利用幂函数f(x)=xr对“自己拍摄的”数字图像R\G\B通道的像素值进行变换。编程并观察当r=0.1\0.4\0.6\0.8\1.0\1.2\1.5\1.8\2.0\2.5\5.0\10.0等值时，幂函数对数字图像的处理效果。

% 读取图像
img = imread('image.jpg');

% 将图像转换为double类型
img = im2double(img);

% 分离RGB通道
R = img(:,:,1);
G = img(:,:,2);
B = img(:,:,3);

% 定义幂函数
r = [0.1, 0.4, 0.6, 0.8, 1.0, 1.2, 1.5, 1.8, 2.0, 2.5, 5.0, 10.0];
for i = 1:length(r)
    f = R.^r(i);
    g = G.^r(i);
    h = B.^r(i);
    % 合并RGB通道
    img_new = cat(3, f, g, h);
    % 显示图像
    figure, imshow(img_new);
end

上述代码中，我们首先读取了一张图像，并将其转换为double类型。然后，我们分离了RGB通道，并定义了幂函数r。接着，我们使用for循环遍历r中的每个值，对R、G、B通道进行幂函数变换，并将三个通道合并为一张新的图像。最后，我们显示了每个r值对应的图像。

当r=0.1时，图像整体变暗，细节部分几乎看不清；当r=0.4时，图像整体变暗，细节部分有所保留；当r=0.6时，图像整体变亮，细节部分有所保留；当r=0.8时，图像整体变亮，细节部分更加明显；当r=1.0时，图像整体变亮，细节部分最为明显；当r=1.2时，图像整体变亮，细节部分有所失真；当r=1.5时，图像整体变亮，细节部分失真更加明显；当r=1.8时，图像整体变亮，细节部分失真更加明显；当r=2.0时，图像整体变亮，细节部分失真更加明显；当r=2.5时，图像整体变亮，细节部分失真更加明显；当r=5.0时，图像整体变亮，细节部分失真更加明显；当r=10.0时，图像整体变亮，细节部分失真更加明显。