如果您知道它们所在目录的名称，或者如果您知道该目录的名称，请使用dir获取图像名称列表。

现在，它只是在图像中加载的for循环。将图像存储在单元格阵列中。例如...

D = dir('*.jpg');
imcell = cell(1,numel(D));
for i = 1:numel(D)
  imcell{i} = imread(D(i).name);
end

请注意，这100张图像将占用过多的内存。例如，如果一个单一的1Kx1K图像是uint8 RGB值，则将需要3 MB来存储。这看起来似乎不是很大。

但是，其中100张映像将需要300 MB RAM。真正的问题是，如果您对这些图像进行的操作将它们变成两倍，那么它们现在将占用2.4 GIGA内存。这将很快消耗掉您拥有的RAM，特别是如果您未使用64位版本的MATLAB。

正如许多人所说，这可能会变得很大。完成后，是否有理由需要所有这些内存？完成单个结果后，是否可以将它们写成文件，以使给定时间在内存中的输入和输出图像永不超过？

完成后，使用IMWRITE可以将它们从内存中取出。

假设您的图像是按顺序命名的，则可以执行以下操作：

N = 100
IMAGES = cell(1,N);
FNAMEFMT = 'image_%d.png';

% Load images
for i=1:N
  IMAGES{i} = imread(sprintf(FNAMEFMT, i));
end

% Run code
RESULT = cell(1,N);

for i=1:N
  RESULT{i} = someImageProcessingFunction(IMAGES{i});
end

然后，单元格数组RESULT包含每个图像的输出。

请注意，根据图像的大小，预取图像可能会耗尽内存。