尝试不同的阈值选择方法，实现灰度图像二值化

在灰度图像二值化过程中，选择合适的阈值是非常关键的，因为这决定了哪些像素会被归为前景（白色）区域，哪些为背景（黑色）。这里有几个常用的阈值选择方法：

1. **全局阈值法**（Otsu's Method）：这是最常用的一种方法，由Yasuji Otsu于1979年提出。该方法计算了两个类别间的最大互信息，找到最佳分割点，使得两类噪声之间的方差最小。

bw = imbinarize(I, 'otsu');

其中`I`是输入的灰度图像。

2. **自适应阈值法**（Adaptive Thresholding）：这种方法根据局部图像特性调整阈值，比如`imadaptivethreshold`函数，可以使用均值、中值或高斯滤波器进行平滑后计算阈值。

se = strel('disk', 5); % 创建结构元素
bw = imadapt(I, se);

3. **双边阈值法**：顾名思义，这种方法考虑了空间距离和灰度强度差异，适用于处理噪声较多或边缘模糊的情况。

bw = graythresh(I) * bilateral(I);

4. **用户指定阈值**：如果对图像有特定的理解，可以直接设置一个固定阈值或基于图像直方图选择一个手动阈值。

v = graythresh(I); % 计算全局阈值
bw = imbinarize(I, v + 10); % 添加用户偏移量

每个方法都有其适用场景，你可以根据图像的具体特点和需求来选择最适合的方法。在实际操作时，可能需要尝试多个阈值并对比结果，以确定最优的二值化效果。