对“jizhu”图像添加高斯噪声，然后采用不同标准差的高斯函数滤波处理。python

在Python中，你可以使用OpenCV库对"jizhu"图像（通常指JPEG或PNG等常见图像格式）添加高斯噪声并应用不同标准差的高斯滤波。以下是一个简化的示例：

import cv2
import numpy as np

# 加载图像
img = cv2.imread('jizhu.jpg', cv2.IMREAD_GRAYSCALE)  # 灰度图像处理
# 或者 img = cv2.imread('jizhu.png', cv2.IMREAD_COLOR)  # 保持原图颜色

# 添加高斯噪声
mean = 0  # 高斯噪声的均值，默认为0
sigma = [10, 20, 30]  # 不同标准差的列表
noisy_imgs = []
for std_dev in sigma:
    noise = np.random.normal(mean, std_dev, img.shape)
    noisy_img = img + noise
    noisy_img = np.clip(noisy_img, 0, 255)  # 保证像素值在0到255范围内
    noisy_imgs.append(noisy_img)

# 应用高斯滤波
gaussian_blur = cv2.GaussianBlur
filtered_imgs = [gaussian_blur(img, (kernel_size, kernel_size), sigmaX=std_dev) for img, std_dev in zip(noisy_imgs, sigma)]

# 显示原始和处理后的图像
cv2.imshow("Original", img)
for i, filtered in enumerate(filtered_imgs):
    cv2.imshow(f"Noise with std dev {sigma[i]} and filtered", filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先加载图像，然后创建一系列噪声版本，每个版本使用一个特定的标准差。接着，我们对每个噪声图像应用高斯滤波，`kernel_size`可以根据需要调整。最后，显示原始图像以及经过不同标准差高斯滤波后的结果。