写matlab程序，中值滤波对10-Raw Image.tif去噪，评价指标需要包括CNR，SNR，ENL以及边缘保护指标

在MATLAB中，你可以使用中值滤波（Median Filter）来去除图像噪声，特别是对于椒盐噪声和斑点噪声效果较好。下面是基本步骤：

1. **读取图像**：

img = imread('10-Raw Image.tif');

2. **中值滤波**：

% 设定滤波核大小（通常根据噪声程度选择）
kernel_size = 3; % 可调整
filtered_img = medfilt2(img, [kernel_size kernel_size]);

`medfilt2`函数应用了二维中值滤波器。

3. **评价指标计算**：
- **对比度噪声比(CNR)**: CNR通常用于测量感兴趣区域和背景之间的信号质量。可以先找到感兴趣的区域并计算其与背景的均值差和方差，公式类似：

   I_interest = ...; % 确定兴趣区域
   mean_diff = mean(I_interest) - mean(img \ I_interest);
   var_diff = var(I_interest) + var(img \ I_interest);
   cnr = mean_diff / sqrt(var_diff);

- **信噪比(SNR)**: SNR通常表示无噪声信号强度与噪声强度之比。可以利用均值和标准差计算：

   snr = 10 * log10(mean(img(:))^2 / std(img(:))^2);

- **边缘保持指标(EdgePreservation Index, EPI)**: 这个指标关注的是滤波过程是否过度平滑导致边缘丢失。一种方法是计算过滤前后的边缘梯度差异：

   edge_img = imgradient(filtered_img); % 计算边缘
   epi = sum(edge_img(:).^2) / (sum(filtered_img(:).^2) + eps);

4. **显示原图和处理后的结果**：

subplot(1,2,1), imshow(img), title('Original Image');
subplot(1,2,2), imshow(filtered_img), title('Filtered Image');

5. **记录结果**：

result = struct('CNR', cnr, 'SNR', snr, 'EPI', epi);
disp(result)

注意，实际操作时可能需要调整滤波核大小和评价指标的具体计算部分，以适应你的具体需求。