图像分割演进之路

小明很幸运，刚毕业就收到了一家大型医疗公司实习生的offer，今天是他入职第一天，刚到公司经理就问了他一个问题：什么是图像分割？小明不假思索地回答：对图像上的每一个像素进行分类！经理很满意，决定让他来接手图像分割模块。
小明很快就接到了第一个任务：将下面的苹果分割出来。

小明很快想到了基于阈值的分割，其关键是得到合理的阈值，可以通过先验知识获取阈值，但现实中大多通过计算得到，例如，直方图。
这里顺便讲一下直方图，直方图是一种很流行的统计方法，本次应用的是颜色直方图，顾名思义是用来统计灰度的分布，横坐标是灰度值，纵坐标是该灰度的分布，但该统计并不包括位置信息。
根据灰度直方图，小明很轻松地就得到了苹果区域的灰度值201，灰度图中0代表黑色，255代表白色。
得到了苹果区域的灰度值，就可以基于阈值进行分割，阈值可以设置为背景和苹果中间任意一点，例如，阈值设置为100，Opencv中阈值分割函数：
threshold( src_gray, dst, threshold_value, max_binary_value, threshold_type );

threshold_value就是我们计算的阈值100，threshold_type是个很有意思的参数，可以控制分割结果，例如，如果无法计算出阈值，可以设定THRESH_OSTU,算法自动计算一个阈值。