很多时候，我们需要对静态图像进行分割，将前景与背景分离。OpenCV原生提供了一些图像分割的方法。
我们主要以下图为例，测试图像分割的效果。我们期待将图中的苹果抽离出来。图中含有高光、阴影，这是分割的难点。
一、漫水填充
此算法以一个种子点为中心，将颜色相近的像素修改为目标颜色。Photoshop中使用的魔术棒工具就是使用此算法。主要参数是种子点的位置和颜色变化上下限。此算法只适用于背景特别单调，前景边缘清晰的场合。即便如此，受环境影响，参数也很难调。一般需要人工辅助。
测试结果：
二、分水岭算法
此算法需要用户标记出不同区域，算法将周边相似的像素合并到区域中。对于测试图，我们把前景（苹果）标记为一个区域，将背景标记为另一个区域，标记图如下：
算法运行的结果如下：
三、Grabcuts算法
此算法需要用户画出一个矩形，矩形内为前景，外为背景，算法求出具体前景范围。算法因为需要迭代，运行速度较慢。
下图显示出标记的矩形区域，以及计算出的前景（苹果）具体范围。
四、Mean-Shift算法
此算法并不是真正的图像分割，只是去除图像中的精细纹理，减少颜色梯度。可以作为一种预处理算法，后续使用其他算法进行分割。
算法运行的结果如下，接近于一种模糊：
五、K-Means算法
此算法将图像分为K个类簇，需预先确定有多少个类簇。类簇的数量对分割的效果有重大影响。
设置2个类簇的结果：
设置3个类簇的结果：
六、U2-Net
以上，便是OpenCV原生的图像分割方法。可以看到，如果没有人工干预，效果交不理想，即使有人工干预，效果也不太理想（阴影没有办法处理）。
U2-Net是一个优秀的图像分割模型，能够提出中图片中的主要目标。
模型有多个版本，u2net、u2netp、u2net_human_seg等，可根据实际情况挑选模型。
模型的运行速度和精度都很不错。
以下是算法处理结果：
可以看到，苹果的范围被很好的标记出来，甚至阴影也处理好了。