使用MATLAB软件程实现以下功能：输入彩图，图像灰度化，图像增强，图像分割。要求：分别用Otsu和CV和K-means三种方法，其中matlab自带函数分别为qraythresh和activecontour和imsegkmeans

在MATLAB中，你可以按照以下步骤分别使用`im2gray`, `imadjust`, `imsegkmeans`, `qraythresh`, `activecontour`以及对应的库函数来实现彩色图像到灰度、增强、和基于特定方法的分割：

1. **图像灰度化**:
- Otsu方法：`gray_otsu = qraythresh(color_image);` 使用`qraythresh`函数进行全局阈值计算。
- OpenCV (CV) 方法：`gray_cv = rgb2gray(color_image);` 进行简单的颜色空间转换。

2. **图像增强**:
- 使用`imadjust`函数进行线性拉伸增强，示例：`enhanced = imadjust(gray_otsu);` 这会自动调整图像亮度和对比度。
- K-means增强通常不是直接应用的，但它可以用于数据预处理，这里不做详细演示。

3. **图像分割**:
- Otsu方法：`binary_otsu = gray_otsu > threshold;` 其中`threshold`是Otsu方法自动生成的阈值。
- Active Contours（轮廓）分割：`output = activecontour('SimpleBlob', gray_cv, initial_contour);` 使用`activecontour`函数进行边缘检测和形状匹配。
- K-means分割（使用`imsegkmeans`）：

     [labels, centroids] = imsegkmeans(gray_cv, num_clusters); % num_clusters为想要的聚类数
     segmented = labels;

请注意，上述代码中你需要将`color_image`替换为你的实际彩色图像变量名，`initial_contour`用于主动轮廓初始化。运行过程中可能需要调整参数以优化结果。