基于matlab使用Otsu阈值分割

Otsu阈值分割是一种自适应的图像分割算法，可以将一幅图像分成两个部分：前景和背景。该算法通过寻找图像的最佳阈值来实现图像分割。下面是在MATLAB中使用Otsu阈值分割的基本步骤：

1. 读取图像并转换为灰度图像。

img = imread('image.jpg');
gray_img = rgb2gray(img);

2. 计算灰度图像的直方图。

[counts, bins] = imhist(gray_img);

3. 计算图像的总像素数和像素值的平均值。

total_pixels = numel(gray_img);
mean_value = mean(gray_img(:));

4. 遍历所有可能的阈值，计算每个阈值下的类内方差和类间方差，并找到最佳阈值。

max_variance = 0;
best_threshold = 0;

for threshold = 1:255
    w0 = sum(counts(1:threshold))/total_pixels;
    w1 = sum(counts(threshold+1:end))/total_pixels;
    mean0 = sum(bins(1:threshold).*counts(1:threshold))/sum(counts(1:threshold));
    mean1 = sum(bins(threshold+1:end).*counts(threshold+1:end))/sum(counts(threshold+1:end));
    
    variance = w0*w1*(mean0-mean1)^2;
    if variance > max_variance
        max_variance = variance;
        best_threshold = threshold;
    end
end

5. 根据最佳阈值对图像进行二值化。

binary_img = gray_img > best_threshold;

这样就可以使用Otsu阈值分割在MATLAB中对图像进行分割了。