Matlab中二值化图像处理的方法有多种，常用的方法有以下几种：
全局阈值法：选择一个合适的灰度值作为阈值，将图像中大于阈值的像素灰度值设为255（白色），小于阈值的像素灰度值设为0（黑色）。 示例代码：
threshold = 100;
binaryImage = imbinarize(grayImage, threshold/255);
自适应阈值法：将图像分成许多小的区域，在每个区域内计算一个局部阈值，然后将图像中大于局部阈值的像素灰度值设为255，小于局部阈值的像素灰度值设为0。 示例代码：
blockSize = 25;
binaryImage = imbinarize(grayImage, 'adaptive', 'ForegroundPolarity', 'dark', 'Sensitivity', 0.5, 'BlockSize', blockSize);
Otsu阈值法：通过最大类间方差分割图像，选择一个使得类间方差最大的灰度值作为阈值。 示例代码：
level = graythresh(grayImage);
binaryImage = imbinarize(grayImage, level);
迭代阈值法：从初始阈值开始，根据前景和背景的平均灰度值动态调整阈值，直到阈值不再变化或者达到最大迭代次数为止。 示例代码：
maxIterations = 10;
binaryImage = imbinarize(grayImage, 'adaptive', 'ForegroundPolarity', 'dark', 'Sensitivity', 0.5, 'MaxIterations', maxIterations);
这些方法可以根据不同的需求选择合适的方法进行二值化图像处理。
