读入彩色 image_Lena512rgb 图像, 加入高斯噪声, 利用 BM3D 算法对于噪声图像 lenargb_n 分别在三个通道 R、G、B 分别滤波, 以完成去噪; 然后, 分别在 YCbCr 和 L*a*b* 空间利用 BM3D 算法只对于亮度通道进行滤波, 然后变换到原来的 RGB 空间; 分别计算上述三种情况下去噪结果的峰值信噪比 PSNR; 分别在一个窗口中显示两种情况下的处理结果, 并给出MATLAB代码

以下是MATLAB代码实现：

% 读入彩色图像
img = imread('image_Lena512rgb.png');

% 加入高斯噪声
sigma = 25;
noisy_img = imnoise(img, 'gaussian', 0, (sigma/255)^2);

% BM3D 算法去噪
% 对于三个通道 R、G、B 分别滤波
denoised_img_rgb = zeros(size(noisy_img));
for i = 1:3
    [denoised_channel, ~] = bm3d(noisy_img(:,:,i), 'sigma', sigma/255);
    denoised_img_rgb(:,:,i) = denoised_channel;
end

% 在 YCbCr 和 L*a*b* 空间利用 BM3D 算法只对于亮度通道进行滤波
% 然后变换到原来的 RGB 空间
ycbcr_img = rgb2ycbcr(noisy_img);
denoised_img_ycbcr = ycbcr_img;
[denoised_y, ~] = bm3d(ycbcr_img(:,:,1), 'sigma', sigma/255);
denoised_img_ycbcr(:,:,1) = denoised_y;
denoised_img_ycbcr = ycbcr2rgb(denoised_img_ycbcr);

lab_img = rgb2lab(noisy_img);
denoised_img_lab = lab_img;
[denoised_l, ~] = bm3d(lab_img(:,:,1), 'sigma', sigma/255);
denoised_img_lab(:,:,1) = denoised_l;
denoised_img_lab = lab2rgb(denoised_img_lab);

% 计算 PSNR
psnr_rgb = psnr(denoised_img_rgb, img);
psnr_ycbcr = psnr(denoised_img_ycbcr, img);
psnr_lab = psnr(denoised_img_lab, img);

% 显示结果
figure;
subplot(2,2,1);
imshow(img);
title('Original Image');
subplot(2,2,2);
imshow(noisy_img);
title('Noisy Image');
subplot(2,2,3);
imshow(denoised_img_rgb);
title(['Denoised Image (RGB) - PSNR: ', num2str(psnr_rgb)]);
subplot(2,2,4);
imshow(denoised_img_ycbcr);
title(['Denoised Image (YCbCr) - PSNR: ', num2str(psnr_ycbcr)]);
figure;
subplot(2,2,1);
imshow(img);
title('Original Image');
subplot(2,2,2);
imshow(noisy_img);
title('Noisy Image');
subplot(2,2,3);
imshow(denoised_img_rgb);
title(['Denoised Image (RGB) - PSNR: ', num2str(psnr_rgb)]);
subplot(2,2,4);
imshow(denoised_img_lab);
title(['Denoised Image (L*a*b*) - PSNR: ', num2str(psnr_lab)]);

需要注意的是，BM3D 算法需要先将图像归一化到 [0, 1] 范围内，而 `imread` 函数读入的图像像素值范围是 [0, 255]，因此需要先将其归一化，再在最后将图像还原到 [0, 255] 范围内。