试编写matlab程序统计图像灰度直方图，利用 Otsu 法对一幅图像进行分割,给出阈值和可分性度量。

好的，以下是Matlab代码实现：

% 读取图像
img = imread('image.jpg');
% 展示原图
figure(1);
imshow(img);
title('原图');

% 统计灰度直方图
[counts, ~] = imhist(img);
% 绘制直方图
figure(2);
bar(counts);
title('灰度直方图');

% Otsu 分割
% 计算灰度平均值、方差和总像素数
totalPixels = numel(img);
meanGray = mean(img(:));
varGray = var(double(img(:)));
% 初始化最佳阈值和最大可分性度量值
bestThreshold = 0;
maxSeparability = 0;
% 遍历所有可能的阈值，计算可分性度量值
for threshold = 0:255
    % 计算两个类别的像素数和灰度平均值
    w0 = sum(counts(1:threshold+1)) / totalPixels;
    w1 = 1 - w0;
    u0 = sum((0:threshold) .* counts(1:threshold+1)) / (w0 * totalPixels);
    u1 = sum((threshold+1:255) .* counts(threshold+2:end)) / (w1 * totalPixels);
    % 计算可分性度量值
    separability = w0 * w1 * (u0 - u1)^2;
    % 更新最佳阈值和最大可分性度量值
    if separability > maxSeparability
        bestThreshold = threshold;
        maxSeparability = separability;
    end
end

% 利用最佳阈值进行分割
bw = imbinarize(img, bestThreshold/255);
% 展示分割结果
figure(3);
imshow(bw);
title(sprintf('Otsu分割结果，阈值：%d，可分性度量：%f', bestThreshold, maxSeparability));

运行该程序，会分别展示原图像、灰度直方图和分割结果，并输出阈值和可分性度量值，例如：


请注意，该程序中的 Otsu 法实现并不是最优的，只是一种简单易懂的实现方式。如果需要更高效的实现，可以使用 `graythresh` 函数或其他现成的库函数。