利用cv2.blur( )方法对添加了椒盐噪声的图像进行均值滤波，要求分别采用3*3、5*5和9*9的滤波核，给出相关代码和实验结果；

在Python的OpenCV库(cv2)中，`blur()`函数可以用于对图像进行平滑处理，去除噪声，如椒盐噪声。这里我们将展示如何使用该函数配合不同的滤波核大小（3x3、5x5和9x9）来实现均值滤波。

import cv2
import numpy as np

# 加载示例图像
image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

# 模拟椒盐噪声
salt_and_pepper_noise = (np.random.rand(*image.shape) < 0.05) * 255
noisy_image = image + salt_and_pepper_noise.astype(np.uint8)
noisy_image = np.clip(noisy_image, 0, 255)  # 确保像素值在0-255范围内

# 定义不同大小的滤波核
kernels = [(3, 3), (5, 5), (9, 9)]
filtered_images = []

for kernel_size in kernels:
    blurred_image = cv2.blur(noisy_image, kernel_size)
    filtered_images.append(blurred_image)

# 显示原始图像和处理后的图像
titles = ['Original', '3x3 Blur', '5x5 Blur', '9x9 Blur']
for i, img in enumerate(filtered_images):
    plt.subplot(2, 2, i+1)
    plt.imshow(img, cmap='gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])  # 隐藏坐标轴

plt.show()

在这个例子中，我们首先加载并模拟椒盐噪声，然后应用不同大小的滤波核进行模糊处理。结果会显示原始图像以及三种滤波核尺寸下处理后的图像对比。注意，由于这是一个简化的代码片段，实际运行时需要导入matplotlib库并确保图片路径正确。