显示图像的直方图，根据图像的直方图中图像的灰度分布，选择最佳阈值，实现图像的二值化； 2. 设计一种自动全局阈值生成算法，并编制程序实现，比较两种阈值结果效果； 3. 实现腐蚀、膨胀、开运算、闭运算对二值图像的操作的结果，可直接调用Matlab库函数实现形态学操作。

1. 显示图像的直方图，选择最佳阈值实现图像的二值化

首先，我们需要读取待处理的图像，并显示其直方图：

img = imread('example.jpg');
figure, imshow(img), title('Original Image');

% display histogram of image
figure, imhist(img), title('Histogram of Image');

接下来，我们可以使用 `imbinarize` 函数将图像二值化，该函数将根据一个确定的阈值对图像进行二值化：

% binary thresholding using imbinarize
threshold = 0.5; % set threshold
binaryImg = imbinarize(img, threshold);
figure, imshow(binaryImg), title('Binary Image');

但是，如何选择最佳阈值呢？我们可以使用 Otsu 算法来寻找最佳阈值：

% binary thresholding using Otsu's method
threshold = graythresh(img);
binaryImg = imbinarize(img, threshold);
figure, imshow(binaryImg), title('Binary Image (Otsu)');

这样，我们就可以得到经过二值化后的图像。

2. 设计自动全局阈值生成算法

我们可以通过计算图像的均值或中值来自动计算一个全局阈值，从而实现自动二值化。

% automatic thresholding using mean
threshold = mean(img(:)) / 255;
binaryImg = imbinarize(img, threshold);
figure, imshow(binaryImg), title('Binary Image (Mean)');

% automatic thresholding using median
threshold = median(img(:)) / 255;
binaryImg = imbinarize(img, threshold);
figure, imshow(binaryImg), title('Binary Image (Median)');

3. 实现形态学操作

我们可以使用 Matlab 自带的形态学操作函数对二值图像进行腐蚀、膨胀、开运算、闭运算等操作。

% binary erosion
se = strel('square', 3); % structuring element
erodedImg = imerode(binaryImg, se);
figure, imshow(erodedImg), title('Eroded Image');

% binary dilation
dilatedImg = imdilate(binaryImg, se);
figure, imshow(dilatedImg), title('Dilated Image');

% binary opening
openedImg = imopen(binaryImg, se);
figure, imshow(openedImg), title('Opened Image');

% binary closing
closedImg = imclose(binaryImg, se);
figure, imshow(closedImg), title('Closed Image');

这样，我们就可以对二值图像进行形态学操作了。