写matlab程序，均值滤波对10-Raw Image.tif去噪，评价指标需要包括CNR，SNR，ENL以及边缘保护指标

在MATLAB中，可以使用内置的图像处理函数来进行均值滤波并评估噪声抑制的效果。这里我们将描述如何完成基本步骤，并给出一些评价指标：

1. **读取原始图像**：

   rawImage = imread('10-Raw Image.tif');

2. **均值滤波去噪**：

   % 定义滤波器大小，比如3x3或5x5
   filterSize = [3 3];
   filteredImage = imfilter(rawImage, ones(filterSize)/filterSize^2, 'replicate');

`ones(filterSize)/filterSize^2`给出了平均权重。

3. **计算CNR（对比度噪声比）**：
CNR通常用于衡量图像中的细节保留与噪声的差异。一种简单的计算方法是先计算原图和滤波后的图像的灰度直方图，然后用峰值之间的距离除以噪声标准差（通常是噪声区间的宽度）：

   [histOrig, ~] = imhist(rawImage);
   [histFiltered, ~] = imhist(filteredImage);
   
   cdfOrig = cumsum(histOrig) / sum(histOrig);
   cdfFiltered = cumsum(histFiltered) / sum(histFiltered);
   
   maxVal = max([cdfOrig(end), cdfFiltered(end)]);
   cNr = (maxVal - 0.5) * sqrt(size(rawImage)) / std2d(filteredImage); % 简化版本，假设噪声均匀

4. **计算SNR（信噪比）**：

   snr = 10 * log10(mean((rawImage(:) - mean(rawImage(:))).^2 ./ var(filteredImage(:)));

5. **ENL（等效噪声水平）**：
ENL通常涉及复杂的统计分析，可以用均方误差(MSE)表示近似：

   mse = mean((rawImage(:) - filteredImage(:)).^2);
   enl = sqrt(mse / mean(rawImage(:).^2));

6. **边缘保护**：
使用Sobel算子或结构元素检测边缘，比较原图和滤波后的图像边缘信息的变化程度。MATLAB的imgradient函数可以帮助你找到边缘：

   edgeOrig = edge(rawImage, 'canny');
   edgeFiltered = edge(filteredImage, 'canny');
   edgeProtection = corrcoef(edgeOrig(:), edgeFiltered(:));

7. **结果输出**：
最后，你可以将这些指标打印出来或者存储到变量中以便进一步分析：

   fprintf('CNR: %f\n', cNr);
   fprintf('SNR: %f dB\n', snr);
   fprintf('ENL: %f\n', enl);
   fprintf('Edge Protection Coefficient: %f\n', edgeProtection);