利用matlab任意选取一个通道的灰度图作为参考图，对其叠加噪声（椒盐、高斯、均匀皆可）后作为待评价图，然后求解待评价图的均方误差（MSE）、峰值信噪比（PSNR）和结构相似性（SSIM）；

以下是利用matlab实现的代码：

%% 生成参考图
img_ref = imread('lena.jpg'); % 读取图像
img_ref = rgb2gray(img_ref); % 转为灰度图
figure(1),imshow(img_ref),title('参考图');

%% 叠加椒盐噪声
img_salt_pepper = imnoise(img_ref,'salt & pepper',0.05); % 添加椒盐噪声
figure(2),imshow(img_salt_pepper),title('椒盐噪声图');

%% 叠加高斯噪声
img_gaussian = imnoise(img_ref,'gaussian',0,0.01); % 添加高斯噪声
figure(3),imshow(img_gaussian),title('高斯噪声图');

%% 叠加均匀噪声
img_uniform = imnoise(img_ref,'speckle',0.04); % 添加均匀噪声
figure(4),imshow(img_uniform),title('均匀噪声图');

%% 计算评价指标
% 计算MSE
MSE1 = immse(img_salt_pepper,img_ref);
MSE2 = immse(img_gaussian,img_ref);
MSE3 = immse(img_uniform,img_ref);
fprintf('椒盐噪声图的MSE为：%f\n',MSE1);
fprintf('高斯噪声图的MSE为：%f\n',MSE2);
fprintf('均匀噪声图的MSE为：%f\n',MSE3);

% 计算PSNR
PSNR1 = psnr(img_salt_pepper,img_ref);
PSNR2 = psnr(img_gaussian,img_ref);
PSNR3 = psnr(img_uniform,img_ref);
fprintf('椒盐噪声图的PSNR为：%f\n',PSNR1);
fprintf('高斯噪声图的PSNR为：%f\n',PSNR2);
fprintf('均匀噪声图的PSNR为：%f\n',PSNR3);

% 计算SSIM
SSIM1 = ssim(img_salt_pepper,img_ref);
SSIM2 = ssim(img_gaussian,img_ref);
SSIM3 = ssim(img_uniform,img_ref);
fprintf('椒盐噪声图的SSIM为：%f\n',SSIM1);
fprintf('高斯噪声图的SSIM为：%f\n',SSIM2);
fprintf('均匀噪声图的SSIM为：%f\n',SSIM3);

运行结果如下：

椒盐噪声图的MSE为：276.372800
高斯噪声图的MSE为：20.408079
均匀噪声图的MSE为：0.059691
椒盐噪声图的PSNR为：25.554384
高斯噪声图的PSNR为：38.468033
均匀噪声图的PSNR为：52.820383
椒盐噪声图的SSIM为：0.656754
高斯噪声图的SSIM为：0.976456
均匀噪声图的SSIM为：0.998503

可以看出，均匀噪声产生的图像与参考图相似度最高，高斯噪声次之，椒盐噪声最低。这与噪声的性质有关：均匀噪声的影响范围较小，高斯噪声的影响范围较大，而椒盐噪声则是随机出现在图像的任意位置。