Matlab中二值化圖像處理的方法有多種，常用的方法有以下幾種：
全局閾值法：選擇一個合適的灰度值作為閾值，將圖像中大于閾值的像素灰度值設為255（白色），小于閾值的像素灰度值設為0（黑色）。 示例代碼：
threshold = 100;
binaryImage = imbinarize(grayImage, threshold/255);
自適應閾值法：將圖像分成許多小的區域，在每個區域內計算一個局部閾值，然后將圖像中大于局部閾值的像素灰度值設為255，小于局部閾值的像素灰度值設為0。 示例代碼：
blockSize = 25;
binaryImage = imbinarize(grayImage, 'adaptive', 'ForegroundPolarity', 'dark', 'Sensitivity', 0.5, 'BlockSize', blockSize);
Otsu閾值法：通過最大類間方差分割圖像，選擇一個使得類間方差最大的灰度值作為閾值。 示例代碼：
level = graythresh(grayImage);
binaryImage = imbinarize(grayImage, level);
迭代閾值法：從初始閾值開始，根據前景和背景的平均灰度值動態調整閾值，直到閾值不再變化或者達到最大迭代次數為止。 示例代碼：
maxIterations = 10;
binaryImage = imbinarize(grayImage, 'adaptive', 'ForegroundPolarity', 'dark', 'Sensitivity', 0.5, 'MaxIterations', maxIterations);
這些方法可以根據不同的需求選擇合適的方法進行二值化圖像處理。
