blockproc是blkproc的新名称（已弃用）。它可用于将功能应用于图像中的每个块。例如，如果您想将矩阵I划分为8x8的块并计算每个块的平均值，则可以这样做：

B=blockproc(I, [8 8], @(x) mean(x.data(:)));

那么B是一个包含块均值的矩阵。

这里要注意两件事：

• 说明符[8 8]指定块的大小 ，而不是块的数目 。

• 在传递给blockproc的函数之外，您无法访问块本身。如果您自己需要块，则必须按照Adrien的建议进行：

   A1=I(1:128, 1:128); A2=I(129:256, 1:128); A3=I(1:128, 129:256); A4=I(129:256, 129:256); 

  当然，在实际程序中，您可能应该使用循环来执行此操作。

由于blockproc （和不赞成使用的blkproc ）都是Image Processing Toolbox中的函数，因此我想我将添加一个基本的MATLAB解决方案，该解决方案不需要其他工具箱...

如果要将矩阵划分为子矩阵，一种方法是使用mat2cell分解矩阵并将每个子矩阵存储在单元阵列的单元中。对于您的情况，语法如下所示：

C = mat2cell(I, [128 128], [128 128]);

C现在是2×2单元阵列，每个单元都存储I的128×128子矩阵。如果要对每个单元执行操作，则可以使用功能cellfun 。例如，如果要取每个子矩阵中值的平均值，则可以执行以下操作：

meanValues = cellfun(@(x) mean(x(:)), C);

第一个参数是匿名函数的函数句柄 ，该函数首先将每个子矩阵整形为列向量，然后取均值。输出是每个子矩阵的平均值的2×2矩阵。如果传递给cellfun的函数为每个单元格创建不同大小或类型的输出，则cellfun将它们连接起来会出现问题，并会引发错误：

??? Error using ==> cellfun
Non-scalar in Uniform output, at index 1, output 1.
Set 'UniformOutput' to false.

如果添加..., 'UniformOutput', false);到对cellfun的调用结束时，上述情况下的输出将改为2 x 2 单元格数组，其中包含对每个子矩阵执行操作的结果。

如果myImage是您的256x256图像，不是myImage

image_top_left = myImage(1:128,1:128);
image_top_right = myImage(1:128,129:256);
image_bottom_left = myImage(129:256,1:128);
image_bottom_right = myImage(129:256,129:256);

？