使用：

R = mat2gray(im2double(F)-im2double(B));

我的结果是：

若要了解转换为双精度的重要性，请查看图像中B(y,x) > F(y,x)的区域，例如示例图像中的(343, 280)。

>> F(343,280)
ans = 32
>> B(343,280)
ans = 107

数学上，我们期望32 - 107等于-75，但是：

>> F(343,280) - B(343,280)
ans = 0

这是因为F和B都是uint8的数组：

>> class(F)
ans = uint8
>> class(B)
ans = uint8

作为无符号整数，uint8不能取负值，因此任何试图将负值赋给uint8变量的操作都会导致0。由于两个操作数都是uint8，结果是uint8。在该值已被箝位为0 - 255范围内的值之后，尝试将其强制转换为双精度型，将只会导致值为0的双精度型变量。（在范围的上限也会发生同样的情况。尝试uint8(444)。）
将F和B转换为带符号类型（一个足够大的类型，范围是-max到+max，或者在本例中是-255到255）将解决数学问题：

>> int16(F(343,280)) - int16(B(343,280))
ans = -75

不过对于图像来说，转换为double感觉更自然，在计算和重新缩放时比整数更精确，另外，我们可以使用这个方便的im2double函数，它不仅可以将数组转换为双精度数，还可以将所有值重新缩放到0和1之间：

>> Fd = im2double(F);
>> Fd(343,280)
ans = 0.1255   % 32.0/255.0

>> Bd = im2double(B);
>> Bd(343,280)
ans = 0.4196   % 107.0/255.0

但是现在当我们试着减去这两个的时候，我们实际上得到了一个负值，就像预期的那样：

>> Fd(343,280) - Bd(343,280)
ans = -0.2941  % -75.0/255.0

因此，im2double(F)-im2double(B)为我们提供了-1.0到1.0之间的双精度值。mat2gray负责将这些值缩放回0.0到1.0的范围以供显示。
注意：我非常小心地选择了坐标（343，280），因为这是F-B最负的地方。如果你对转换是如何发生的以及什么值被缩放到什么感兴趣，你也可以看看（53，266）。