显示图像的直方图，根据图像的直方图中图像的灰度分布，选择最佳阈值，实现图像的二值化； 2. 设计一种自动全局阈值生成算法，并编制程序实现，比较两种阈值结果效果； 3. 实现腐蚀、膨胀、开运算、闭运算对二值图像的操作的结果，可直接调用Matlab库函数实现形态学操作。

1. 显示图像的直方图并选择最佳阈值：

% 读取图像
img = imread('image.jpg');
% 显示图像的直方图
imhist(img);
% 根据直方图选择最佳阈值（这里选择手动设置阈值）
threshold = 128;
% 实现图像的二值化
binary_img = imbinarize(img, threshold/255);
% 显示二值图像
imshow(binary_img);

2. 设计自动全局阈值生成算法并比较两种阈值的结果：

% 读取图像
img = imread('image.jpg');
% 获取图像的灰度直方图
[counts, ~] = imhist(img);
% 初始化类间方差和最佳阈值
best_threshold = 0;
max_variance = 0;
% 计算每个可能的阈值下的类间方差并选择最大的类间方差及其对应的阈值
for threshold = 1:255
    % 计算当前阈值下类内方差
    class1 = counts(1:threshold);
    class2 = counts(threshold+1:end);
    w1 = sum(class1)/sum(counts);
    w2 = sum(class2)/sum(counts);
    u1 = dot((1:threshold)', class1)/sum(class1);
    u2 = dot((threshold+1:256)', class2)/sum(class2);
    variance = w1*w2*(u1-u2)^2;
    % 更新最大类间方差及其对应的阈值
    if variance > max_variance
        max_variance = variance;
        best_threshold = threshold;
    end
end
% 显示最佳阈值及对应的二值图像
fprintf('Best threshold: %d\n', best_threshold);
binary_img1 = imbinarize(img, best_threshold/255);
imshow(binary_img1);
% 比较自动选择的阈值和手动选择的阈值的结果
binary_img2 = imbinarize(img, threshold/255);
imshowpair(binary_img1, binary_img2, 'montage');

3. 实现腐蚀、膨胀、开运算、闭运算对二值图像的操作：

% 读取二值图像
binary_img = imread('binary_image.jpg');
% 实现腐蚀操作
SE = strel('square', 3);
eroded_img = imerode(binary_img, SE);
% 显示腐蚀后的图像
imshow(eroded_img);
% 实现膨胀操作
dilated_img = imdilate(binary_img, SE);
% 显示膨胀后的图像
imshow(dilated_img);
% 实现开运算操作
opened_img = imopen(binary_img, SE);
% 显示开运算后的图像
imshow(opened_img);
% 实现闭运算操作
closed_img = imclose(binary_img, SE);
% 显示闭运算后的图像
imshow(closed_img);