matlab创建一个函数，可以向PGM图像添加(i)盐和胡椒的噪声和(ii)高斯噪声，并计算PSNR和MSE。将结果显示在方框内，并在方框内写下比较原始图像和被破坏图像的MSE和PSNR值。

以下是一个可以实现题目要求的matlab函数：

function [noisy_img, MSE, PSNR] = add_noise_and_compute_PSNR_MSE(img_path, noise_type, noise_params)

% 读取PGM图像
img = imread(img_path);

% 将灰度图像转换为双精度型
img = im2double(img);

% 加噪声
switch noise_type
    case 'salt & pepper'
        noisy_img = imnoise(img, 'salt & pepper', noise_params);
    case 'gaussian'
        noisy_img = imnoise(img, 'gaussian', 0, noise_params);
end

% 计算MSE
MSE = mean(mean((img - noisy_img).^2));

% 计算PSNR
max_pixel_value = 1;
PSNR = 10 * log10(max_pixel_value^2 / MSE);

% 显示图像和评价指标
subplot(1,2,1);
imshow(img);
title('Original Image');
text(10,20, ['MSE: ' num2str(0) ' PSNR: ' num2str(Inf)], 'Color', 'y');

subplot(1,2,2);
imshow(noisy_img);
title(['Noisy Image (' noise_type ' noise)']);
text(10,20, ['MSE: ' num2str(MSE) ' PSNR: ' num2str(PSNR)], 'Color', 'y');

end

这个函数接受三个参数：图像文件路径img_path、噪声类型noise_type和噪声参数noise_params。噪声类型可以是'salt & pepper'（盐和胡椒噪声）或'gaussian'（高斯噪声），噪声参数取决于噪声类型。例如，对于盐和胡椒噪声，noise_params是一个介于0和1之间的数，表示噪声比例（即在图像中添加多少盐和胡椒噪声）。对于高斯噪声，noise_params是一个介于0和1之间的数，表示噪声的标准差。

该函数首先读取指定的PGM图像，将其转换为双精度型，并使用imnoise函数向图像添加指定类型和参数的噪声。然后计算添加噪声后的图像和原始图像之间的MSE和PSNR，并使用subplot函数将两个图像和评价指标显示在同一张图中。

在函数中，如果噪声类型为盐和胡椒噪声，那么添加噪声的代码行为：

noisy_img = imnoise(img, 'salt & pepper', noise_params);

如果噪声类型为高斯噪声，那么添加噪声的代码行为：

noisy_img = imnoise(img, 'gaussian', 0, noise_params);

例如，要向名为'lena.pgm'的图像添加0.05的盐和胡椒噪声并计算PSNR和MSE，可以执行以下命令：

[noisy_img, MSE, PSNR] = add_noise_and_compute_PSNR_MSE('lena.pgm', 'salt & pepper', 0.05);

要向同一张图像添加标准差为0.1的高斯噪声并计算PSNR和MSE，可以执行以下命令：

[noisy_img, MSE, PSNR] = add_noise_and_compute_PSNR_MSE('lena.pgm', 'gaussian', 0.1);