MRI图像分割的MATLAB代码实现：基于均值聚类、OUST和区域生长法

MRI（Magnetic Resonance Imaging）是一种常用的医学影像技术，能够提供人体组织的详细结构信息。MRI图像分割是一项重要的任务，旨在将图像中的不同组织或结构分离出来，以便进行进一步的分析和诊断。本文将介绍如何使用MATLAB实现MRI图像分割，采用基于均值聚类、OUST（Optimal Unsupervised Segmentation Thresholding）和区域生长法的组合方法。

首先，我们需要准备一张MRI图像作为输入。假设我们已经将MRI图像加载到MATLAB中，并将其存储为一个二维矩阵变量image。

接下来，我们将使用均值聚类方法对图像进行初步分割。均值聚类是一种无监督的聚类算法，通过将像素分组为具有相似灰度值的聚类来实现分割。下面是使用MATLAB实现均值聚类分割的代码：

% 均值聚类分割
k = 3; % 聚类数
maxIterations = 10; % 最大迭代次数

% 初始化聚类中心
centers =