空間色彩：RGB空間色彩、CMY空間色彩、HSI空間色彩
顏色模型的分類：RGB模型、HSV模型、YCbCr模型、NTSC模型
搞清楚這幾種彩色模型的原理和轉換
圖像在計算機上的顯示類型：二值圖像、灰度圖像、彩色圖像（偽彩色圖像和真彩色圖像）
matlab中的四種基本圖像類型：索引圖像、灰度圖像、RGB圖像、二值圖像
搞清楚這幾種圖像類型的原理和轉換
0、圖像的讀入與顯示
函數：
A=imread('1.jpg');
imshow(A)％顯示圖片
1、彩色圖片轉換為灰度圖片
函數：rgb2gray()
我們通過計算機顯示屏看到的圖像，都是由RBG三通道圖片組合而成（可以仔細看顯示屏，都會有紅藍綠三種小LED組合），這就是三基色，每個顏色都有255個取值，共有255*255*255中龐大的顏色群。而灰度圖像，只有255個灰度級，通過公式就可以把RBG的圖像轉換成灰度圖了
GRAY=0.2989*R+0.5870*G+0.1140*B
matlab為我們提供rbg2gray這個函數來實現他們之間的轉化
例子：
實驗結果：
如果圖片本來是灰度圖像，那又是什么結果呢
顯然沒有任何變化
小結：
把RBG彩色圖像變成灰度圖像，能夠節省下很多的數據量，方便下一步的處理。變成灰度圖片后，再轉換成二值圖像，就更加方便了。
2、圖像的二值化處理
二值化是對圖像純粹的黑白處理，也就是像素上點的灰度值全部是0或255，減少圖像的數據量，突出目標的輪廓特征。
圖像上的點是黑是白，就需要一個中間值來判斷，這個值就是閾值，用函數lev=graythresh(imdata)，然后就是二值化了 bwimg = im2bw( imdata, lev)。
例子：
運行結果：
小結：
1、二值化的這個閾值的選擇很重要，看，這個圖片並不能很好的反應出照片的特征，這能顯示大體的輪廓，這個的適用范圍很有限
2、彩色圖像是m*n^255*255*255(RBG模型)，灰度圖像是m*n^255，二值化的圖像是m*n^2，需要處理的數據量逐漸減少
3、圖片轉化為負片
函數：imadjust（）
首先，知道一下負片的概念，就是以前膠卷的底片，它的顏色和正常照片的正好相反，比如黑色就變成白色，淺黑就變成淺白色，紅色變成青色等等
然后，了解下背后的原理，如灰度圖片，是由很多像素組成，每個像素都是在0~255之間的一個值，0是黑色，255就是白色，中間的就是灰色地帶，0的負片就變成了255,（純黑變純白），黑白圖片看起來很容易解釋，但彩色圖片就很少見到它的負片了，一般是RGB圖像，RGB三個值都取反一下，就變成我們不知道的色彩，有些陌生，今天拿幾種顏色實驗一下：
最后就用實例，看圖解釋
A=imread('star.jpg');
A1=imadjust(A,[0,1],[1,0]);
figure,
subplot(211);imshow(A);title('原圖');
subplot(212);imshow(A1) ;title('負片');
實驗結果：
小結：
1、以前好看的圖片變成負片以后，開始一看，真不知道是什么鬼，嚇死人，但了解原理后知道，這只是對照片色彩的相反顏色，看來顏色的效果不容忽視
2、另外就是imadjust(A,[0,1],[1,0]) 這里了，這里可以自己設置數字，而[0,1]和[1,0]是系統默認值，就是原來的54變成了（255-54）了
總結：
1、收獲
今天的實驗，了解matlab中彩色圖像，灰度圖像和二值圖像，逐級的轉化，和他們之間的特征：
彩色圖像到灰度圖像—— GRAY=0.2989*R+0.5870*G+0.1140*B
灰度圖像到二值圖像—— 找到lev
另外，通過對負片的了解，知道255這個值得變化對圖片產生很大的影響
2、遺憾
對RBG模型，HSV模型缺乏感性的認識，要對它做實驗了解
對索引圖像缺乏了解