（1） 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。 使用python语言

在Python中，我们通常使用NumPy库来进行图像处理，包括添加高斯噪声和应用高斯滤波。以下是基本步骤：

1. **导入必要的库**:

import numpy as np
from scipy.ndimage import gaussian_filter
import matplotlib.pyplot as plt
from skimage.io import imread  # 或者使用PIL等其他库读取图像

2. **加载图像**:

img = imread('your_image.jpg')  # 替换为你的图片文件路径

3. **添加高斯噪声**:

def add_gaussian_noise(image, std_dev):
    noisy_img = image + np.random.normal(0, std_dev, image.shape)
    return noisy_img

std_devs = [5, 10, 15]  # 不同的标准差值
noisy_imgs = [add_gaussian_noise(img, s) for s in std_devs]

4. **应用高斯滤波**:

for i, img in enumerate(noisy_imgs):
    filtered_img = gaussian_filter(img, sigma=std_devs[i])  # 可以调整sigma参数
    plt.subplot(1, len(std_devs), i+1)
    plt.imshow(filtered_img, cmap='gray')
    plt.title(f"Standard Deviation: {std_devs[i]}")

5. **显示结果**:

plt.show()

这个例子中，`gaussian_filter`函数会根据指定的标准差（sigma）对图像进行平滑处理，降低噪声的影响。你可以通过改变`std_devs`列表来查看不同标准差下滤波效果的变化。