基于tenengrad函数和brenner函数的图像清晰度评价，跪求Matlab源程序啊，

%Brenner 同一个物体不同成像面

N1 = 5 %N1为要处理的图片张数

A = zeros(1,N1) %zeros()定义指定行列的零矩阵；A矩阵用来存储每一幅图像的清晰度原值

X = zeros(1,N1) %X用来存储做归一化处理后的函数值

%------------------------------

tic

for L=1: N1

I=imread([int2str(L),'.tif'])%读取图片，将值转换为字符串接受向量和矩阵输入

I=double(I)%精度存储问题

[M N]=size(I)%M等于矩阵行数，N等于矩阵列数；size()获取矩阵行列

FI=0 %变量，暂时存储每一幅图像的Brenner值

for x=1:M-2 %Brenner函数原理，计算相差两个位置的像素点的灰度值

for y=1:N

FI=FI+(I(x+2,y)-I(x,y))*(I(x+2,y)-I(x,y))

end

end

A(1,L) = FI

end

time=toc

%对原始数据做归一化处理，线性函数归一化公式

for W = 1:N1

C = max(A)

D = min(A)

E = C-D

R = (A(1,W) - D)/(E)

X(1,W) = R

end

%曲线拟合

x1=[-20 -10 0 10 20 ]

y1 = [X(1,1) X(1,2) X(1,3) X(1,4) X(1,5)]

[p,S]=polyfit(x1,y1,2) %polyfit(x,y,n)曲线拟合函数，已知离散点坐标拟合曲线；x,y横纵坐标，n为拟合阶数，一阶直线拟合，二阶抛物线拟合 ，返回幂次从高到低的多项式系数向量P，矩阵S用于生成预测值的误差估计

Y=polyconf(p,x1,y1)%置信区间

plot(x1,y1,'r')%画出拟合曲线，红线red

title('梯度评价函数')

xlabel('成像面位置')

ylabel('归一化后的图像清晰度评价值')

I=imread('D:\我的文档\MATLAB\cameraman.bmp')

J0=imnoise(I,'gaussian')

J1=imnoise(I,'salt &pepper')

J0J3=imfilter(J0,fspecial('average'))

J0J5=imfilter(J0,fspecial('average',[5 5]))

J0Z3=medfilt2(J0)

J0Z5=medfilt2(J0,[5 5])

J1J3=imfilter(J1,fspecial('average'))

J1J5=imfilter(J1,fspecial('average',[5 5]))

J1Z3=medfilt2(J1)

J1Z5=medfilt2(J1,[5 5])

subplot(2,2,1),imshow(I)

title('原始图像')

subplot(2,2,2),imshow(J0)

title('加入零均值高斯噪声')

subplot(2,2,3),imshow(J1)

title('加入椒盐噪声')

figure,

subplot(2,2,1),imshow(J0J3)

title('对高斯噪声，采用3x3均值滤波')

subplot(2,2,2),imshow(J0J5)

title('对高斯噪声，采用5x5均值滤波')

subplot(2,2,3),imshow(J0Z3)

title('对高斯噪声，采用3x3中值滤波')

subplot(2,2,4),imshow(J0Z5)

title('对高斯噪声，宽拆采用5x5中慎纳枣值滤波')

figure,

subplot(2,2,1),imshow(J1J3)

title('对椒盐噪声，采用3x3均值茄败滤波')

subplot(2,2,2),imshow(J1J5)

title('对椒盐噪声，采用5x5均值滤波')

subplot(2,2,3),imshow(J1Z3)

title('对椒盐噪声，采用3x3中值滤波')

subplot(2,2,4),imshow(J1Z5)

title('对椒盐噪声，采用5x5中值滤波')

---