基于MATLAB图形图像处理技术
摘要
本文提出了一种基于MATLAB的数字图像处理技术的设计，系统中包括了图像处理技术的各个方面，涵盖了图像处理领域的个别算法，在此过程中所应用的技术和方法为今后的深入研究和将其应用于实际生产奠定了坚实的基础。
本文首先介绍了数字图像处理的现状，以及MATLAB语言的基本知识，包括特点、方法和主要内容。重点讲述了MATLAB所用到的一些数字图像处理技术和方法,并应用这些技术和方法对采集的图像进行处理和分析判断。例如：图像增强、图像变换、图像分割、边缘提取、图像的降噪，等等。本软件操作界面清晰明了，交互性好。利用其中的图像处理方法，可大大减少工作量，图像处理精度高，同时系统通用性强，涉及到的图形图像处理，结构清晰、针对性强，理论与实例相结合。
通过论文描述，让我提高了图形图像的处理技术，提高了分析能力及解决问题的能力。更好的掌握了图像处理的知识。
关键词：图像处理 MATLAB的基本知识图形变换图像分割图像降噪
Graphic image processing technology based on MATLAB
ABSTRACT
This paper presents a MATLAB-based digital image processing technology in the design, the system includes an image processing technology in all aspects of the image processing area Hangai Gebie Algorithm, in the process the application of technologies and method-depth study of the future and applying it to actual production and laid a solid foundation.
This paper describes the status of digital image processing, and basic knowledge of MATLAB language, including features, methods, and main content. This paper will highlight some of the MATLAB is used in digital image processing technologies and methods, and apply these technologies and methods on the collection of image processing and analysis to judge. For example: image enhancement, image transformation, image segmentation, edge extraction, image noise reduction, and so on. Clarity of the software interface, good interaction. Using image processing methods which can greatly reduce the workload, image processing and high precision, while the system versatility, involving graphic image processing, a clear structure, targeted, theory and examples of the combination.
By describing this paper, let me raise a graphic image processing technology to improve the analytical ability and problem-solving ability. Better grasp of the image processing knowledge.
KEY WORDS: basic knowledge of MATLAB image processing image segmentation image noise graph transformation
目录
前言 (1)
第1章数字图像处理的现状及展 (3)
1.1 数字图像处理技术的发展及应用 (3)
1.1.1 数字图像的前景展望 (4)
第2章数字图像处理技术及MATLAB软件简介 (6)
2.1 数字图像处理技术简介 (6)
2.1.1 数字图像处理技术的特点 (6)
2.1.2 数字图像处理技术的研究内容 (7)
2.1.3数字图像处理技术的应用 (9)
2.2 MATLAB软件简介 (10)
2.2.1 MATLAB的主要优缺点 (11)
2.2.2 MATLAB支持的图像类型及其转换分析 (12)
第3章MATLAB常用的图像处理方法 (14)
3.1 MATLAB图像增强 (14)
3.1.1 直方图处理 (14)
3.2 MATLAB图像分割 (16)
3.2.1图像边缘连接与分割 (16)
3.2.2域图像分割技术 (17)
3.2.3基于模糊判决的边缘连接技术 (18)
结论 (21)
论文总结.............................................. 错误！未定义书签。谢辞................................................................. 错误！未定义书签。参考文献 (22)
附录 (24)
外文资料翻译 (25)
前言
迅速发展的时代，对图像信息处理提出了更高的要求，以便更加快速、准确、可靠地获得有用信息。MATLAB软件自从20世纪80年代中期推出以来，不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，现已成为国际公认的、最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。
国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统 TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。TDB-IDK 系列产品是一款基于 TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套 DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。该系统的特点是实现对图像信号的实时分析，图像数据相对 DSP 独立方便开发人员对图像进行处理，该产品融合 DSP 和 FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件主要介绍了数字图像的采集、传输与处理的方法。使初学者可以利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输。可以观察理解多种图像处理技术的效果和差别，其中包括图像的灰度直方图及其变换、锐化、平滑、滤波、伪彩、轮廓提取的增强、图像格式转换及其文件结构。
目前大量的图像处理软件如PHOTOSHOP,PAINTSHOP等都是基于广告策划和图像修饰处理而设计的应用软件，针对图像处理技术基本知识的理解与掌握以及相关处理方法研究的软件甚少，不适合学习研究使用。随着计算机辅助设计的日益提高和成熟，用于学习与研究的软件也越来越多。在国外，如美国Southern Illinois University开发的CVIPtools计算机视觉与图像处理实验软件就是专门针对图像处理技术的实验软件。CVIPtools 计算机视觉与图像处理实验软件，主要用于计算机数字图像分析和处理，主要宗旨是让图像处理的老师、学生、和其它研究人员探索计算机数字图像处理的巨大力量。最新Windows版本的CVIPtools提供使用者四种层次
应用方式：算法代码层，公共对象模块（组件）界面层，cvipimage层和图像用户界面（GUI）。最下面的阶层算法代码层主要是基于以前的版本CVIPtools，包括所有的图像、数据处理程序和功能，使用标准C语言写的。最上面的阶层为CVIPtools GUI，可以让生手试验一些图像处理的工具，而不需具备程序设计的能力。目前国外很多大学、研究院在数字图像处理的实验研究中都应用此软件。
但是，CVIPtools软件还没退出中文版并且现有Windows版本保留了部分Unix风格，在Windows系统下操作并不十分方便，而且常出问题，并且这种商用图像处理软件是静态的、封闭的，软件功能在发布时就已经确定，增加新功能或新算法或改进性能只能寄希望于软件升级。我国某些大学或科研单位根据课题研究需要，开发了相应的图像处理软件，并应用于教学实验。但是已有的实验软件内容不全或陈旧，没有涉及图像处理领域较新的成果，而且许多试验软件的界面不够友好，交互性差，用户无法调整算法参数，不具备可扩展性，软件一旦完成，不容易修改或添加新内容。
第1章数字图像处理的现状及展
1.1 数字图像处理技术的发展及应用
数字图像处理技术使20世纪60年代随着计算机技术和VLSY Very Large Scale Integration的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了很大的成就。
视觉是人类最重要的感知手段，图像又是视觉的基础[3]。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。图像处理中输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理技术取得的另一个巨大成就是在医学上。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，成为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献。
从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70
年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。
20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。数字图像处理技术的应用领域不断拓展。
数字图像处理技术的大发展是从20世纪90年代初开始的。自1986
年以来，小波理论与变换方法迅速发展，它克服了傅立叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。Mallat在1988年有效地将小波分析应用于图像分解和重构。小波分析被认为是信号与图像分析在数学方法上的重大突破。随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。
进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。该技术成为一门引人注目、前景远大的新型学科。
1.1.1 数字图像的前景展望
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着科学技术的发展，数字图像处理技术的应用领域也将随之不断扩大。数字图像处理技术未来应用领域主要有以下七个方面：
1. 航天航空技术方面数字图像处理技术在航天航空技术方面的应用，除JPL对月球、火星照片的处理之外，另一方面是在飞机遥感和卫星遥感技术中。图像在空中先处理（数字化编码）成数字信号存人磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。现在世界各国都在利用各类卫星所获取的图像进行资源调查、灾害检测、资源勘察、农业规划、城市规划。在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。
2. 生物医学工程方面数字图像处理技术在生物医学工程方面的应用十分广泛，且很有成效。除了CT技术之外，还有一类是对医用显微技术的处理分析，如染色体分析、癌细胞识别等。此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。
3. 通信工程方面当面通信的主要发展方向是声音、文字、图像和数据结合的流媒体通信。其中以图像通信最为复杂和困难，因图像的数据量十分巨大，如传送彩色电视信号的速率达100M/s以上。要将这样高速率的数据实时传送出去，必须采用编码技术来压缩信息的比特量。在一定意义上讲，编码压缩是这些技术成败的关键。
4. 工业工程方面在工业工程领域中图像处理技术有着广泛的应用，它大大提高了工作效率，如自动装配线中质量检测，流体力学图片的阻力和升力分析，邮政信件的自动分拣，在一些恶性环境内识别工件及物体的形状和排列状态，先进设计和制造技术中采用工业视觉等等。其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的面貌，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。
5. 军事公安方面在军事方面图像处理和识别主要用于导弹的精确制导，各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统和模拟训练系统等；公安方面主要用于指纹识别、人脸鉴别、不完整图片的复原以及交通监控、事故分析等。目前已投入运行的高速公路不停车自动收费系统中的车辆和车牌的自动识别就是图像处理技术成功应用的例子。
6. 文化艺术方面的应用目前这类应用有电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。目前正在形成一门新的艺术——计算机美术。
7. 其它方面的应用数字图像处理技术已经渗透到社会生活的各个领域，如地理信息系统中二维、三维电子地图的自动生成、修复等；教育领域各种辅助教学系统研究、制作中；流媒体技术领域等等。
第2章数字图像处理技术及MATLAB软件简介
2.1 数字图像处理技术简介
图像处理技术基本可以分成两大类：模拟图像处理(Analog Image Processing)和数字图像处理(Digital Image Processing)，数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。数字图像处理技术主要包括如下内容：几何处理(Geometrical Processing)、算术处理(Arithmetic processing)、图像增强(ImageEnhancement)、图像复原(Image Restoration)、图像重建(Image Reconstruction)、图像编码(Image Encoding)、图像识别(Image Recognition)、图像理解(Imageunderstanding)。数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。
2.1.1 数字图像处理技术的特点
1. 数字图像处理技术的优点
(1)再现性好
数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的真实再现。
(2)处理精度高
按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，这主要取决于图像数字化设备的能力。现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以满足任一应用需求。从原理上讲不论图像的精度有多高，处理总是能实现的，只要在处理时改变程序中的数组参数就可以了。
(3)适用面宽
图像可以来自多种信息源。从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。这些来自不同信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成，因而均可用计算机来处理。
(4)灵活性高
由于图像的光学处理从原理上讲只能进行线性运算，极大地限制了光学图像处理能实现的目标，而数字图像处理不仅能完成线性运算，且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
(5)信息压缩的潜力大
数字图像中各个像素是不独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。因此，图像处理中信息压缩的潜力很大。
2.1.2 数字图像处理技术的研究内容
1．几何处理
几何处理主要包括坐标变换，图像的放大、缩小、旋转、移动，多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。
2．算数处理
算数图像处理主要对图像施以加、减、乘、除等运算。
3. 图像变换
由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。
4. 图像增强
图像增强处理主要是突出图像中感兴趣的信息，而减弱或去除不需要的信息，从而使有用的信息得到加强，便于区分或解释。主要方法有直方图增强、伪彩色增强法、灰度窗口等技术。
5. 图像复原
图像复原的主要目的是去除干扰、模糊和图像畸变，恢复图像的本来面目。典型的去噪操作就属于复原处理。图像噪声包括随机噪声和相干噪声，随机噪声干扰表现为麻点干扰，相干噪声表现为网文干扰。去模糊也是复原处理的任务。这些模糊来自透镜散焦，相对运动，大气湍流，以及云层遮挡等。这些干扰可用维纳滤波、逆滤波波等方法加以去除。去除图像畸变则需要借助图像的空间变换操作。
6. 图像分割
图像分割是将图像中有意义的特征部分提取出来，这是进一步进行图像识别、分析和理解的基础。目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。
7. 图像重建
几何处理、图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像，而重建处理则是从数据到图像的处理，也就是说输入的是某种数据，而处理结果得到的是图像。该处理的典型应用就是 CT 技术，早期为 X射线 CT，后来发展的有 ECT、超声CT、核磁共振(NMR)等。图像重建的主要算法有代数法、迭代法、傅立叶反投影法、卷积反投影法等，其中以卷积反投影法运用最为广泛，因为它的运算量小、速度快。值得注意的是三维重建算法发展得很快，而且由于与计算机图形学相结合，把多个二维图像合成三维图像，并加以光照模型和各种渲染技术，能生成各种具有强烈真实感及纯净的高质量图像。三维重建技术也是当今颇为热门的虚拟现实和科学可视化技术的基础。
8. 图像编码
图像编码研究属于信息论中信源编码范畴，其主要宗旨是利用图像信号的统计特性及人类视觉的生理学及心理学特性对图像信号进行高效编码，即研究数据压缩技术，以解决数据量大的矛盾。一般来说，图像编码的目的有 3 个：(1)减少数据存储量；(2)减低数据率以减少传输带宽；(3)压缩信息量，便于特征提取，为识别做准备。
9. 模式识别
模式识别是数字图像处理的又一研究领域。当今，模式识别方法大致 3
种，即统计识别法、句法结构模式识别法和模糊识别法。统计识别法侧重于特征，句法结构识别侧重于结构和基元，而模糊识别法是把模糊数学的一些概念和理论用于识别处理。
10. 图像理解
图像理解是由模式识别发展起来的方法。该处理输入的是图像，输出的是一种描述。这种描述并不仅是单纯的用符号做出详细的描绘，而且要利用客观世界的知识使计算机进行联想、思考及推论，从而理解图像所表现的内容。
2.1.3数字图像处理技术的应用
在社会生产和科研活动中，人们要频繁的接触到图像，例如照片、图画、书报、医学 X 光片和卫星遥感图像等。图像是人们认识客观世界的重要知识来源。随着计算机的高速化和大容量化，图像信息的处理已成为可能。另外，由于摄像设备的小型化和高精度化，图像的画质有了显著改善。随着这些技术的进步，图像处理在工作站及个人计算机的小型机上已可以实现。数字图像处理主要采用计算机来实现，随着计算机软硬件技术的突飞猛进，以及图像处理的长足发展，使得数字图像处理技术无论在科学研究、工业生产、军事国防以及现代管理决策部门等各行各业都得到越来越多的应用，其应用场合广阔、内容众多、形式新颖、门类齐全，可以说是方兴未艾，正向着实时化、大型化、小型化、远程化等多方面迅猛发展。表 2-1 简单列出了图像处理的应用领域。
表2-1图像处理的应用领域
2.2 MATLAB软件简介
MATLAB 是 Math works 公司于推出的一套高性能的数值计算和可视化软件，其全称是 Matrix Laboratory，亦即矩阵实验室，经过多年的逐步发展与不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国内外广泛流行的一种可视化科学计算软件。它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。Math Works 公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等 30 多个具有专门功能的工具箱，这些工具箱是由该领域内的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。同时，工具箱内的函数源程序也是开放性的，多为 M 文件，用户可以查看这些文件的代码并进行更改，MATLAB 支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添
加到相应的工具箱中。MATLAB 中的数字图像是以矩阵形式表示的，这意味着 MATLAB 强大的矩阵运算能力用于图像处理非常有利。矩阵运算的语法对 MATLAB中的数字图像同样适用。
2.2.1 MATLAB的主要优缺点
1. MATLAB 的主要优点
(1)界面友好，编程效率高MATLAB 是一种以矩阵为基本变量单元的可视化程序设计语言，它的语法结构简单，数据类型单一，命令表达方式接近于常用的数学公式。这使 MATLAB 用户在短时间内就能快速地掌握其主要内容和基本操作。MATLAB 不仅能免去大量的经常反复的基本数学运算，而且它的编译和执行速度都远远超过了采用 C 和 Fortran 语言设计的程序。可以说，MATLAB 在科学计算与工程应用方面的编程效率都远远高于其他高级语言。
(2)功能强大，可扩展性强
MATLAB 语言不但提供了科学计算、数据分析与可视化、系统仿真等强大的功能，而且具有可扩展性特征。Mathworks 公司针对不同领域的应用，推出了自动控制、信号处理、图像处理、模糊逻辑、神经网络、小波分析、通信、最优化、数理统计、偏微分方程、财政金融等 30 多个具有专门功能的 MATLAB 工具箱。各种工具箱中的函数可以互相调用，也可以由用户自己更改。MATLAB 支持用户对其函数进行二次开发，用户的应用程序可以作为新的函数添加到相应的工具箱中。
(3)易学易用性
MATLAB 不需要用户有高深的数学知识和程序设计能力，不需要用户深刻了解算法及编程技巧。
(4)高效性
MATLAB 语句功能十分强大，一条语句可完成十分复杂的任务。它大大加快了工程技术人员从事软件开发的效率。据 Math works 公司声称，MATLAB 软件中所包含MATLAB源代码相当于 70 万条 C 代码。正是MATLAB 语言的这些优势，我们选择采用这种语言实现图像处理算法，利用MATLAB 强大的工具包，使算法易于实现。
2. MATLAB 的缺点
然而 MATLAB 自身存在的某些缺点限制了它的应用范围。
(1)MATLAB 是一种解释性语言，所以它的语言执行效率低，这对于实时性要求较高的领域，如自动控制、信号处理等，其实时效率是较差的。
(2)MATLAB 程序不能脱离其环境运行，因此它不能被用于开发商用软件。
(3)程序可以被直接看到程序的源代码，因而不利于算法和数据的保密。
2.2.2 MATLAB支持的图像类型及其转换分析
MATLAB 中的一幅图像可能包含一个数据矩阵，也可能包含一个颜色映射表矩阵，它包含 4 种基本的图像类型：索引图像、灰度图像、RGB 图像和二值图像。此外，MATLAB还支持由多帧图像组成的图像序列。
1. 索引图像
索引图像包括一个数据矩阵 A，一个颜色映射矩阵 B。其中 B 是一个包含 3 列和若干行的数据阵列。B 矩阵的每一行分别表示红色、绿色和蓝色的颜色值。在 MATLAB 中，索引图像是从像素值到颜色映射表值的直接映射。像素颜色由数据矩阵 A 作为索引指向矩阵 B 进行索引。例如，值 1 指向矩阵 B 中的第一行，2 指向第二行，依此类推。
2. 灰度图像
MATLAB 中，一幅灰度图像是一个数据矩阵 I,其中 I 的数据均代表了在一定范围内的颜色灰度值。MATLAB 把灰度图像存储为一个数据矩阵，该数据矩阵中的元素分别代表了图像中的像素。矩阵中的元素可以是双精度的浮点数类型、8 位或 16 位无符号的整数类型。大多数情况下，灰度图像很少和颜色映射表一起保存。但是在显示灰度图像时，MATLAB 仍然在后台使用系统预定义的默认的灰度颜色映射表。
3. 二值图像
与灰度图像相同，二值图像只需要一个数据矩阵，每个像素只取两个灰度值。二值图像可以采用 uint8 和 double 类型存储，工具箱中以二值图像作为返回结果的函数都使用 uint8 类型。