请详细说明在MATLAB中如何进行图像的线性扩展、非线性扩展、灰度倒置以及二值化处理，并结合实例进行演示。

在MATLAB中进行图像处理时，可以通过一系列的函数和操作来实现不同类型的图像转换。以下是如何分别实现线性扩展、非线性扩展、灰度倒置以及二值化的详细步骤：

参考资源链接：[MATLAB图像处理：线性与非线性变换、灰度倒置与二值化](https://wenku.csdn.net/doc/4f6riov77j?spm=1055.2569.3001.10343)

1. 线性扩展：线性扩展使用`imadjust`函数，将输入图像的灰度级范围映射到一个新的范围，从而增强图像的对比度。例如，如果要将灰度范围从[0.3, 0.6]映射到[0.1, 0.9]，可以使用以下命令：

   J = imadjust(I, [0.3, 0.6], [0.1, 0.9]);

其中`I`是原始图像，`J`是经过线性扩展后的图像。

2. 非线性扩展：非线性扩展通常使用对数变换或其他变换来增强图像的低灰度区域。在MATLAB中，可以使用以下代码来实现对数变换：

   K = C * log(1 + double(I2));

其中`I2`是归一化的输入图像，`C`是用于调整输出范围的常数。

3. 灰度倒置：灰度倒置是将图像的灰度值进行反转，最简单的方法是使用逻辑非操作符`~`或直接减去255：

   M = ~I; % 或者 M = 255 - I;

其中`I`是原始图像，`M`是灰度倒置后的图像。

4. 二值化：二值化是将灰度图像转换为二值图像，主要使用`im2bw`函数，并指定一个阈值。例如，使用0.5作为阈值的二值化命令如下：

   BW = im2bw(I, 0.5);

其中`I`是原始图像，`BW`是二值化后的图像。

为了演示上述操作，可以使用提供的hough.bmp和rice.bmp图像进行实验。首先，使用`imread`函数读取图像：

I = imread('hough.bmp');

然后，可以依次应用上述函数和操作，查看和比较处理前后的图像效果。

通过以上步骤，你可以轻松地在MATLAB中进行图像的线性扩展、非线性扩展、灰度倒置以及二值化处理。建议查阅《MATLAB图像处理：线性与非线性变换、灰度倒置与二值化》以获得更深入的理解和更多的图像处理技术。

参考资源链接：[MATLAB图像处理：线性与非线性变换、灰度倒置与二值化](https://wenku.csdn.net/doc/4f6riov77j?spm=1055.2569.3001.10343)