matlab将图片转化为灰度图像并二值化，计算平均值

可以使用以下代码将图片转化为灰度图像并二值化，并计算平均值：

img = imread('image.jpg'); % 读取图片
gray_img = rgb2gray(img); % 转化为灰度图像
binary_img = imbinarize(gray_img); % 二值化
mean_value = mean(binary_img(:)); % 计算平均值
disp(mean_value); % 显示平均值

以上代码中，`imread` 函数用于读取图片，`rgb2gray` 函数用于将图片转化为灰度图像，`imbinarize` 函数用于将灰度图像二值化，`mean` 函数用于计算平均值，`disp` 函数用于显示平均值。

相关问题

MATLAB代码，对灰度图像进行OSTU二值化

以下是MATLAB代码，对灰度图像进行OSTU二值化：

% 读取灰度图像
img = imread('gray_image.png');

% 计算图像的直方图
histogram = imhist(img);

% 获取图像像素总数
total_pixels = numel(img);

% 初始化最优阈值和最大类间方差
optimal_threshold = 0;
max_variance = 0;

% 对每个灰度级别进行遍历，计算每个灰度级别作为阈值时的类间方差
for threshold = 1:255
    % 计算前景和背景像素的数量
    foreground_pixels = sum(histogram(threshold+1:256));
    background_pixels = sum(histogram(1:threshold));
    
    % 计算前景和背景像素的概率
    foreground_probability = foreground_pixels / total_pixels;
    background_probability = background_pixels / total_pixels;
    
    % 计算前景和背景像素的平均灰度值
    foreground_mean = sum((threshold+1:256) .* histogram(threshold+1:256)) / foreground_pixels;
    background_mean = sum((1:threshold) .* histogram(1:threshold)) / background_pixels;
    
    % 计算类间方差
    variance = foreground_probability * background_probability * (foreground_mean - background_mean)^2;
    
    % 更新最优阈值和最大类间方差
    if variance > max_variance
        max_variance = variance;
        optimal_threshold = threshold;
    end
end

% 二值化图像
binary_img = imbinarize(img, optimal_threshold/255);

% 显示原始图像和二值化图像
figure;
subplot(1,2,1);
imshow(img);
title('Original Image');
subplot(1,2,2);
imshow(binary_img);
title('OSTU Binarized Image');

MATLABR2018b代码，对灰度图像进行OSTU二值化

以下是MATLAB R2018b代码，可用于对灰度图像进行OSTU二值化：

% 读入灰度图像
I = imread('image.jpg');

% 计算灰度图像的直方图
counts = imhist(I);

% 计算灰度图像的像素总数
totalPixels = numel(I);

% 初始化最大方差和最佳阈值
maxVariance = 0;
bestThreshold = 0;

% 遍历灰度级，找到最佳阈值
for threshold = 0:255
    % 计算前景像素数、背景像素数、前景像素平均灰度、背景像素平均灰度
    foregroundPixels = sum(counts(threshold+1:256));
    backgroundPixels = totalPixels - foregroundPixels;
    foregroundMean = sum((threshold+1:256).*counts(threshold+1:256)) / foregroundPixels;
    backgroundMean = sum((0:threshold).*counts(1:threshold+1)) / backgroundPixels;
    
    % 计算类间方差
    variance = foregroundPixels*backgroundPixels*(foregroundMean-backgroundMean)^2;
    
    % 更新最大方差和最佳阈值
    if variance > maxVariance
        maxVariance = variance;
        bestThreshold = threshold;
    end
end

% 对灰度图像进行二值化
binaryImage = imbinarize(I, bestThreshold/255);

% 显示结果
imshow(binaryImage);

请将代码中的`image.jpg`替换为您要处理的图像文件名。