只用幅度失真图像用matlab中topsis算法评价失真情况代码

TOPSIS算法是一种多属性决策方法，可以用于评价失真情况。下面是使用MATLAB实现TOPSIS算法的代码，该代码仅适用于幅度失真图像的评价。

首先，需要准备两个矩阵，一个是样本矩阵X，其中每一行代表一个样本，每一列代表一个属性；另一个是权重矩阵W，其中每一行代表一个属性，每一列代表一个权重。

% 样本矩阵X
X = [0.2 0.3 0.4 0.5;
     0.3 0.4 0.5 0.6;
     0.5 0.6 0.7 0.8;
     0.9 0.8 0.7 0.6;
     0.6 0.5 0.4 0.3];
     
% 权重矩阵W
W = [0.2 0.3 0.4 0.1];

然后，计算归一化矩阵R和加权归一化矩阵V。

% 计算归一化矩阵R
R = X./sqrt(sum(X.^2, 1));

% 计算加权归一化矩阵V
V = R.*W;

接着，计算正理想解Z和负理想解F。

% 计算正理想解Z
for i = 1:size(X, 2)
    Z(i) = max(V(:, i));
end

% 计算负理想解F
for i = 1:size(X, 2)
    F(i) = min(V(:, i));
end

最后，计算每个样本到正理想解和负理想解的距离，并根据距离计算得分。

% 计算每个样本到正理想解和负理想解的距离
for i = 1:size(X, 1)
    D1(i) = norm(V(i, :) - Z);
    D2(i) = norm(V(i, :) - F);
end

% 计算得分
S = D2./(D1 + D2);

得分越接近1，说明失真情况越差。得分越接近0，说明失真情况越好。