pingjia.zip_pingjia

%计算均值、标准差、熵、平均梯度、相关系数、扭曲程度、偏差指数 %====================================================================== %均值，图像像素的灰度平均值，对人眼反映为平均亮度。 %标准差，反映了灰度相对于灰度均值的离散程度。标准差越大，则灰度级分布越分散。 %熵，图像的平均信息量。 %平均梯度，反映了图像的清晰程度，同时反映出图像中微小细节反差和纹理变换特征。 %相关系数，反映了两幅图像之间的相关性，相关系数越大两幅图像的相似程度越高。 %扭曲程度，反映影像的光谱失真程度。 %偏差指数，反映两幅图像在光谱信息上的匹配程度，偏差指数值越小，则说明融合后图 %像在提高了空间分辨率的同时，较好的保留了多光谱图像的光谱信息。 %======================================================================= clear all [filename,pathname]=uigetfile('*.*','融合图像'); F=imread([pathname,filename]); [filename,pathname]=uigetfile('*.*','多光谱图像'); A=imread([pathname,filename]); %[filename,pathname]=uigetfile('*.*','SAR图像'); %B=imread([pathname,filename]); Fimage=double(F); A=double(A); %B=double(B); %求融合图像的灰度均值 mean=mean2(Fimage(:)); %求标准偏差 std=std2(Fimage(:)); %求熵 ent=entropy(F(:)); [mf,nf,kf]=size(F); q=0; %求融合图像的平均梯度 for i=1:1:mf-1 for j=1:1:nf-1 q=q+(sqrt(((Fimage(i,j)-Fimage(i+1,j))^2+(Fimage(i,j)-Fimage(i,j+1))^2)/2)); end end grad=q/((mf-1)*(nf-1)); %求相关系数 反映光谱保持性能 rmul=imresize(A,[mf,nf],'bicubic'); c=corr2(rmul(:),Fimage(:)); %求扭曲程度 直接反映影像的光谱失真程度 q1=0; for i=1:1:mf for j=1:1:nf q1=q1+abs(Fimage(i,j)-rmul(i,j)); end end warp=q1/(mf*nf); %求偏差指数 q2=0; for i=1:1:mf for j=1:1:nf q2=q2+abs(Fimage(i,j)-rmul(i,j))/rmul(i,j); end end bras=q2/(mf*nf); result=zeros(1,7); result=[mean std ent grad c warp bras]; disp(' 均值 标准差 熵 平均梯度 相关系数 扭曲程度 偏差指数'); disp(result );%std ,ent ,grad ,c ,warp, bras);