matlab ostu阈值分割程序

根据提供的引用内容，以下是一个基于二维最大类间法Otsu实现图像阈值分割的Matlab代码示例[^1]：

clear all; % 清除所有变量
close all; % 关闭所有figure
clc;

[filename,pathname]=uigetfile({'*.jpg;*.bmp;*.tif;*.png;*.gif','All Image Files';'*.*','All Files'});
tic;
t1 = clock;

% 读取图像
I = imread([pathname,filename]);
% I = imread('F:\matlab2016\bin\pic\lena.jpg');
figure();
subplot(2,3,1);
imshow(I),title('原图');

% 将图像转换为灰度图像
I_gray = rgb2gray(I);
subplot(2,3,2);
imshow(I_gray),title('灰度图');

% 计算图像的直方图
[counts,~] = imhist(I_gray);

% 计算类间方差
total_pixels = numel(I_gray);
class_variance = zeros(256,1);
for k = 1:256
    % 计算类间方差
    w0 = sum(counts(1:k))/total_pixels;
    w1 = sum(counts(k+1:end))/total_pixels;
    u0 = sum((0:k-1)'.*counts(1:k))/sum(counts(1:k));
    u1 = sum((k:255)'.*counts(k+1:end))/sum(counts(k+1:end));
    class_variance(k) = w0*w1*(u0-u1)^2;
end

% 找到最大类间方差对应的阈值
threshold = find(class_variance == max(class_variance)) - 1;

% 根据阈值进行图像分割
I_binary = imbinarize(I_gray, threshold/255);
subplot(2,3,3);
imshow(I_binary),title('二值化图');

% 显示分割结果
I_segmented = I;
I_segmented(repmat(~I_binary, [1, 1, 3])) = 0;
subplot(2,3,4);
imshow(I_segmented),title('分割结果');

% 输出阈值
disp(['阈值为：', num2str(threshold)]);

toc;
t2 = clock;
disp(['运行时间为：', num2str(etime(t2,t1)), '秒']);

请注意，这只是一个示例代码，具体的实现可能会根据实际需求进行调整。此代码将图像转换为灰度图像，计算图像的直方图，然后根据最大类间方差找到阈值，并将图像根据阈值进行二值化分割。最后，显示原图、灰度图、二值化图和分割结果，并输出阈值和运行时间。