在本实验中，我们将深入探讨数字图像处理领域，利用MATLAB这一强大的数学计算与图形化编程环境进行一系列操作。实验的四个主要部分包括图像的基本坐标变换、直方图均衡、自适应中值滤波以及根据教材P120页的仿真任务。MATLAB由于其丰富的图像处理函数库和直观的图形用户界面（GUI）设计能力，成为了此类实验的理想选择。
图像基本坐标变换是图像处理的基础。这涉及到图像的平移、旋转、缩放和翻转等操作。在MATLAB中，我们可以使用imrotate()函数进行图像旋转，imtranslate()用于平移，imresize()则可以完成缩放。理解这些基本变换原理和MATLAB实现方式，有助于我们更好地操控和分析图像。
直方图均衡是提升图像对比度的有效手段。直方图反映了图像中像素值的分布情况。通过拉伸或压缩像素值的分布，可以改善图像的整体亮度和对比度。MATLAB中的imhist()函数可以绘制图像的直方图，histeq()函数则可以实现直方图均衡化。这个过程通常涉及对数变换、幂律变换等统计方法。
接着，自适应中值滤波是一种非线性滤波技术，主要用于去除图像中的噪声，特别是椒盐噪声。它基于每个像素邻域内的灰度值中位数，而非平均值，因此对局部异常值有较好的抑制效果。在MATLAB中，我们可以自定义滤波器大小，使用medfilt2()函数来实现二维中值滤波，对于自适应中值滤波，可能需要编写自定义函数，依据邻域像素特性动态调整滤波策略。
根据教材P120页的仿真任务，可能是对某个特定的图像处理算法或概念的实践。这可能涉及更复杂的图像处理技术，例如边缘检测、图像分割或者色彩空间转换。通常需要阅读和理解教材内容，然后用MATLAB编写相应的代码实现。
实验文件test2.fig和test2.m是实验的核心。test2.fig是MATLAB的图形用户界面文件，包含了实验所需的所有控件和布局设计。通过打开并运行这个GUI，用户可以直接交互地进行图像处理操作。而test2.m则是MATLAB脚本或函数文件，包含了所有图像处理的算法实现和GUI的控制逻辑。通过这两份文件，我们可以实现整个实验流程，从读取图像、执行各种处理到显示结果。
这个实验旨在帮助学习者掌握数字图像处理的基本概念和MATLAB编程技巧，通过实际操作加深对图像坐标变换、直方图均衡、自适应滤波等核心知识点的理解，并锻炼动手能力和问题解决能力。在完成实验后，不仅能够熟悉MATLAB的图像处理工具箱，还能为后续的高级图像处理课程打下坚实基础。
