基于matlab建立评价模型代码，评价彩色化方法的优劣

建立评价模型可以参考以下步骤：

1. 收集训练数据集：收集具有真实色彩的彩色图像及其对应的黑白图像。可以选择一些公开数据集，比如BSDS500数据集。

2. 提取图像特征：使用matlab中的图像处理工具包，提取图像的特征，比如亮度、对比度、色彩饱和度等等。

3. 建立评价模型：使用matlab中的统计工具包，建立评价模型。可以考虑使用线性回归模型或者支持向量机模型等等。

4. 训练模型：将收集的训练数据集输入到建立的评价模型中进行训练。

5. 评价彩色化方法：将需要评价的彩色化方法处理的黑白图像输入到模型中，得到评价结果。

以下是一个简单的基于线性回归模型的评价模型代码示例：

% 读取训练数据集
train_data = load('train_data.mat');

% 提取图像特征
features = extract_features(train_data.images);

% 构建评价模型
X = features;
y = train_data.scores;
b = pinv(X'*X)*X'*y;

% 评价彩色化方法
test_image = imread('test_image.png');
test_features = extract_features(test_image);
score = test_features * b;

其中，`train_data.mat`是训练数据集，包含真实色彩的彩色图像及其对应的黑白图像和评分；`extract_features`是提取图像特征的函数；`test_image.png`是需要评价的黑白图像。最终得到的`score`即为评价结果。

需要注意的是，以上只是一个简单的示例，实际情况中需要根据具体需求进行修改和完善。