利用MATLAB编程实现，读取数字图像，利用两种方式统计图像的均值、中值、众数、最大值、最小值、方差、变差、信息熵、相关系数、偏差指数、均方根误差、光谱角等参数

在MATLAB中，对数字图像进行上述各种参数的统计可以分为几个步骤：

1. **基本统计量（如均值、中位数、众数、最大值、最小值）**:
使用`mean`, `median`, `mode`, `max`, 和 `min`函数：

   img = imread('image.jpg'); % 读取图像
   meanVal = mean(img(:)); % 均值
   medianVal = median(img(:)); % 中位数
   modeVal = mode(img(:)); % 众数（如果有多重，则返回第一个）
   maxVal = max(img(:)); % 最大值
   minVal = min(img(:)); % 最小值

2. **高级统计量（方差、标准差、信息熵）**:
- 方差：`var`
- 标准差：`std`
- 信息熵：`entropy` 函数需要导入 Statistics and Machine Learning Toolbox，使用前记得检查安装：

     entropyImg = entropy(double(img)); % 对灰度图像取双精度，并计算信息熵

3. **相关系数**:
需要导入 Statistics and Machine Learning Toolbox，使用 `corrcoef` 或 `xcorr` 函数：

   if isvector(img)
       corrCoeff = corrcoef(img);
   else
       corrCoeff = corrcoef(img(:));
   end

4. **偏差指数** (Skewness):

   skewness = skewness(img(:));

5. **均方根误差 (RMSE)**: 可用于评估两个图像或信号的差异，假设`img_ref`是参考图像：

   mse = sqrt(mean((img - img_ref).^2));
   rmse = mse; % RMSE等于MSE

6. **光谱角度** (Spectral Angle Mapper, SAM) 需要图像处理和数学运算，通常应用于遥感图像分析：

   % 这里只是一个简化的示例，实际操作会涉及特征提取和向量化
   % 假设img和ref是两个RGB或灰度图像矩阵
   refSpectrum = mean(ref, 2); % 计算参考光谱
   imgSpectrum = mean(img, 2); % 同理计算图像光谱
   sam = angle(refSpectrum' * imgSpectrum / norm(refSpectrum) / norm(imgSpectrum));

注意，有些统计特性可能需要额外的工具箱支持。每种统计方法的详细实现可能因图像的数据结构（单通道或多通道、灰度或彩色）而异。