选定一张灰度图像，添加随机噪声（用PSNR来衡量），生成一定量的含躁图像，之后同多幅图像求平均值，分析降低噪声的效果。matlab

在MATLAB中，处理灰度图像并添加随机噪声通常涉及以下几个步骤：

1. **加载和预处理图像**：

   img = imread('your_gray_image.jpg'); % 替换为你的灰度图像文件名
   img_gray = im2double(img); % 转换为0-1范围的双精度矩阵

2. **添加随机噪声**：
使用`imnoise()`函数可以添加各种类型的噪声，例如椒盐噪声（salt-and-pepper noise）：

   snr = 30; % 设定信号噪声比 (PSNR的倒数)
   noise_level = 10^(-snr/20); % 计算噪声强度
   noisy_img = imnoise(img_gray, 'salt & pepper', noise_level);

3. **测量PSNR（峰值信噪比）**：
PSNR是一个用于比较图像质量损失的指标，较低的PSNR意味着更多的噪声。计算原始图像和处理后的图像之间的PSNR：

   original_psnr = psnr(img_gray, img);
   noisy_psnr = psnr(img_gray, noisy_img);

4. **多次添加噪声和求平均**：
可以通过循环添加噪声并保存，然后取所有结果的平均值来模拟更多次处理：

   num_iterations = 50; % 设定迭代次数
   noisy_avg_images = zeros(size(noisy_img));
   for i = 1:num_iterations
       noisy_img_temp = imnoise(img_gray, 'salt & pepper', noise_level);
       noisy_avg_images = noisy_avg_images + im2double(noisy_img_temp);
   end
   noisy_avg_images = noisy_avg_images / num_iterations;

5. **分析降噪效果**：
用PSNR再次检查平均噪声图像与原图的对比：

   avg_psnr = psnr(img_gray, noisy_avg_images);