空间色彩：RGB空间色彩、CMY空间色彩、HSI空间色彩
颜色模型的分类：RGB模型、HSV模型、YCbCr模型、NTSC模型
搞清楚这几种彩色模型的原理和转换
图像在计算机上的显示类型：二值图像、灰度图像、彩色图像（伪彩色图像和真彩色图像）
matlab中的四种基本图像类型：索引图像、灰度图像、RGB图像、二值图像
搞清楚这几种图像类型的原理和转换
0、图像的读入与显示
函数：
A=imread('1.jpg');
imshow(A)％显示图片
1、彩色图片转换为灰度图片
函数：rgb2gray()
我们通过计算机显示屏看到的图像，都是由RBG三通道图片组合而成（可以仔细看显示屏，都会有红蓝绿三种小LED组合），这就是三基色，每个颜色都有255个取值，共有255*255*255中庞大的颜色群。而灰度图像，只有255个灰度级，通过公式就可以把RBG的图像转换成灰度图了
GRAY=0.2989*R+0.5870*G+0.1140*B
matlab为我们提供rbg2gray这个函数来实现他们之间的转化
例子：
实验结果：
如果图片本来是灰度图像，那又是什么结果呢
显然没有任何变化
小结：
把RBG彩色图像变成灰度图像，能够节省下很多的数据量，方便下一步的处理。变成灰度图片后，再转换成二值图像，就更加方便了。
2、图像的二值化处理
二值化是对图像纯粹的黑白处理，也就是像素上点的灰度值全部是0或255，减少图像的数据量，突出目标的轮廓特征。
图像上的点是黑是白，就需要一个中间值来判断，这个值就是阈值，用函数lev=graythresh(imdata)，然后就是二值化了 bwimg = im2bw( imdata, lev)。
例子：
运行结果：
小结：
1、二值化的这个阈值的选择很重要，看，这个图片并不能很好的反应出照片的特征，这能显示大体的轮廓，这个的适用范围很有限
2、彩色图像是m*n^255*255*255(RBG模型)，灰度图像是m*n^255，二值化的图像是m*n^2，需要处理的数据量逐渐减少
3、图片转化为负片
函数：imadjust（）
首先，知道一下负片的概念，就是以前胶卷的底片，它的颜色和正常照片的正好相反，比如黑色就变成白色，浅黑就变成浅白色，红色变成青色等等
然后，了解下背后的原理，如灰度图片，是由很多像素组成，每个像素都是在0~255之间的一个值，0是黑色，255就是白色，中间的就是灰色地带，0的负片就变成了255,（纯黑变纯白），黑白图片看起来很容易解释，但彩色图片就很少见到它的负片了，一般是RGB图像，RGB三个值都取反一下，就变成我们不知道的色彩，有些陌生，今天拿几种颜色实验一下：
最后就用实例，看图解释
A=imread('star.jpg');
A1=imadjust(A,[0,1],[1,0]);
figure,
subplot(211);imshow(A);title('原图');
subplot(212);imshow(A1) ;title('负片');
实验结果：
小结：
1、以前好看的图片变成负片以后，开始一看，真不知道是什么鬼，吓死人，但了解原理后知道，这只是对照片色彩的相反颜色，看来颜色的效果不容忽视
2、另外就是imadjust(A,[0,1],[1,0]) 这里了，这里可以自己设置数字，而[0,1]和[1,0]是系统默认值，就是原来的54变成了（255-54）了
总结：
1、收获
今天的实验，了解matlab中彩色图像，灰度图像和二值图像，逐级的转化，和他们之间的特征：
彩色图像到灰度图像—— GRAY=0.2989*R+0.5870*G+0.1140*B
灰度图像到二值图像—— 找到lev
另外，通过对负片的了解，知道255这个值得变化对图片产生很大的影响
2、遗憾
对RBG模型，HSV模型缺乏感性的认识，要对它做实验了解
对索引图像缺乏了解