将彩色图像“lena.jpg”（或自选彩色图像）转为灰度图像后，分别叠加高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声和椒盐噪声，展示加入不同噪声前后的图像效果。用matlab实现

在MATLAB中，我们可以使用内置的图像处理函数来实现这一过程。首先，我们加载彩色图像，然后将其转换为灰度图像。接着，我们将依次添加各种类型的噪声，并观察它们的效果。以下是基本的代码框架：

% 1. 加载彩色图像并转换为灰度
img = imread('lena.jpg'); % 请替换为实际的图片路径
gray_img = rgb2gray(img);

% 2. 添加不同类型的噪声
% a) 高斯噪声
gaussian_noise = gray_img + imnoise(gray_img, 'gaussian', 0.01); % 1%方差

% b) 瑞利噪声
rayleigh_noise = gray_img + imnoise(gray_img, 'rayleigh', 0.01);

% c) 伽马噪声
gamma_noise = imadjust(gray_img, [0.5 0.99], [], 'srgb');

% d) 指数噪声
exponential_noise = gray_img + exp(- mean(gray_img)));

% e) 均匀噪声
uniform_noise = gray_img + round(randi([-1 1], size(gray_img)));

% f) 椒盐噪声
salt_pepper_noise = saltAndPepper(gray_img, 0.01); % 百分比

% 3. 展示图像
figure;
for i = 1:length([gaussian_noise rayleigh_noise gamma_noise exponential_noise uniform_noise salt_pepper_noise])
    subplot(2,3,i), imshow(uint8(i==[1,2,3,4,5,6]), []), title(sprintf('Noisy (%s)', noiseTypes{i})), colormap(gray);
end

这段代码首先将`lena.jpg`转换为灰度图，然后为每种噪声添加了特定的参数。`imnoise`函数用于添加高斯和瑞利噪声，`imadjust`用于伽马噪声，指数噪声则是通过指数分布随机扰动像素值，`round(randi([-1 1]))`用于添加均匀噪声，而椒盐噪声则用了`saltAndPepper`函数。最后，创建一个子图数组显示原始灰度图像和添加不同噪声后的效果。