给出MATLAB中的数字图像处理代码课程设计

MATLAB是一种广泛用于科学计算和工程分析的高级编程语言，对于数字图像处理有着丰富的库和支持。在MATLAB的课程设计中，数字图像处理通常涵盖以下几个部分：

1. **图像读取和显示**：使用`imread`函数读取图像文件，然后通过`imshow`展示图片。

img = imread('example.jpg');
imshow(img);

2. **图像预处理**：包括灰度化、滤波（如均值滤波、高斯滤波）、二值化等操作。

   gray_img = rgb2gray(img);
   filtered_img = imgaussfilt(gray_img, 5); % 使用高斯滤波
   bw_img = imbinarize(filtered_img); // 二值化

3. **图像增强**：如直方图均衡化、对比度拉伸等。

   eq_hist_img = histeq(gray_img); % 直方图均衡化
   contrast_stretched_img = imadjust(gray_img); % 对比度拉伸

4. **特征提取与描述**：例如边缘检测（Sobel算子、Canny边缘检测），角点检测（Harris角点检测）等。

   edges = edge(gray_img, 'Canny');
   keypoints = cornerHarris(edges); % Harris角点检测

5. **图像变换**：包括旋转、缩放、平移、仿射变换等。

   rotated_img = imrotate(img, pi/4);
   scaled_img = imresize(img, [0.5 0.5]); // 缩小一半

6. **图像分割**：可以使用阈值法、区域生长算法、分水岭算法等。

   segment_img = imsegkmeans(gray_img, 2); % K-means聚类分割

7. **目标检测与识别**：基于机器学习的方法，比如模板匹配、特征匹配等。

课程设计会要求学生实际编写代码并分析结果，理解各种技术背后的原理以及它们在实际应用中的优缺点。