灰度图像和彩色图像的分形维数，通过BoxCount方法，利用Matlab代码进行计算。

简介：
分形维数计算的MATLAB代码，采用了一种改进的盒计数方法，该方法在灰度和彩色图像的分形维数估计方面展现出显著提升。该代码主要用于计算灰度和彩色图像的分形维数。我们团队开发了这种全新的计算方法。针对grayscale.m程序，该代码基于盒计数方法构建基础，随后通过绘制盒子数量和比例关系图，确定最佳拟合线，并利用其斜率来获得所需的分形维数信息，从而准确地分析图像。对于彩色图像，我们进一步开发了三种新的计算策略。这些代码能够为进一步研究图像的分形维数提供便利，并且可被应用于图像分类、肿瘤检测等多种领域。这些代码经过充分验证并已确认可以正常运行。此外，这些代码同样适用于探索分形维数在不同应用场景中的潜在价值。所有代码均以MATLAB语言编写完成。同时，我们已为color_1.m程序添加了Jupyter Notebook（Python3版本），以便于用户更便捷地进行实验和分析。如果您认为此存储库对您的研究有所帮助，请考虑引用我们的相关成果。