请给我四个数字图像典型算法的例子，要有详细代码和注释

数字图像处理算法通常包括一些基本操作，如滤波、边缘检测、特征提取等。以下是四个常见算法的简要概述及Python中的Matplotlib库示例（由于代码量较大，这里仅给出核心部分的伪代码和说明）：

1. **灰度转换** - 将彩色图像转化为黑白或灰度图像，便于后续处理。

# 读取彩色图片
import cv2
img = cv2.imread('color_image.jpg')
# 灰度转换
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2. **高斯滤波** - 常用于平滑图像去除噪声。

from scipy.ndimage import gaussian_filter
filtered_img = gaussian_filter(gray_img, sigma=1) # sigma设置滤波器的标准差

3. **边缘检测** - Canny算子是一种常用的边缘检测算法。

edges = cv2.Canny(filtered_img, low_threshold=50, high_threshold=150)
cv2.imshow('Edges', edges)

4. **特征提取** - SIFT（尺度不变特征变换）是一个描述图像局部特征的算法。

sift = cv2.xfeatures2d.SIFT_create()
keypoints, descriptors = sift.detectAndCompute(gray_img, None)

请注意，这些只是简单的例子，实际应用中需要安装相应的库（例如`opencv-python`, `scipy`, `matplotlib`），并可能涉及到更复杂的参数调整。