python中图像添加高斯噪声并且使用三种不同尺寸进行均值滤波降噪

在Python中，我们可以使用PIL（Python Imaging Library）或其后续库Pillow处理图像，并利用NumPy进行数值计算，包括添加高斯噪声和进行均值滤波。这里是一个简单的步骤：

1. **添加高斯噪声**:
- 加载图像：`img = Image.open('image.jpg')`
- 将图像转换为灰度图或彩色通道分别处理，如果是彩色图像：`gray_img = img.convert('L')`
- 使用`numpy.random.normal()`生成高斯噪声，然后与原像素值相加：`noisy_img = np.array(gray_img) + np.random.normal(0, sigma, gray_img.shape)`
- 将结果转换回图像格式：`noisy_pil = Image.fromarray(np.uint8(noisy_img))`

2. **不同尺寸的均值滤波**:
- 使用`ImageFilter.BLUR`、`ImageFilter.GaussianBlur` 或者自定义大小的`ImageFilter.KERNEL_SIZE`进行均值滤波，如：

     filtered_img_3x3 = noisy_pil.filter(ImageFilter.BLUR)
     filtered_img_5x5 = noisy_pil.filter(ImageFilter.GaussianBlur(radius=2))
     custom_filter = ImageFilter.Kernel((7, 7), [1/49]*49)
     custom_filtered_img = noisy_pil.filter(custom_filter)

3. **保存处理后的图像**:
- 对于每个滤波版本，可以分别保存到文件：`filtered_img_3x3.save('3x3_blur.jpg')`, ...等。