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.给出matlab完整代码，并给出调用函数显示结果的函数

在MATLAB中实现Otsu方法（一种基于最大类间方差的阈值分割算法）可以分为以下几个步骤：

1. 首先，加载图像并转换为灰度图像，以便处理单通道数据。
2. 计算图像的直方图及其累积分布函数（CDF）。
3. 根据Otsu方法寻找最佳二值化阈值。
4. 应用阈值进行图像分割。
5. 比较与全局阈值分割的结果。

以下是一个简化的MATLAB实现：

function [thresh, segImage] = otsuThreshold(img)
    % 转换为灰度图像
    img_gray = rgb2gray(img);

    % 计算直方图
    hist = imhist(img_gray, 'normal');

    % 计算累积分布函数
    cdf = cumsum(hist(:)) / sum(hist);

    % 初始化变量
    maxvar = 0;
    thresh = 0;
    
    % 找到最大类间方差对应的阈值
    for i = 1:length(hist)-1
        var = (cdf(i+1) - cdf(i))^2 * sum(hist(1:i));
        if var > maxvar
            maxvar = var;
            thresh = double(i);
        end
    end

    % 分割图像
    segImage = imbinarize(img_gray, thresh);
end

% 示例使用
img = imread('your_image_file.jpg'); % 替换为你要处理的图片文件名
[thresh, segImage] = otsuThreshold(img);

% 显示直方图
figure;
subplot(1,2,1), plot(hist), title('Original Image Histogram');
subplot(1,2,2), plot(cdf), title('Cumulative Distribution Function');

% 显示分割结果
figure, imshow(segImage, []);
title('Segmentation Result with Otsu Threshold');

为了完成作业，你需要将上述代码保存在一个.m文件中，比如`otsu_thresholding.m`。然后运行这个函数并比较Otsu方法得到的分割结果与全局阈值（如直方图峰值或某特定比例处的阈值）分割的效果。