为提高医学图像分割的效果，针对二维Tsallis熵阈值法图像分割效果受参数q选择的影响，提出一种基于云模型萤火虫算法优化二维Tsallis熵的医学图像分割算法。首先，将云模型引入萤火虫算法，提高萤火虫算法的收敛速度和寻优能力；其次，选择均匀性测度作为医学图像分割的评价指标，运用CMFA算法对二维Tsallis熵阈值法参数q进行自适应寻优。研究结果表明，与FA-Tsallis和Tsallis相比较，CMFA-Tsallis的均匀性测度最高，分割出来的结果边界清晰，从而证明本算法的有效性。

函数包括广延香农和非广延萨利斯、护送萨利斯和仁义熵。 函数名称以 K_q_ 开头表示相对熵所有七个功能的用法： 如果我们假设 DATA 是 M*N 的矩阵。 那么格式应该是sum(DATA(:,i))=1,for i=1:N，N是时间序列的长度

适用对象：灰度图像（8 bit） 参照论文：《Tsallis entropy and the long-range correlation in image thresholding》 使用说明：直接运行脚本文件testTsallisEntropyLinThresholding.m即可，具体见注释

适用对象：灰度图像（8 bit） 参照论文：《Image thresholding using Tsallis entropy》 使用说明：直接运行脚本文件testTsallisEntropyThresholding.m即可，具体见注释

熵阈值法是图像分割中的重要方法, 并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,这里运用一种新的信息熵; 并用于图像分割的阈值选取，Tsallis熵及其灰度熵的分割方法不仅降低了计算复杂度，而且分割效果更好。