otsu阈值分割算法matlab

Otsu阈值分割算法是一种经典的图像分割算法，可以根据图像的灰度值分布自动确定最佳的二值化阈值。下面是在MATLAB中实现Otsu阈值分割算法的示例代码：

% 读取图像
img = imread('lena.png');

% 将图像转为灰度图
gray_img = rgb2gray(img);

% 计算灰度直方图
hist = imhist(gray_img);

% 计算像素总数
total_pixels = numel(gray_img);

% 初始化最大方差和最佳阈值
max_variance = 0;
best_threshold = 0;

% 遍历灰度级别
for t = 1:256
    % 计算类间方差
    w0 = sum(hist(1:t));
    w1 = sum(hist(t+1:end));
    if w0 == 0 || w1 == 0
        continue;
    end
    m0 = sum((0:t-1)' .* hist(1:t)) / w0;
    m1 = sum((t:255)' .* hist(t+1:end)) / w1;
    variance = w0 * w1 * (m0 - m1)^2;
    % 更新最大方差和最佳阈值
    if variance > max_variance
        max_variance = variance;
        best_threshold = t - 1;
    end
end

% 二值化图像
binary_img = gray_img > best_threshold;

% 显示原图和分割结果
subplot(1,2,1);
imshow(gray_img);
title('原图');
subplot(1,2,2);
imshow(binary_img);
title(['Otsu阈值分割结果，阈值为', num2str(best_threshold)]);

在上面的示例代码中，首先读取图像并将其转为灰度图，然后计算灰度直方图，接着遍历所有可能的阈值，计算每个阈值下的类间方差，并找到最大方差对应的阈值作为最佳阈值。最后根据最佳阈值对图像进行二值化并显示原图和分割结果。