### 图像二值化在MATLAB中的实现
#### 一、引言
图像二值化是一种常见的图像处理技术，主要用于简化图像数据并提取有用的信息。它通过将图像中的像素值分为两个类别（通常是黑色和白色）来实现。这种技术广泛应用于文档扫描、模式识别、图像分割等领域。
#### 二、MATLAB中的图像二值化代码解析
根据提供的MATLAB代码，我们可以看到一个简单的图像二值化过程。这里我们将会详细解释每一行代码的意义以及它们如何共同作用于实现图像的二值化。
1. **读取原始图像**：
```matlab
I1=imread('binary_original.bmp');
I2=imread('binary_origian01.bmp');
```
这两行代码用于读取两张原始图像，并将其存储为变量`I1`和`I2`。`imread`函数是MATLAB中用于读取图像的标准函数，可以处理多种格式的图像文件。
2. **显示原始图像的灰度直方图**：
```matlab
figure;subplot(2,2,1),imhist(I1);
holdon;plot(68,50,'r*');
subplot(2,2,2),imhist(I2);
holdon;plot(72,44,'g*');
```
这段代码展示了原始图像的灰度直方图。`imhist`函数用于绘制图像的灰度直方图，可以帮助确定合适的阈值。`holdon`命令使得可以在同一个坐标轴上绘制多条曲线或点。这里，红色的星号标记了阈值为68时对应的直方图高度，绿色星号标记了阈值为72时的对应高度。
3. **二值化处理**：
```matlab
bw1=I1;bw2=I2;
bw1(find(bw1<68))=0;
bw1(find(bw1>=68))=255;
bw2(find(bw2<72))=0;
bw2(find(bw2>=72))=255;
```
上述代码实现了对原始图像的二值化处理。将原始图像复制到新变量`bw1`和`bw2`中。接着，使用`find`函数找到小于阈值的像素位置，并将这些像素设置为0（黑色）。对于大于等于阈值的像素，则设置为255（白色）。
4. **显示二值化后的图像**：
```matlab
subplot(2,2,3),imshow(bw1);
subplot(2,2,4),imshow(bw2);
```
这里使用`imshow`函数显示经过二值化处理后的图像。`subplot`函数用于在同一窗口中同时显示多个图像，便于比较不同处理的结果。
#### 三、总结与拓展
通过上述代码，我们成功地实现了图像的二值化。值得注意的是，在实际应用中，选择合适的阈值对于二值化的质量至关重要。除了手动设定阈值外，还可以采用自动阈值方法，如Otsu算法等，来进一步提高二值化的效果。此外，MATLAB还提供了许多其他工具和函数，如`graythresh`和`imbinarize`等，可以更加方便地进行图像的二值化处理。
图像二值化是在图像处理领域中一个非常基础但又重要的概念和技术。通过对MATLAB代码的理解和实践，不仅可以帮助我们更好地掌握这一技术，还能为进一步的研究和应用打下坚实的基础。
