如何使用Python和OpenCV库为图片添加高斯噪声和椒盐噪声？请提供完整的代码示例。

为了更好地掌握如何使用Python和OpenCV库为图片添加高斯噪声和椒盐噪声，强烈推荐阅读《Python-OpenCV实现图片噪声添加：高斯与椒盐噪声》。这篇文章提供了详细的操作步骤和代码示例，直接关联到你当前的问题。

参考资源链接：[Python-OpenCV实现图片噪声添加：高斯与椒盐噪声](https://wenku.csdn.net/doc/645cd43e95996c03ac3f8636?spm=1055.2569.3001.10343)

在图像处理中，噪声添加是一个重要的步骤，用于测试算法的鲁棒性和模拟现实世界的图像干扰。Python的OpenCV库提供了强大的工具来进行这些操作。以下是使用OpenCV为图片添加高斯噪声和椒盐噪声的详细步骤：

1. **添加高斯噪声**
首先，我们需要创建一个高斯噪声添加函数。这个函数会根据输入的均值(mean)和方差(var)生成符合高斯分布的噪声，然后将其添加到原始图像中。由于图像数据通常以uint8格式存储，我们需要在添加噪声之前将图像数据归一化到0-1之间，并在添加噪声后将数据重新映射回0-255范围。

import numpy as np
import cv2
from numpy.random import randn, rand

def gasuss_noise(img, mean=0, var=0.01):
    row, col, ch = img.shape
    sigma = var**0.5
    gauss = mean + sigma * randn(row, col, ch)
    gauss = gauss.reshape(row, col, ch)
    noisy = img + gauss
    return np.clip(noisy, 0, 255).astype(np.uint8)

2. **添加椒盐噪声**
椒盐噪声的添加相对简单，我们需要随机选择一部分像素，并将它们设置为最亮或最暗值。这可以通过设置一个概率阈值来决定是否将像素值变为0或255实现。

def sp_noise(image, prob=0.05):
    output = np.copy(image)
    black = 0
    white = 255
    # 添加盐噪声
    num_salt = np.ceil(prob * image.size * 1.0)
    coords = [np.random.randint(0, i - 1, int(num_salt)) for i in image.shape]
    output[coords] = white
    # 添加胡椒噪声
    num_pepper = np.ceil(prob * image.size * 1.0)
    coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in image.shape]
    output[coords] = black
    return output

3. **应用噪声添加函数**
最后，我们将这两个函数应用到实际的图像上，并可以查看或者保存添加了噪声的图片。

image = cv2.imread('input.jpg')   # 读取图像
gaussian_noisy_img = gasuss_noise(image, mean=0, var=0.01)
s&p_noisy_img = sp_noise(image, prob=0.05)

# 保存或显示噪声图像
cv2.imwrite('gaussian_noisy_image.jpg', gaussian_noisy_img)
cv2.imwrite('s&p_noisy_image.jpg', s&p_noisy_img)

通过以上步骤，我们成功地为图片添加了高斯噪声和椒盐噪声，并将其保存为新的图像文件。这样的实践对于图像处理算法的研究和开发尤为重要，可以帮助我们更好地理解算法在不同噪声条件下的表现。

在完成上述问题的实践后，如果你想更深入地了解图像噪声的处理和去除，包括更多的滤波技术，那么再次推荐阅读《Python-OpenCV实现图片噪声添加：高斯与椒盐噪声》。文章不仅涵盖了噪声添加的实战操作，还对噪声去除的方法进行了介绍，使你能够全面掌握图像噪声处理的相关知识。

参考资源链接：[Python-OpenCV实现图片噪声添加：高斯与椒盐噪声](https://wenku.csdn.net/doc/645cd43e95996c03ac3f8636?spm=1055.2569.3001.10343)