matlab编程实现以下内容：1、尝试不同的阈值选择方法，利用阈值分割技术实现灰度图像lotus1.jpg中花朵区域的提取；2、自行设计图像分割方法（可以在主动轮廓模型、水平集、图切割、区域生长、K均值聚类等方法中任选一种），提取给定图像fruit.jpg中感兴趣的红苹果区域。

以下是Matlab代码实现：

1、利用阈值分割技术实现灰度图像lotus1.jpg中花朵区域的提取

% 读取图像
img = imread('lotus1.jpg');
% 转为灰度图像
gray_img = rgb2gray(img);
% 显示原始图像
subplot(1,2,1);
imshow(img);
title('Original Image');
% 用不同的方法选择阈值
% 方法1：Otsu
threshold_otsu = graythresh(gray_img);
% 方法2：Triangle
threshold_triangle = triangle_thresh(gray_img);
% 方法3：自适应阈值
threshold_adaptive = adaptthresh(gray_img,0.5,'ForegroundPolarity','bright');
% 方法4：手动设置阈值
threshold_manual = 120;
% 分别用不同的阈值进行二值化
binary_otsu = imbinarize(gray_img, threshold_otsu);
binary_triangle = imbinarize(gray_img, threshold_triangle);
binary_adaptive = imbinarize(gray_img, threshold_adaptive);
binary_manual = imbinarize(gray_img, threshold_manual);
% 显示二值化结果
subplot(1,2,2);
imshow(binary_manual);
title('Binary Image with Manual Threshold');

2、自行设计图像分割方法，提取给定图像fruit.jpg中感兴趣的红苹果区域

% 读取图像
img = imread('fruit.jpg');
% 显示原始图像
subplot(1,2,1);
imshow(img);
title('Original Image');
% 转为HSV颜色空间
hsv_img = rgb2hsv(img);
% 提取红色通道
red_channel = hsv_img(:,:,1);
% 对红色通道进行K均值聚类
num_clusters = 2;
[cluster_idx, cluster_center] = kmeans(red_channel(:),num_clusters,'distance','sqEuclidean','Replicates',3);
% 根据聚类结果将图像分割
segmented_img = reshape(cluster_idx, size(red_channel));
% 显示分割结果
subplot(1,2,2);
imshow(segmented_img==1);
title('Segmented Image');