在图像分割问题中，图像的灰度值做为一个重要的特征，有助于提取感兴趣的区域。

提出一个问题：
给定一张自然图像，如何在复杂的背景中提取文字，并将文字与图分离？

提取颜色分量有多种方法，本文提供两种思路：
（1） 遍历整个图像，通过阈值法提取某个颜色分量
（2） 调用OPENCV中提供的split()函数，实现颜色通道分离

方法比较：
彩色图像中一共有pow(2.0,8) * pow(2.0,8)种颜色，用split()函数会提取全局范围内德颜色分量，而阈值法可以自定义阈值，从而实现小范围内的颜色分量提取。

对于本文给出的图像，用阈值法提取文字的效果更好。效果图如下：

本文基于以上方法，分别实现阈值处理和split()函数。具体实现代码如下，且在vs2010测试通过。

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"

#include <iostream>
using namespace std;
using namespace cv;

//该方法可能产生误检点，需要使用形态学后处理
void GetRedComponet(Mat srcImg)
{
    //如果直接对srcImg处理会改变main()函数中的实参
    Mat dstImg = srcImg.clone();
    Mat_<Vec3b>::iterator it = dstImg.begin<Vec3b>();
    Mat_<Vec3b>::iterator itend = dstImg.end<Vec3b>();
    for(; it != itend; it++)
    {
        if((*it)[2] > 190)//对红色分量做阈值处理
        {
            (*it)[0] = 0;
            (*it)[1] = 0;
            //(*it)[2] = 255;//红色分量保持不变
        }

        else
        {
            (*it)[0] = 0;
            (*it)[1] = 0;
            (*it)[2] = 0;
        }
    }
    imshow("红色分量图 by 阈值法",dstImg);
    waitKey(0);

}

//将整幅图中的红色分量都提取出来
void GetRedComponetBySplit(Mat srcImg)
{
    Mat imgROI;
    vector<Mat>channels;
    split(srcImg,channels);
    Mat blueComponet = channels.at(0);
    Mat greenComponet = channels.at(1) ;
    blueComponet = Mat::zeros(srcImg.size(),CV_8UC1);//Mat相当于指针，会对chnnels.at(0)重新赋值
    greenComponet = Mat::zeros(srcImg.size(),CV_8UC1);
    merge(channels,imgROI);//仅仅保留红色分量，其他分量赋值为0
    imshow("红色分量图 by split()函数",imgROI);
    waitKey(0);
}

int main(int argc,char* argv[])
{
    Mat srcImg;
    srcImg = imread("D:/openCV/data/naturalImage/data/opencv.jpg",1);
    GetRedComponet(srcImg);
    GetRedComponetBySplit(srcImg);
    return 0;
}