自定义matlab的otsu算法，各变量各步骤代码有解释，方法简单，显示原图灰色图二值化图，二值化图包括自定义阈值和graythresh找的阈值，并将两种阈值输出

好的，以下是简单变量名和注释的自定义Otsu算法MATLAB代码，包括灰色图像、自定义阈值二值化图像、graythresh阈值二值化图像：

% 读取灰度图像
gray_img = imread('gray_image.jpg');

% 将图像转为 double 类型，便于后续计算
img = im2double(gray_img);

% 计算图像中像素点的总数
num_pixels = numel(img);

% 计算直方图
histogram = imhist(img);

% 初始化类间方差和阈值
variance = zeros(256, 1);
threshold = zeros(256, 1);

% 遍历所有灰度级别
for i = 1:256
    % 计算当前阈值下前景和背景像素点的数量
    foreground_pixels = sum(histogram(i:end));
    background_pixels = num_pixels - foreground_pixels;

    % 计算前景和背景的平均灰度值
    foreground_mean = sum((i-1:255) .* histogram(i:end)) / foreground_pixels;
    background_mean = sum((0:i-2) .* histogram(1:i-1)) / background_pixels;

    % 计算类间方差
    variance(i) = foreground_pixels * background_pixels ...
        * (foreground_mean - background_mean)^2;

    % 存储阈值
    threshold(i) = i-1;
end

% 找到最大的类间方差以及对应的阈值
[max_var, index] = max(variance);
otsu_threshold = threshold(index);

% 输出自定义算法的阈值和graythresh函数的阈值
disp(['自定义算法的阈值为: ' num2str(otsu_threshold)]);
disp(['graythresh函数的阈值为: ' num2str(graythresh(img))]);

% 将图像二值化
binary_img = imbinarize(img, otsu_threshold);
graythresh_binary_img = imbinarize(img, graythresh(img));

% 显示原始灰度图像
subplot(1, 3, 1);
imshow(gray_img);
title('原始灰度图像');

% 显示自定义算法阈值后的二值图像
subplot(1, 3, 2);
imshow(binary_img);
title(['自定义算法二值化图像（阈值:' num2str(otsu_threshold) '）']);

% 显示graythresh函数阈值后的二值图像
subplot(1, 3, 3);
imshow(graythresh_binary_img);
title(['graythresh函数二值化图像（阈值:' num2str(graythresh(img)) '）']);

代码中使用了简单的变量名，包括gray_img表示读取的灰度图像，num_pixels表示图像中像素点的总数，variance表示类间方差，threshold表示阈值。首先读取灰度图像，将图像转为double类型，便于后续计算，然后计算直方图并遍历所有灰度级别，计算当前阈值下前景和背景像素点的数量，以及前景和背景的平均灰度值。计算类间方差并存储阈值，找到最大的类间方差以及对应的阈值。最后输出自定义算法的阈值和graythresh函数的阈值，将图像二值化并显示原始灰度图像、自定义算法阈值后的二值图像和graythresh函数阈值后的二值图像。