2. 图像类型与色彩空间转换

在 MATLAB 图像处理中，图像并不是“图片”这个模糊概念，而是具有明确维度和数值范围的矩阵。同一幅画面，用不同的图像类型存储，其数据结构、取值范围和显示方式都不同。理解灰度、二值、索引和 RGB 四类图像的数据组织方式，是后续滤波、分割、特征提取能够正确进行的前提。本节围绕这四类图像的数据结构展开，并给出 rgb2gray、im2double、ind2rgb 等转换函数的实际用法，最后实现彩色图像到灰度图像的批量处理。

四类图像的数据结构

灰度图像是二维矩阵，尺寸为 M×N，每个元素代表一个像素的亮度。常见存储类型为 uint8，取值范围 0～255，0 表示黑，255 表示白；若为 double 类型，则取值范围约定为 0～1。灰度图像只有一个通道，因此矩阵的行列直接对应像素的空间位置。

二值图像是逻辑型（logical）二维矩阵，元素只有 0 和 1 两个值，分别代表背景与前景。它常用于分割结果、掩膜（mask）和形态学操作的输入输出。需要注意，二值图像在内存中每个元素占 1 字节，但语义上只有两种状态，不能当作普通灰度图参与算术运算而不加转换。

索引图像由两个数组组成：数据矩阵 X（M×N，元素为整数索引）和颜色映射表 map（K×3 的 double 矩阵，每行是一个 RGB 三元组，取值 0～1）。像素颜色不直接存在 X 中，而是通过 X 的值去查 map 的第几行。这种结构在早期 GIF、科学伪彩图和类别标注图中很常见，优点是颜色表可统一替换，从而快速改变整幅图的配色。

RGB 图像是三维矩阵，尺寸为 M×N×3，第三维依次为红、绿、蓝三个通道。uint8 类型下每个通道取值 0～255，double 类型下为 0～1。三个通道叠加决定最终颜色，因此 RGB 图像的数据量是同等尺寸灰度图的三倍。

转换函数的关键行为

rgb2gray 把 M×N×3 的彩色矩阵压缩为 M×N 的灰度矩阵。它并非简单取三通道平均，而是按亮度加权：Y = 0.2989·R + 0.5870·G + 0.1140·B。绿色权重最高，符合人眼对绿光更敏感的特性。输入为 uint8 时输出仍为 uint8，输入为 double 时输出为 double，数值范围随输入类型保持一致。

im2double 负责类型与量纲的统一。对 uint8 输入，它把每个元素除以 255，映射到 0～1 的 double；对已经是 double 的输入，若数值本就在 0～1 则基本不变。很多算法（如 imfilter、边缘检测、SIFT 类特征）在 double 域计算更稳定，因此读入图像后先 im2double 是常见做法。与之相对的 im2uint8 则把 0～1 的 double 还原为 0～255 的 uint8，便于保存和显示。

ind2rgb 把索引图像还原为 RGB 图像，调用形式为 RGB = ind2rgb(X, map)。它按 X 中的索引逐像素查 map 得到三通道值，输出为 double 类型、范围 0～1。若只想把索引图当灰度图使用，应改用 ind2gray，它会把颜色表按亮度加权折算成灰度，而不是简单取索引值。

此外，gray2ind 与 rgb2ind 用于生成索引图像，mat2gray 用于把任意范围的 double 矩阵拉伸到 0～1，这些函数在需要统一显示或压缩存储时很有用。

批量彩色转灰度处理

实际项目中往往有成百上千张彩色图需要统一转为灰度。下面给出一个可直接运行的批量处理脚本，输入为某个文件夹下的所有 JPG/PNG 彩色图，输出为同名灰度图，并统一保存为 PNG 以避免二次压缩损失。

srcDir = 'C:\data\color';      % 彩色图输入目录
dstDir = 'C:\data\gray';       % 灰度图输出目录
if ~exist(dstDir, 'dir')
    mkdir(dstDir);
end

files = [dir(fullfile(srcDir, '*.jpg'));
         dir(fullfile(srcDir, '*.png'))];

for k = 1:numel(files)
    inName  = fullfile(srcDir, files(k).name);
    I = imread(inName);

    % 统一转为 double 灰度，便于后续算法处理
    if size(I, 3) == 3
        G = rgb2gray(I);        % 彩色 -> 灰度
    else
        G = I;                  % 已是灰度则直接使用
    end
    G = im2double(G);           % 归一化到 0~1

    % 保存时转回 uint8，避免显示发白或全黑
    [~, base, ~] = fileparts(files(k).name);
    outName = fullfile(dstDir, [base '.png']);
    imwrite(im2uint8(G), outName);
end
disp(['处理完成，共 ' num2str(numel(files)) ' 张']);

脚本中有三个关键点值得注意。第一，用 size(I,3)==3 判断是否为彩色图，避免对已经是灰度的图重复调用 rgb2gray 而报错。第二，im2double 放在 rgb2gray 之后，使灰度值落在 0～1，后续若做阈值分割或滤波，参数含义更直观。第三，保存前用 im2uint8 还原，因为 imwrite 对 double 图像默认按 0～1 解释，若直接写 0～255 的 double 会被截断成接近全白。

结果检查与常见问题

处理完成后应做基本校验。可用 imfinfo 查看输出文件的位深与颜色类型，确认已变为灰度；也可随机抽取几张用 imshow 对比原图与灰度图，观察亮度层次是否合理。若发现输出整体偏白，通常是 double 未归一化就交给 imwrite；若整体偏黑，则可能是把 0～255 的 uint8 误当 0～1 的 double 处理。索引图若被误当灰度图，会出现颜色错乱或索引值被当作亮度，此时应检查是否遗漏了 ind2rgb 或 ind2gray。

掌握这四类图像的结构差异与转换函数的行为边界，就能在读取、处理、保存的每个环节选择正确的类型，避免因量纲或通道数不匹配导致的隐蔽错误，为后续的滤波、分割与特征提取打下可靠基础。