对加入高斯白噪声和椒盐噪声的图像进行邻域平均去噪python代码

以下是一个示例代码，使用邻域平均法对加入高斯白噪声和椒盐噪声的图像进行去噪：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('noisy_image.png', cv2.IMREAD_GRAYSCALE)

# 添加高斯白噪声
noise_sigma = 25
noise = np.random.normal(0, noise_sigma, img.shape)
noisy_img = img + noise

# 添加椒盐噪声
noise_ratio = 0.05
noise = np.random.rand(*img.shape)
noisy_img[noise < noise_ratio/2] = 0
noisy_img[noise > 1 - noise_ratio/2] = 255

# 邻域平均去噪
kernel_size = 3
denoised_img = cv2.blur(noisy_img, (kernel_size, kernel_size))

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Noisy Image', noisy_img)
cv2.imshow('Denoised Image', denoised_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，首先读取了一张图像并添加了高斯白噪声和椒盐噪声。然后使用`cv2.blur`函数对图像进行邻域平均去噪，其中`kernel_size`参数指定了邻域大小。最后显示了原始图像、加噪图像和去噪图像，可以通过调整`noise_sigma`、`noise_ratio`和`kernel_size`来得到不同的结果。