编写代码对含有噪声的图像分别采用3*3，9*9，15*15大小的均值滤波完成图像平滑，并比较不同大小滤波器对图像平滑的影响

在编写代码处理含有噪声的图像时，我们可以使用Python的PIL库或者OpenCV等图像处理工具包来实现3x3、9x9和15x15大小的均值滤波。这里以Python OpenCV为例：

import cv2
import numpy as np

# 假设我们有一个名为image的带有噪声的灰度图像
image = cv2.imread('noisy_image.jpg', cv2.IMREAD_GRAYSCALE)

# 定义不同尺寸的均值滤波核
kernels = [(3, 3), (9, 9), (15, 15)]
filtered_images = []

for kernel_size in kernels:
    # 创建均值滤波器
    blur_kernel = np.ones(kernel_size, np.float32) / (kernel_size[0] * kernel_size[1])
    # 应用滤波
    blurred = cv2.filter2D(image, -1, blur_kernel)
    filtered_images.append(blurred)

# 对结果进行显示或保存，对比它们的效果
titles = ['3x3', '9x9', '15x15']
for i in range(len(filtered_images)):
    plt.subplot(1, len(kernels), i+1)
    plt.imshow(filtered_images[i], cmap='gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])

plt.show()