🌟 在数字图像处理领域，灰度图像的二值化是一个非常重要的步骤。它能帮助我们从复杂的背景中提取出感兴趣的物体或区域，从而简化后续的分析过程。今天，我将分享一段经典的Matlab代码，用于实现灰度图像的二值化。这不仅适用于学术研究，也适合于实际工程项目中的图像预处理。

🔍 二值化的基本思路是将灰度图像中的每个像素点与一个阈值进行比较，如果该像素点的灰度值大于这个阈值，则将其设置为白色（255），否则设置为黑色（0）。通过调整这个阈值，我们可以控制最终输出图像的对比度和细节保留程度。

🛠️ 下面是具体的Matlab代码实现：

```matlab

% 读取灰度图像

I = imread('example_gray.jpg');

% 显示原图

imshow(I);

title('Original Gray Image');

% 应用全局阈值二值化

binaryImage = imbinarize(I, 'global');

% 显示二值化结果

figure;

imshow(binaryImage);

title('Binarized Image');

```

📋 这段代码首先读取一张灰度图像，然后使用`imbinarize`函数对其进行全局阈值二值化处理，并显示原始图像和二值化后的结果。

🌈 通过上述代码，我们可以轻松地对灰度图像进行二值化处理，为进一步的图像分析打下基础。希望这段代码对你有所帮助！如果你有任何问题或需要进一步的帮助，请随时留言讨论。