一、数值不是不同：
1、彩色图像：每个像素由R、G、B三个分量表示，每个通道取值范围0~255。数据类型一般为8位无符号整型。
2、二值图像（黑白图像）：每个像素点只有两种可能，0和1。0代表黑色，1代表白色。数据类型通常为1个二进制位。
3、灰度图像：灰度图像通常是在单个电磁波频谱（如可见光）内测量每个像素的亮度得到的。用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。
二、色彩通道不同：
1、彩色图像每个像素通常是由红（R）、绿（G）、蓝（B）三个分量来表示的，分量介于（0，255）。RGB图像每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示。
2、灰度图像是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。
3、黑白图像在计算机图像领域中黑白图像只有黑色与白色两种颜色。二值图像，即一幅二值图像的二维矩阵仅由0、1两个值构成，“0”代表黑色，“1”代白色。
三、应用不同：
1、彩色图像是多光谱图像的一种特殊情况，对应于人类视觉的三基色即红、绿、蓝三个波段，是对人眼的光谱量化性质的近似。三基色模型是建立图像成像、显示、打印等设备的基础，具有十分重要的作用。
2、当表示人物，风景的图像，二值图像只能展示其边缘信息，图像内部的纹理特征表现不明显。这时候要使用纹理特征更为丰富的灰度图像。一般二值化图像的应用领域在车牌识别，图像的字符提取。
参考资料来源：百度百科-灰度图像
参考资料来源：百度百科-二值图像
参考资料来源：百度百科-彩色图象
灰度图是用不同等级的灰度来显示整个图像，儿二值黑白图像里面只存在黑白两色，使用Matlab对现有图像进行处理的时候，如果对象是一个彩色图像，将会创建一个三维矩阵，如果是一个灰度图像，则创建一个二位矩阵，因为使用二维矩阵就能完全记录灰度图像像素信息。如果对象是彩色的图像，生成的三维矩阵基本结构是这样的，按照RGB模式分成三层，其中R、G、B各占一层，单独将每一层拿出来显示都是灰度图，而常见图像一般都是点阵图像，每一个像素都需要用RGB模式来记录数据，如（255,255,255）就是白，（0,0,0）就是黑，我们的三维矩阵中R二位矩阵记录的就是所有像素点得R色数据记录，自然G、B层二维矩阵就是记录的所有像素点的G分色信息和B分色信息
如果源数据是彩色图像，则你只需要拿出一个二位矩阵，然后将这个二维矩阵的元素数据进行修改，将所有的点进行判断，如果大于128，则将此点数据赋值为255，如果小于128，则全部赋值为0，如此所有的像素点的数据就仅限于0和255，显示出来就是二值黑白图像
不知道你问的是在同一图形中添加点（类似画散点图）还是要把屏幕一分为多。添加的话，用完plot，添加点用points，添加线用lines。
简单点的应用类似：
plot（X,Y）
points（X，Y1）
这样的感觉。
一分为多的话，用split.screen。
上我自己最近写的代码做个例子：
jpeg(filename="geeseP3.jpeg") #画jpeg图
split.screen(c(1,2)) #分屏幕为左右两边
screen(1) #屏幕1预备输出
plot(X2,Y,type="p",xlab="X2",ylab="Y",main="Plotting of X2 and Y")
screen(2) #屏幕2预备输出
plot(X2,Y,type="l")
dev.off()
