对加入高斯白噪声和椒盐噪声的图像进行领域平均去噪

领域平均去噪是一种简单有效的图像去噪方法，其基本思想是对每个像素的邻域进行平均，以减小噪声对图像的影响。具体步骤如下：

1. 首先对加入高斯白噪声和椒盐噪声的图像进行灰度化处理。

2. 然后定义一个邻域大小，例如3×3或5×5，对于每个像素，取其邻域内的像素值的平均值作为去噪后的像素值。

3. 对于边界像素，由于其邻域不完整，可以采用填充边界的方式，即将边界像素的邻域外的像素值设为边界像素的值。

4. 重复以上步骤，直到所有像素的值都被更新。

代码实现如下（以3×3邻域为例）：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('noisy_image.png', 0)

# 定义邻域大小
n = 3

# 填充边界
img_pad = cv2.copyMakeBorder(img, n//2, n//2, n//2, n//2, cv2.BORDER_REPLICATE)

# 初始化输出图像
img_out = np.zeros_like(img)

# 邻域平均去噪
for i in range(img.shape[0]):
    for j in range(img.shape[1]):
        img_out[i,j] = np.mean(img_pad[i:i+n, j:j+n])

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Denoised Image', img_out)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，领域平均去噪虽然简单易懂，但其效果受到邻域大小的影响，邻域过大会导致图像失真，邻域过小则无法有效去噪。因此在实际应用中需要根据图像噪声强度和特点进行调整。