MATLAB 视频测平面移动距离 1）灰度校正；2）图像滤波；3）阈值分割；4）二值化；5）运动目标检测；6）形态学处理，腐蚀和膨胀运算；8）局部阈值分割提取该区域的灰度中心坐标，获得目标位置。代码实现

这是一个比较复杂的视频处理任务，需要涉及多个步骤和算法。以下是一个大致的思路和代码实现：

1. 灰度校正

视频中的每一帧可能受到光照等因素的影响，需要进行灰度校正，使得不同帧之间的灰度值更加统一。可以使用直方图均衡化等方法实现灰度校正。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行灰度校正
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    
    % 显示灰度校正后的图像
    imshow(gray_eq);
end

2. 图像滤波

视频中的每一帧可能存在噪声等干扰，需要使用滤波器进行去噪。可以使用高斯滤波器等方法实现图像滤波。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行图像滤波
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    img_filter = imgaussfilt(gray_eq, 3); % 使用高斯滤波器
    
    % 显示滤波后的图像
    imshow(img_filter);
end

3. 阈值分割

使用阈值分割将图像转换为二值图像。可以使用 Otsu 算法等方法自动确定阈值，也可以手动设置阈值。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行阈值分割
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    img_filter = imgaussfilt(gray_eq, 3);
    threshold = graythresh(img_filter); % 自动确定阈值
    
    % 二值化图像
    img_binary = imbinarize(img_filter, threshold);
    
    % 显示二值图像
    imshow(img_binary);
end

4. 运动目标检测

使用运动目标检测算法，如光流法、背景差分法等方法，检测出视频中的运动目标。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行运动目标检测
prev_frame = [];
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    img_filter = imgaussfilt(gray_eq, 3);
    threshold = graythresh(img_filter);
    img_binary = imbinarize(img_filter, threshold);
    
    % 运动目标检测
    if isempty(prev_frame)
        prev_frame = img_binary;
        continue;
    else
        flow = estimateFlow(opticFlow, prev_frame);
        motion_mask = motionSegmentation(flow);
        prev_frame = img_binary;
    end
    
    % 显示运动目标图像
    imshow(motion_mask);
end

5. 形态学处理

使用形态学处理方法，如腐蚀、膨胀等操作，进一步处理二值图像，去除噪点、填充空洞等。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行形态学处理
prev_frame = [];
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    img_filter = imgaussfilt(gray_eq, 3);
    threshold = graythresh(img_filter);
    img_binary = imbinarize(img_filter, threshold);
    
    % 运动目标检测
    if isempty(prev_frame)
        prev_frame = img_binary;
        continue;
    else
        flow = estimateFlow(opticFlow, prev_frame);
        motion_mask = motionSegmentation(flow);
        prev_frame = img_binary;
    end
    
    % 形态学处理
    se = strel('disk', 5);
    motion_mask = imclose(motion_mask, se);
    motion_mask = imfill(motion_mask, 'holes');
    
    % 显示处理后的图像
    imshow(motion_mask);
end

6. 局部阈值分割提取灰度中心坐标

使用局部阈值分割方法，在运动目标图像中提取出目标的灰度中心坐标。

% 读取视频
v = VideoReader('test.mp4');

% 循环遍历每一帧，并进行局部阈值分割提取灰度中心坐标
prev_frame = [];
while hasFrame(v)
    frame = readFrame(v);
    gray = rgb2gray(frame);
    gray_eq = histeq(gray);
    img_filter = imgaussfilt(gray_eq, 3);
    threshold = graythresh(img_filter);
    img_binary = imbinarize(img_filter, threshold);
    
    % 运动目标检测
    if isempty(prev_frame)
        prev_frame = img_binary;
        continue;
    else
        flow = estimateFlow(opticFlow, prev_frame);
        motion_mask = motionSegmentation(flow);
        prev_frame = img_binary;
    end
    
    % 形态学处理
    se = strel('disk', 5);
    motion_mask = imclose(motion_mask, se);
    motion_mask = imfill(motion_mask, 'holes');
    
    % 局部阈值分割提取灰度中心坐标
    img_gray = gray_eq .* uint8(motion_mask);
    img_gray = imgaussfilt(img_gray, 3);
    img_local_threshold = localthresh(img_gray, 31, 0.2);
    img_local_threshold = imbinarize(img_gray, img_local_threshold);
    s = regionprops(img_local_threshold, 'centroid');
    centroids = cat(1, s.Centroid);
    
    % 显示提取出的目标位置
    imshow(img_local_threshold);
    hold on;
    plot(centroids(:,1), centroids(:,2), 'r*');
    hold off;
end

以上是一个大致的思路和代码实现，具体实现细节和参数调整需要根据实际情况进行。