自己编写Otsu方法实现图像自动分割，完成图像前景和背景的分离，作业的目的是自动找到最优阈值，需要与基本全局阈值分割方法做对比讨论，提交代码函数和处理后的结果（直方图、分割结果）matlab实现.

自编Otsu方法是一种常用的图像二值化算法，它通过计算图像灰度级像素的均值和方差，寻找最大化两个类（前景和背景）间类内方差而类间方差最小化的阈值，以此来进行图像的自动分割。这个方法的关键在于，它能够很好地适应不同图像的特性，无需手动设置阈值。

在Matlab中，你可以按照以下步骤来实现：

1. **读取图像并计算直方图**:

   img = imread('your_image.jpg'); % 替换为你要处理的图片路径
   hist = imhist(img(:), 256); % 创建256阶的直方图

2. **初始化变量**:
- `mu`：所有像素的平均灰度值
- `sigma foreground`：前景像素的方差
- `sigma background`：背景像素的方差
- `threshold`：当前考虑的阈值
- `B`和`W`：分别表示黑（前景）和白（背景）像素的累计概率

3. **遍历阈值，计算类内方差**:

   mu = sum(hist .* (0:255)) / sum(hist);
   for threshold = 1:255
       W = cumsum(hist(1:threshold));
       B = 1 - W;
       sigma_W = (W * (mu - hist(threshold + 1:end)).^2)./(W + 1e-8);
       sigma_B = (B * (mu - hist(1:threshold)).^2)./(B + 1e-8);
       inter_class_variance = sigma_W + sigma_B;
   end

4. **找出最优阈值**:

   [~, optimal_idx] = min(inter_class_variance);
   otsu_threshold = optimal_idx + 1; % 将索引转换回实际阈值

5. **应用阈值进行分割**:

   binary_img = img < otsu_threshold;

6. **显示处理结果**:
- 直方图 `subplot(1,2,1), bar(hist)`
- 分割结果显示 `subplot(1,2,2), imshow(binary_img)`

记得在提交作业时，附上你的`otsu_segmentation`函数以及直方图和分割结果的截图或数据文件。同时，可以对比一下使用全局阈值分割（如固定阈值、Otsu之前的方式等）的结果，讨论它们之间的优劣。