matlab图像处理for循环

以下是一个简单的 MATLAB 图像处理程序，用于读取图像、转换为灰度图像、应用 Sobel 边缘检测器和显示结果。这个程序使用了 for 循环。

% 读取图像
image = imread('example.jpg');

% 转换为灰度图像
gray_image = rgb2gray(image);

% 初始化 Sobel 算子
sobel_x = [-1 0 1; -2 0 2; -1 0 1];
sobel_y = [1 2 1; 0 0 0; -1 -2 -1];

% 初始化输出图像
[m, n] = size(gray_image);
sobel_image = zeros(m, n);

% 应用 Sobel 算子
for i = 2:m-1
    for j = 2:n-1
        gx = sum(sum(sobel_x .* double(gray_image(i-1:i+1, j-1:j+1))));
        gy = sum(sum(sobel_y .* double(gray_image(i-1:i+1, j-1:j+1))));
        sobel_image(i, j) = sqrt(gx^2 + gy^2);
    end
end

% 显示结果
subplot(1, 2, 1);
imshow(gray_image);
title('原图像');

subplot(1, 2, 2);
imshow(sobel_image, []);
title('Sobel 边缘检测结果');

这段代码首先使用 `imread` 函数读取名为 `example.jpg` 的图像。然后使用 `rgb2gray` 函数将图像转换为灰度图像。接下来，创建了两个 $3\times3$ 的矩阵，表示 Sobel 算子的水平和垂直方向的权重。然后初始化了一个大小与灰度图像相同的矩阵 `sobel_image`，用于保存 Sobel 边缘检测结果。接下来，使用两个嵌套的 for 循环遍历灰度图像的每个像素，计算 Sobel 算子在该像素周围 $3\times3$ 区域内的响应，然后将响应的平方和开方作为该像素的边缘强度值，并保存到 `sobel_image` 中。最后，使用 `imshow` 函数显示原始图像和 Sobel 边缘检测结果。注意，第二个子图的第二个参数 `[]` 表示使用默认的显示范围，使得图像的最小值为 0，最大值为边缘强度的最大值。