写一段用OTSU算法将图像二值化的MATLAB程序，要求数组大小兼容，避免对非标量进行求幂的错误

好的，以下是用OTSU算法将图像二值化的MATLAB程序：

% 读入图像
img = imread('example.jpg');

% 将图像转换为灰度图像
gray_img = rgb2gray(img);

% 计算灰度图像的直方图
histogram = imhist(gray_img);

% 计算图像像素总数
total_pixels = numel(gray_img);

% 遍历灰度级别，计算类间方差
max_var = 0;
threshold = 0;
for i = 1:256     
    % 计算背景像素数量
    bg_pixels = sum(histogram(1:i));
    
    % 计算前景像素数量
    fg_pixels = total_pixels - bg_pixels;
    
    % 如果背景像素数量为0，则跳过本次循环
    if bg_pixels == 0
        continue;
    end
    
    % 如果前景像素数量为0，则退出循环
    if fg_pixels == 0
        break;
    end
    
    % 计算背景平均灰度值
    bg_mean = sum((0:i-1) .* histogram(1:i)) / bg_pixels;
    
    % 计算前景平均灰度值
    fg_mean = sum((i:255) .* histogram(i+1:end)) / fg_pixels;
    
    % 计算类间方差
    var_between = bg_pixels * fg_pixels * ((bg_mean - fg_mean) / 255) ^ 2;
    
    % 更新阈值和最大类间方差
    if var_between > max_var
        max_var = var_between;
        threshold = i - 1;
    end
end

% 用OTSU算法得到的阈值对图像进行二值化处理
binary_img = imbinarize(gray_img, threshold/255);

% 显示原图和二值化后的图像
subplot(1, 2, 1), imshow(gray_img), title('原图');
subplot(1, 2, 2), imshow(binary_img), title('二值化后的图像');

这段程序使用OTSU算法计算阈值，并将图像二值化。为了避免对非标量进行求幂的错误，计算类间方差时将背景平均灰度值和前景平均灰度值除以255。