OpenCV 图像分割：全套方法、原理、适用场景、作用详解一、图像分割核心作用核心定义图像分割 = 把一张完整图像，按语义 / 灰度 / 边缘 / 颜色划分成多个互不重叠的区域，每个区域内像素具备相同特征（灰度、颜色、纹理、梯度），区域间特征差异明显。实际工程作用目标提取：把前景物体（证件文字、零件、车道、人脸）从背景分离，去掉无关干扰像素；简化后续识别：分割后只对目标区域做 OCR、特征匹配、轮廓检测、测量，减少无效计算；缺陷检测：工业零件、布料、PCB 板，分割出瑕疵区域做尺寸 / 数量判定；二值预处理：分割得到黑白掩码 mask，配合bitwise_and抠图、局部滤波；视觉测量：分割轮廓后计算物体面积、周长、长宽、圆心坐标；语义分层：人像抠图、证件抠图、医学影像（分割病灶 / 器官）。二、OpenCV 主流图像分割方法（按简单→复杂排序）1. 阈值分割（最基础、灰度单通道分割）原理基于像素灰度值，设置阈值 T，把像素分成两类：前景、背景。核心 APIthreshold()、adaptiveThreshold()自适应阈值细分类型全局固定阈值 thresholdTHRESH_BINARY：大于 T=255，小于 T=0THRESH_BINARY_INV：反向，常用于文字分割（白纸黑字反转）THRESH_
