代码实现使用阈值分割方法进行分割。常使用的阈值有固定阈值、自适应阈值、全局阈值。 固定阈值容易受到光线影响，不太适用。在该图片中高斯方法的自适应阈值最理想。均值方法的阈值次之。

以下是使用高斯方法的自适应阈值进行分割的 Python 代码实现：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 自适应阈值分割
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow('result', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这段代码中，我们首先读取图像，并将其转换为灰度图像。接着，我们使用 adaptiveThreshold 函数进行自适应阈值分割，其中第三个参数指定使用高斯加权平均值作为阈值计算方法，第四个参数指定二值化类型为 THRESH_BINARY，第五个和第六个参数分别指定 block size 和 C 值。最后，我们将分割结果显示出来。

需要注意的是，阈值分割方法需要根据实际情况进行选择，不同方法的效果可能会有所不同。在这个问题中，由于图像受到光照影响，固定阈值不太适用，而高斯方法的自适应阈值最理想，可以得到较好的分割效果。