用opencv给图片加高斯噪声，瑞利噪声，伽马噪声，指数噪声，均匀噪声，脉冲噪声，并且将噪声图放在同一块画布上

在OpenCV中添加噪声到图像通常涉及以下几个步骤：

1. **高斯噪声**：这是最常见的随机噪声类型，可以使用`cv2.GaussianBlur()`函数先对原图进行模糊处理，然后将随机值添加到像素值上。示例代码：

   import cv2
   img = ... # 加载原始图像
   noisy_img = img + np.random.normal(0, sigma, img.shape)

其中sigma决定了噪声的强度。

2. **瑞利噪声**：这种噪声模拟的是电子设备信号传输过程中的噪声。你可以生成正态分布的噪声，然后乘以特定的因子（如`sqrt(img)`）来保持图像亮度的一致性。

   noise_rician = np.sqrt(np.abs(noisy_img)) * np.random.randn(*img.shape) / (2 * sigma)

3. **伽马噪声**：这种噪声通过调整像素值的分布来模拟人眼感知的非线性响应。通过设置不同的伽马系数，可以改变图像的暗部和亮部对比度。

   gamma = ... # 设置伽马值
   noisy_img = pow(img / 255.0, gamma) * 255

4. **指数噪声**：这是一种幂律分布噪声，可以使用类似瑞利噪声的方式来生成。

   noise_exponential = img * np.random.gamma(shape, scale, img.shape)

5. **均匀噪声**：所有像素都按照同样的概率增加相同的随机量。

   uniform_noise = np.random.randint(-max_val, max_val+1, img.shape).astype(img.dtype)
   noisy_img = img + uniform_noise

6. **脉冲噪声**：一种局部的、跳跃式的噪声，例如椒盐噪声（salt and pepper），可以在像素值上加上随机的二值变化。

   prob = ... # 惰性概率
   noisy_img[pixel_values > 127] += np.random.choice([-max_val, max_val], p=[prob, 1-prob])

为了展示这些噪声效果在同一张图像上，你可以创建一个新的大图像，分别将上述噪声应用到子区域，然后拼接在一起。