python实现去除一张彩色图像的亮度噪声和高斯噪声完整代码

可以使用Pillow库实现去除一张彩色图像的亮度噪声和高斯噪声。以下是完整代码：

from PIL import Image, ImageFilter, ImageStat
import random

# 打开图片
img = Image.open("image.png")

# 添加亮度噪声
def add_brightness_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 生成随机数，表示亮度噪声的强度
    noise = random.randint(1, 10)
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 生成对应噪声值
            delta = int(random.gauss(noise, noise/3))
            # 修改RGB值
            r = max(0, min(255, r+delta))
            g = max(0, min(255, g+delta))
            b = max(0, min(255, b+delta))
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    # 将原图和噪声图像混合
    result = Image.blend(img, noise_img, 0.7)
    return result

# 添加高斯噪声
def add_gaussian_noise(img):
    # 生成随机数，表示高斯噪声的强度
    noise = random.randint(1, 10)
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 生成对应噪声值
            delta = int(random.gauss(noise, noise/3))
            # 修改RGB值
            r = max(0, min(255, r+delta))
            g = max(0, min(255, g+delta))
            b = max(0, min(255, b+delta))
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    # 将原图和噪声图像混合
    result = Image.blend(img, noise_img, 0.7)
    return result

# 去除亮度噪声
def remove_brightness_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 设置阈值，超过该值的像素点将被认为是噪声
    threshold = stddev[0] * 2
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 判断该像素点是否是噪声
            if abs(r - mean[0]) > threshold:
                r = int(mean[0])
            if abs(g - mean[1]) > threshold:
                g = int(mean[1])
            if abs(b - mean[2]) > threshold:
                b = int(mean[2])
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    return noise_img

# 去除高斯噪声
def remove_gaussian_noise(img):
    # 获取图片统计信息
    stat = ImageStat.Stat(img)
    # 获取图片的均值
    mean = stat.mean
    # 获取图片的标准差
    stddev = stat.stddev
    # 设置阈值，超过该值的像素点将被认为是噪声
    threshold = stddev[0] * 2
    # 生成噪声图像，大小与原图相同
    noise_img = Image.new('RGB', img.size)
    for x in range(img.width):
        for y in range(img.height):
            # 获取像素点的RGB值
            r, g, b = img.getpixel((x, y))
            # 判断该像素点是否是噪声
            if abs(r - mean[0]) > threshold:
                r = int(mean[0])
            if abs(g - mean[1]) > threshold:
                g = int(mean[1])
            if abs(b - mean[2]) > threshold:
                b = int(mean[2])
            # 设置像素点的RGB值
            noise_img.putpixel((x, y), (r, g, b))
    return noise_img

# 添加亮度噪声
img = add_brightness_noise(img)
# 添加高斯噪声
img = add_gaussian_noise(img)
# 去除亮度噪声
img = remove_brightness_noise(img)
# 去除高斯噪声
img = remove_gaussian_noise(img)

# 保存图片
img.save("result.png")

代码中，`add_brightness_noise()`和`add_gaussian_noise()`函数分别添加亮度噪声和高斯噪声，`remove_brightness_noise()`和`remove_gaussian_noise()`函数分别去除亮度噪声和高斯噪声。最后将图片保存为`result.png`。