非锐化掩膜matlab代码非锐化掩膜（Unsharp Masking）是一种图像增强技术，通常用于提高图像的边缘和细节。
在MATLAB中，你可以使用以下代码来实现非锐化掩膜：matlab.% 读取图像。
img = imread('your_image.jpg');% 定义高斯滤波器。
hsize = [5 5];sigma = 2;h = fspecial('gaussian', hsize, sigma);% 使用高斯滤波器平滑图像。
smoothed_img = imfilter(img, h);% 计算细节图像。
detail_img = img smoothed_img;% 定义增强参数。
amount = 1.5;adjusted_img = img + amount detail_img;% 显示原始图像和增强后的图像。
subplot(1,2,1), imshow(img), title('Original Image');subplot(1,2,2), imshow(adjusted_img), title('Enhanced Image');在这段代码中，首先读取了待处理的图像，然后定义了一个高斯滤波器并使用`fspecial`函数来生成。
接下来，对图像进行了高斯平滑处理，然后计算了细节图像。
最后，根据设定的增强参数对原始图像进行增强处理，并将原始图像和增强后的图像进行了显示。
需要注意的是，以上代码中的`your_image.jpg`需要替换为你实际使用的图像文件名。
另外，你也可以根据自己的需求调整高斯滤波器的参数和增强参数来获得不同的效果。
希望以上代码能够帮助到你实现非锐化掩膜技术的图像增强。
边缘结构相似度 essim计算方法
边缘结构相似度(Essel-Structure Similarity Index, ESSIM)是一种用于衡量两个图像之间的相似度的方法。
该方法考虑了图像的结构信息，并且对图像的边缘信息进行了增强。
以下是ESSIM计算方法的步骤：
1. 预处理：对每个输入图像进行灰度化处理，并将其缩放到相同的大小。
2. 特征提取：使用滤波器提取每个图像的边缘特征。
常用的滤波器包括Sobel、Prewitt、Canny等。
3. 计算结构相似度：对于两个图像，分别计算它们的边缘特征，然后使用结构相似度指数(SSIM)来衡量它们之间的相似度。
SSIM指数越高，表示两个图像的结构越相似。
4. 计算边缘相似度：使用边缘检测算子（如Sobel、Prewitt等）检测两个图像的边缘，然后使用归一化互相关（NCC）或均方误差（MSE）等度量方法来计算它们之间的相似度。
5. 综合相似度：将结构相似度和边缘相似度结合起来，得到最终的ESSIM 值。
具体的计算方法可以参考相关的论文或研究。
需要注意的是，ESSIM方法需要使用滤波器和边缘检测算子来提取图像的边缘信息，因此对于不同的图像或不同的应用场景，可能需要选择不同的滤波器和边缘检测算子。
同时，ESSIM方法也需要一定的计算资源和时间，因此在实际应用中需要考虑计算效率和精度之间的平衡。
