基于目标顔色的彩色圖像分割常包括色彩門檻值處理（Color Threshold）和色彩分割（Color Segmentation）兩種方法。
色彩門檻值處理可以對圖像在色彩空間中的3個分量分别進行門檻值處理，并傳回一個8位的二值圖像。色彩分割則通過對比圖像中各像素的色彩特征與其周圍像素的色彩特征，或對比其與經訓練得到的色彩分類器資訊，将圖像按色彩分割成不同的标記區域。
色彩門檻值處理常用于從圖像中分割僅有一種顔色的目标，色彩分割則常用于從雜亂的背景中标記出具有多種顔色的目标，并對其進行機器視覺檢測或計數。
色彩分割過程主要包括色彩分類器訓練、色彩區域分割和分割區域後處理3個階段。
1、基于色彩樣本進行色彩分類器訓練；
2、确定檢測視窗大小（行列大小一般為奇數），在待測圖像上按設定的步長移動該視窗，計算檢測視窗所覆寫區域的色彩特征，并将該值作為視窗中心像素（Pivot Pixel）的色彩特征值；
3、計算檢測視窗所覆寫區域和與其相鄰的幾個視窗所覆寫區域的色彩特征距離，并選取特征距離最短的視窗進行以下處理：
若最短特征距離小于預先設定的最大距離（Maximum Distance）門檻值參數，就将該視窗中心像素的類别标簽指派給檢測視窗的中心像素。
否則，基于色彩分類器對檢測視窗區域進行分類。若分類的識别可信度分值(ldentificationScore)大于預先設定的最小識别可信度分值（Minimum ldentification Score）門檻值參數，就使用分類得到的類别标簽對檢測視窗中心像素進行标記，否則不對中心像素進行标記。
4、按照預先設定的尺寸參數，濾除不符合尺寸要求的區域，即可得到對各顔色區域的标記圖像（可以為8位、16位無符号類型或16位整型）。
整個過程按照下述流程執行：
上述過程中使用的最大距離門檻值參數Dmax由訓練得到的色彩分類器資訊确定。它是指可以被接受的相同類标簽視窗中心像素色彩特征間距的最大值，可通過下式計算：
最大距離門檻值參數越大，意味着允許使用相鄰視窗的顔色類别标簽的像素越多。這可避免頻繁使用色彩分類器，并提高色彩分割的速度。但是，提高該參數值卻會犧牲色彩分割的準确性。
在實際應用中，常使用該參數的保守（Conservative）或激進（Aggressive）值。保守值将兩個距離最接近的訓練類别的間距定義為各類中樣本間距的最小值，激進值則将兩個距離最近的訓練類别的間距定義為各類中樣本間距的中間值。
此外，也可以通過為檢測視窗的移動設定步長或降低色彩特征的分辨率來提高色彩分割過程的整體速度。相對于逐像素在圖像中移動檢測視窗，以一定步長在圖像中移動檢測視窗的計算量會極大地減少。采用較低分辨率的色彩特征，也會減少計算量，提高色彩分割過程的實時性。
NI Vision提供了封裝色彩分割過程的函數IMAQ Color Segmentation Supervised和IMAQ Get Color Segmentation Distance，它們位于LabVIEW的視覺與運動→lmage Processing→Color Processing函數選闆中，如如圖所示：
其中IMAQ Color Segmentation Supervised用于實作色彩分割過程，IMAQ Get ColorSegmentation Distance則用于基于色彩分類器計算色彩分割過程要用到的最大距離門檻值參數Dmax。
函數的說明和使用可參見幫助文檔：
通過一個色彩分割的執行個體：根據餅幹不同部分顔色的差別，分割出巧克力、烘焙程度較好和欠烘焙的區域，了解其使用方法，程式設計思路如下所示：
程式一開始先從色彩分類器檔案Cookie.clf中讀取訓練得到的顔色類别等資訊，并傳回顔色分類器會話；
随後調用IMAQ Get Color Segmentation Distance基于分類器會話計算可以被接受的相同類标簽視窗中心像素色彩特征間距的最大值Dmax，并由IMAQ Color Segmentation Supervised完成色彩分割；
分割過程采用大小為15×15的檢測視窗、10個像素大小的步長，并規定區域不能小于10個像素（最大為整個圖像）；
為了增強色彩分割過程輸出的标記圖像顯示效果，程式還為不同顔色類别指定了标記灰階值。
程式實作如下所示：
分割過程結束後，For循環統計所有符合要求的區域的灰階标記值，然後調用IMAQLabelToROI将這些标記區域轉換為ROI，并由IMAQ Group ROls将得到的ROl組合後交由IMAQ Overlay ROI以圖層的方式顯示在原圖像中。
觀察下圖顯示的程式運作結果，可以發現，餅幹中的巧克力、烘焙程度較好和欠烘焙的區域已經被用不同的灰階值在輸出的圖像中進行了标記。不難想到，對标記圖像進行門檻值化處理和顆粒分析，即可得到各種類型區域占整個餅幹的比例。而基于此比例值，就能判斷生産線上餅幹的品質是否合格。
上述執行個體中所使用的色彩分類器檔案Cookie.clf可事先由NI色彩分類訓練器對餅幹中不同部分的色彩進行訓練得到，可參見博文：LabVIEW色彩分類識别。