otsu阈值分割算法matlab

Otsu阈值分割算法是一种自适应的阈值分割算法，可以将图像分成两部分，一部分是目标区域，另一部分是背景区域。该算法的核心思想是寻找一个分割阈值，使得目标区域和背景区域的类间方差最大，而类内方差最小。

在Matlab中，可以使用以下代码实现Otsu阈值分割算法：

% 读取图像
img = imread('image.jpg');
% 转为灰度图像
gray_img = rgb2gray(img);
% 计算图像的直方图
histogram = imhist(gray_img);
% 计算像素总数
total_pixels = numel(gray_img);
% 初始化类内方差和类间方差
w0 = 0;
w1 = 0;
u0 = 0;
u1 = 0;
max_variance = 0;
threshold = 0;
% 遍历灰度级别，寻找最佳阈值
for i = 1 : 256
    % 计算类内方差和类间方差
    w0 = w0 + histogram(i);
    w1 = total_pixels - w0;
    u0 = u0 + (i-1) * histogram(i);
    u1 = (sum(histogram) - w0) / w1 * u0 - (i-1) * histogram(i);
    variance = w0 * w1 * (u0/w0 - u1/w1)^2;
    % 更新最大方差和阈值
    if variance > max_variance
        max_variance = variance;
        threshold = i-1;
    end
end
% 使用阈值进行二值化
binary_img = im2bw(gray_img, threshold/255);
% 显示原图和二值化图
figure;
subplot(1,2,1);
imshow(img);
title('Original Image');
subplot(1,2,2);
imshow(binary_img);
title(['Otsu Threshold: ', num2str(threshold)]);

该代码首先读取一张彩色图像，将其转换为灰度图像。然后计算图像的直方图，并遍历所有灰度级别，计算类内方差和类间方差，寻找最佳阈值。最后使用找到的阈值进行二值化，并显示原图和二值化图像。