使用matlab计算每个像素点的RGB值，这作为原始的颜色特征。然后，对图像应用边缘检测算法（如Sobel算子），得到灰度图像的梯度强度

在MATLAB中，计算每个像素点的RGB（红绿蓝）值通常涉及到读取图像并提取其颜色信息。首先，你可以使用`imread`函数读取图片，例如：

img = imread('your_image.jpg'); % 替换为你要处理的图像文件名

然后，使用`rgb2gray`函数将彩色图像转换为灰度，以便于进一步处理：

gray_img = rgb2gray(img);

接下来，为了获取每个像素点的RGB值，你需要访问图像数组的元素。在灰度图像中，每个像素点是一个数值，但在原始RGB图像中，每个像素点是包含三个分量（R、G、B）的向量。你可以通过索引来访问它们：

% 获取第一个像素点的RGB值
[red, green, blue] = ind2sub(size(img), [1, 1, 3]); % 索引从1开始
pixel_rgb = img(red, green, blue); % RGB值

% 对所有像素点重复此操作，可以使用for循环或cell array存储结果
pixel_rgb_values = zeros(size(img, 1), size(img, 2), 3); % 三维数组来储存所有的RGB值
for i = 1:size(img, 1)
    for j = 1:size(img, 2)
        pixel_rgb_values(i, j, :) = img(i, j, :);
    end
end

对于边缘检测，MATLAB有内置的边缘检测函数，比如`sobel`或`edge`，用于计算灰度图像的梯度强度：

sobel_grad = sobel(gray_img);