSize, double C );
maxValue:阈值化后的最大值；
adaptiveMethod:计算阈值所采用的算法，有两个数值，分别为ADAPTIVE_THRESH_MEAN_C和ADAPTIVE_THRESH_GAUSSIAN_C;
blockSize:领域块大小；
分水岭算法分割
灰度图的几何解释
局部最小值点，该点对应一个盆地的最低点，当我们在盆地里滴一滴水的时候，由于重力作用，水最终会汇聚到该点。注意：可能存在一个最小值面，该平面内的都是最小值点。
盆地的其他位置点，该位置滴的水滴会汇聚到局部最小点。
盆地的边缘点，是该盆地和其他盆地交接点，在该点滴一滴水，会等概率的流向任何一个盆地。
假设我们在盆地的最小值点，打一个洞，然后往盆地里面注水，并阻止两个盆地的水汇集，我们会在两个盆地的水汇集的时刻，在交接的边缘线上（即分水岭线），建一个坝，来阻止两个盆地的水汇集成一片水域。这样图像就被分成2个像素集，一个是注水盆地像素集，一个是分水岭线像素集。
分水岭算法的过分割问题
由于噪声点或者其他干扰因素的存在，使用分水岭算法常常存在过分割的现象，这是因为很多很小的局部极值点的存在。
在初始时给marker，改善过分割问题
为了解决过分割的问题，可以使用基于标记（mark）图像的分水岭算法，就是指定mark图像，在这个区域的洪水淹没过程中，水平面都是定义的marker开始的，这样可以避免一些很小的噪声极值区域的分割。
使用marker改善分割结果
分水岭法图像分割函数：
CV_EXPORTS_W void watershed( InputArray image, InputOutputArray markers );
image：三通道彩色图像；
markers：记号点（种子点），每一个记号需要有不同的编号；
基于边缘轮廓的分割
可以在边缘检测的基础上，基于闭合边缘构建分割后的结果
在分割前需要进行边缘检测
OpenCV提供几种基于边缘轮廓的分割方法，包括简单的基于封闭曲线的方法，以及基于活动廓线（active contour的方法）
简单的基于封闭曲线的方法基于Suzeki,S.1985的方法，相对古老，但OpenCV基于此提供了关于图像描述的支持，比较好用
找到目标轮廓
CV_EXPORTS void findContours( InputArray image, OutputArrayOfArrays contours,
int mode, int method, Point offset = Point());
image：单通道图像矩阵，可以是灰度图，但更常用的是经过边缘检测算子处理后的二值图像；
contours：定义为“vector
hierarchy：存在嵌套轮廓时，分别为第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。
mode：定义轮廓的索引模式，包括CV_RETR_EXTERNAL只检测最外围轮廓，CV_RETR_LIST检测所有轮廓，但不建立等级关系等。
method：包括CV_CHAIN_APPROX_SIMPLE仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存如contours等；
offset：所有的轮廓信息相对于原始图像对应点的偏移量，缺省不设置。
搜索轮廓组成轮廓树
轮廓不同组织方式
画出目标轮廓
CV_EXPORTS_W void drawContours( InputOutputArray image, InputArrayOfArrays contours,
int contourIdx, const Scalar& color,
int thickness = 1, int lineType = LINE_8,
InputArray hierarchy = noArray(),
int maxLevel = INT_MAX, Point offset = Point() );