内有下载链接 图像识别：图像的灰度化和二值化，图像识别：图像的灰度化和二值化

最大方差法计算灰度分割门限,是用于灰度处理，非常基础的代码，学习matlab的朋友可以下在过去参考一下，学习学习

灰度图象的直方图规定化处理实验报告 BMP图象文件结构、文件操作等基本功能 直方图均衡、直方图规定化处理等技术

对灰度图像进行小波分解，比如人耳、人脸等的图像，用matlab语言实现

matlab灰色处理代码基于深度学习的投影梯度下降用于图像重建 该项目包括一个框架，以： 在Pytorch中训练神经网络（Unet）作为图像到图像投影仪，将其导出为.pth和.onnx格式 在[1]中应用松弛投影梯度下降（RPGD）进行图像重建。 对于这一部分，在Python和Matlab中都提供了代码。 在Matlab中，由于有许多库，测量操作员可能更容易获得。 %%% 入门 先决条件 Python 3.7 Pytorch 1.1.0 Scipy 1.2.1 Matplotlib 3.0.3 对于Matlab代码： Matlab R2019a深度学习工具箱 正在安装 下载文件夹代码和数据 运行测试 此处提供的干净数据（位于train_target和test_target文件夹中）包含200个训练图像，20个测试图像，每个图像都有1个通道，灰度像素为320x320。 每个图像都是从Matlab幻象函数生成的，参数是从修改后的Shepp-Logan头部幻像获得的参数E，然后通过使E = E + 0.01 * randn（10,6）来添加一些变化。 测量算子H是5x5卷积，权重= 1/25

使用C#编写，结合OpenCVSharp，将选择的图片转化为灰度图，保存灰度图片，完整代码，测试可运行，需要先配置OpenCVSharp

此函数根据源图像的颜色将灰度图像转换为 RGB。 此代码最初的灵感来自 Jeny Rajan 和 Chandrashekar PS 的代码 gray2rgb。该代码经过优化和重写，以更接近地实现 Welsh、Ashikhmin 和 Mueller 的论文“将颜色转换为灰度图像”中描述的内容。 获得与 Rajan 代码相同的结果要快得多，尤其是对于大图像。

这是一个自己写的图像灰度化程序，包含彩色图像灰度化、灰度线性化。

对于原始的yuv图像由于未经压缩，通常占存储比较大，即使是减少了uv分量的yuv420图像仍然是相当大。在一些网络传输中，通常需要进行视频流的压缩，使用库将yuv420sp压缩为jpeg流，包含灰度和彩色两种模式。

打开一张图片 显示鼠标区域的灰度值和灰度直方图 本人转载