matlab对一幅原图像和经过预处理的图像分别尝试用多个（至少3个）阈值分割一幅图像（即一幅图像分成多个区域，每个区域可人为给定一个强度值）。

MATLAB是一种强大的数值计算和图形处理环境，它非常适合图像处理任务。对于阈值分割，可以使用`imbinarize`函数或`bwlabel`函数结合不同的阈值策略。以下是基本步骤：

1. **读取图像**：使用`imread`函数加载原始图像。

img = imread('your_image_file.jpg');

2. **预处理**：根据需要进行灰度化、平滑、噪声去除等操作，例如使用`im2gray`和`medfilt2`。

gray_img = im2gray(img);
processed_img = medfilt2(gray_img);

3. **设定阈值**：可以选择全局阈值（如`im2bw`）、自适应阈值（如`imadapt`），也可以手动设置多个阈值数组。

global_thresholds = [0.5, 0.6, 0.7];
adaptive_thresholds = graythresh(processed_img); % 使用Otsu算法获取自适应阈值

4. **阈值分割**：对预处理后的图像应用多个阈值，生成二值图像。

binary_images = zeros(size(gray_img));
for i = 1:length(global_thresholds)
    binary_images(:,:,i) = imbinarize(processed_img, global_thresholds(i));
end

for i = 1:length(adaptive_thresholds)
    adaptive_binary = imbinarize(processed_img, adaptive_thresholds(i));
    % 结合到二值图像矩阵
    binary_images(:,:,i+length(global_thresholds)) = adaptive_binary;
end

5. **区域分析**：使用`bwlabel`函数标记并计数各个区域。

labels = bwlabel(binary_images);
stats = regionprops(labels, 'Area', 'Intensity'); % 获取各区域面积和平均强度

6. **结果显示**：可视化结果，并根据需要选择合适的区域强度值。

figure;
imagesc(processed_img), colormap(gray);
hold on; % 绘制分割后的边界
for i = 1:size(binary_images, 3)
    contour(binary_images(:,:,i), i);
end

% 可视化统计结果
histogram(stats.Intensity, 'BinMethod', 'integers');