matlab自己编写otsu

以下是在MATLAB中自己实现Otsu算法的示例代码：

% 读取图像并转换为灰度图像
img = imread('image.jpg');
grayImg = rgb2gray(img);

% 计算图像的直方图
[counts, bins] = imhist(grayImg);

% 计算灰度级别的概率分布
p = counts / sum(counts);

% 计算灰度级别的累积分布
c = cumsum(p);

% 计算灰度级别的平均值
m = (1:length(p)) * p';

% 初始化最大类间方差和阈值
max_sigma = 0;
threshold = 0;

% 遍历所有可能的阈值，找到最大类间方差对应的阈值
for t = 1:length(p)
    w0 = c(t);
    w1 = 1 - w0;
    if w0 == 0 || w1 == 0
        continue;
    end
    m0 = sum((1:t) .* p(1:t)) / w0;
    m1 = sum((t+1:length(p)) .* p(t+1:length(p))) / w1;
    sigma = w0 * w1 * (m0 - m1) ^ 2;
    if sigma > max_sigma
        max_sigma = sigma;
        threshold = t;
    end
end

% 对图像进行二值化处理
binaryImg = imbinarize(grayImg, threshold / 255);

% 显示原图和二值化图像
imshow(img);
figure;
imshow(binaryImg);

以上代码中，我们首先读取图像并转换为灰度图像，然后计算图像的直方图、灰度级别的概率分布和灰度级别的累积分布，以及灰度级别的平均值。接着，我们遍历所有可能的阈值，计算每个阈值对应的类间方差，并找到最大类间方差对应的阈值。最后，我们使用找到的阈值对图像进行二值化处理，并显示原图和二值化图像。