这一个基于matlab的自适应阈值分割代码，不使用内置函数

基于MATLAB的自适应阈值分割是一种图像处理技术，通常用于二值化图像，将图像分割成前景和背景。当我们没有使用内置函数时，可以手动编写算法，如著名的Niblack阈值法。这是一种简单而经典的自适应阈值方法，它考虑了像素的灰度级及其周围像素的统计特性。

以下是简化的Niblack阈值分割算法步骤：

1. **计算均值** (μ): 对每个像素及其周围邻域（通常是固定的大小，比如3x3窗口）取平均灰度值。
2. **计算标准差** (σ): 计算同一邻域内像素灰度值的标准差。
3. **创建适应性阈值** T: 可以选择T = μ + k * σ, 其中k是一个经验值，一般取0.5到1.3之间，用于调整阈值的灵敏度。
4. **设置阈值** 如果像素值大于等于T，则设为白色（前景），否则设为黑色（背景）。

如果你需要具体的MATLAB代码示例，我可以给出一个基本版本，不过请注意，这只是一个基础版，实际应用可能会更复杂，包括边缘检测、平滑滤波等预处理步骤。以下是简化的代码片段：

function [binaryImage] = adaptiveThreshold(image, k)
    window_size = 3; % 周围像素大小
    neighborhood = zeros(window_size, window_size);
    binaryImage = zeros(size(image));
    
    for i = 1:(size(image,1) - window_size + 1)
        for j = 1:(size(image,2) - window_size + 1)
            mu = mean(image(i:i+window_size-1,j:j+window_size-1));
            sigma = std(image(i:i+window_size-1,j:j+window_size-1));
            T = mu + k * sigma;
            if image(i,j) >= T
                binaryImage(i,j) = 255; % 设置为白色
            else
                binaryImage(i,j) = 0; % 设置为黑色
            end
        end
    end
end