从文件夹读入图像1，将图像1转成灰度图像2。给灰度图像2人为地加上椒盐噪声得到带噪声的图像3，用中值滤波法对图像3进行去噪得到图像4。在同一个界面上分别显示图像1，图像2，图像3和图像4。

在Python中，你可以使用PIL（Pillow库）和OpenCV这两个常用的图像处理库来完成这个任务。以下是步骤：

1. 首先，你需要安装Pillow和OpenCV，可以使用pip安装：

   pip install pillow opencv-python

2. 读取图像1：

   from PIL import Image
   img1 = Image.open('image1.jpg')  # 替换为实际文件路径

3. 转换为灰度图像2：

   img2 = img1.convert('L')

4. 添加椒盐噪声到图像2：

   import numpy as np
   salt_vs_pepper = 0.1  # 指定椒盐噪声的比例
   noisy_img3 = np.array(img2)
   row, col = noisy_img3.shape
   s_vs_p = salt_vs_pepper * 255
   amount = s_vs_p / 2
   out = np.copy(noisy_img3)
   # 创建椒盐噪声矩阵
   num_salt = np.ceil(amount * img2.size * np.random.rand())
   num_pepper = np.ceil(amount * img2.size * np.random.rand())

   coords = [np.random.randint(0, i - 1, int(num_salt)) for i in noisy_img3.shape]
   out[coords] = 255

   coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in noisy_img3.shape]
   out[coords] = 0

   noisy_img3 = out.astype(np.uint8)
   noisy_img3 = Image.fromarray(noisy_img3)

5. 对图像3应用中值滤波：

   from scipy.ndimage import median_filter
   img4 = median_filter(noisy_img3, size=(3, 3))  # 可以调整滤波器大小

6. 显示所有四张图像：

   from matplotlib import pyplot as plt
   fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10, 10))
   axs[0, 0].imshow(img1, cmap='gray')
   axs[0, 0].set_title('Original Image')
   axs[0, 1].imshow(img2, cmap='gray')
   axs[0, 1].set_title('Grayscale Image')

   axs[1, 0].imshow(noisy_img3, cmap='gray')
   axs[1, 0].set_title('Noisy Image')
   axs[1, 1].imshow(img4, cmap='gray')
   axs[1, 1].set_title('De-noised Image')
   
   for ax in axs.flat:
       ax.set(xticks=[], yticks=[])
   plt.tight_layout()
   plt.show()

这将在同一窗口中展示原始图像、灰度图像、添加了噪声的图像以及经过中值滤波后的清晰图像。