自适应的otsu的Matlab实现

在Matlab中，可以使用以下代码实现自适应的tsu阈值化方法```matlab
function = adaptiveOtsu(image blockSize)
[rows cols] = size(image);
threshold = zeros(rows, cols);

halfBlockSize = floor(blockSize/2);
paddedImage = padarray(image, [halfBlockSize, halfBlockSize]);

for i = 1:rows
for j = 1:cols
block = paddedImage(i:i+blockSize-1, j:j+blockSize-1);

% 计算当前块的Otsu阈值
blockThreshold = graythresh(block);

% 根据当前块的阈值对原始图像进行二值化
threshold(i, j) = imbinarize(image(i, j), blockThreshold);
end
end
end

在该函数中，`image`是输入图像，`blockSize`是用于计算每个像素自适应阈值的块大小。函数首先对输入图像进行边缘填充，以确保足够的像素用于计算每个块的阈值。然后，它遍历图像的每个像素，提取相应的块，并使用`graythresh`函数计算每个块的Otsu阈值。最后，根据每个块的阈值对原始图像进行二值化，并将结果存储在`threshold`矩阵中。

你可以调用这个函数来实现自适应的Otsu阈值化，例如：

image = imread('your_image.jpg'); % 读取图像
blockSize = 15; % 设置块大小
threshold = adaptiveOtsu(image, blockSize); % 调用自适应Otsu函数

% 显示结果
figure;
subplot(1, 2, 1);
imshow(image);
title('原始图像');
subplot(1, 2, 2);
imshow(threshold);
title('自适应Otsu阈值化结果');

请注意，这只是一个简单的示例实现，可能需要根据实际需求进行修改和优化。