请用matlab代码可视化CNN网络对影像位深进行降位的过程

以下是一个简单的示例代码，用于可视化CNN网络对影像位深进行降位的过程。代码中使用了一个简单的CNN模型，用于对输入图像进行2倍下采样（相当于将位深降低为原来的1/4），并输出下采样后的图像。

% 加载图像并转换为灰度图
img = imread('lena.png');
gray_img = rgb2gray(img);

% 将灰度图转换为单精度浮点数，并将像素值归一化到 [0, 1] 范围内
input_img = single(gray_img) / 255;

% 定义CNN网络
layers = [
    imageInputLayer([256 256 1])
    convolution2dLayer(3, 16, 'Padding', 1)
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    convolution2dLayer(3, 32, 'Padding', 1)
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    convolution2dLayer(3, 64, 'Padding', 1)
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    convolution2dLayer(3, 128, 'Padding', 1)
    reluLayer
    transposedConv2dLayer(4, 128, 'Stride', 2, 'Cropping', 1)
    convolution2dLayer(3, 64, 'Padding', 1)
    reluLayer
    transposedConv2dLayer(4, 64, 'Stride', 2, 'Cropping', 1)
    convolution2dLayer(3, 32, 'Padding', 1)
    reluLayer
    transposedConv2dLayer(4, 32, 'Stride', 2, 'Cropping', 1)
    convolution2dLayer(3, 16, 'Padding', 1)
    reluLayer
    transposedConv2dLayer(4, 1, 'Stride', 2, 'Cropping', 1)
    regressionLayer];
net = trainNetwork(input_img, input_img, layers);

% 可视化CNN网络的下采样过程
figure;
subplot(1, 2, 1);
imshow(input_img);
title('Original Image');
subplot(1, 2, 2);
downsampled_img = predict(net, input_img);
imshow(downsampled_img);
title('Downsampled Image');

在上述代码中，我们首先加载了一张彩色图像，并将其转换为灰度图。然后，我们将灰度图转换为单精度浮点数，并将其像素值归一化到 [0, 1] 范围内。接着，我们定义了一个简单的CNN模型，其中包含了多个卷积层、ReLU激活层、池化层和反卷积层。该模型的作用是将输入图像进行2倍下采样，并输出下采样后的图像。

最后，我们使用训练好的CNN模型对输入图像进行下采样，并将原始图像和下采样后的图像可视化到同一个窗口中，以便比较它们的区别。