编写一个Python程序。对图片做以下处理：加胡椒噪声，加盐粒噪声，最大值滤波，最小值滤波，高斯滤波，Sobel梯度算子，拉普拉斯算子，拉普拉斯锐化增强图像。把以上效果图在一张画布中显示出来。

编写一个Python程序，我们可以使用PIL（Python Imaging Library）库来进行基本的图像处理操作，以及OpenCV库来实现更复杂的滤波和边缘检测。首先确保已经安装了这两个库，如果没有可以使用`pip install pillow opencv-python-headless`命令安装。

以下是一个简单的示例代码，演示如何对图片进行上述处理：

from PIL import Image, ImageFilter
import cv2

# 加载图片
image_path = 'your_image_path.jpg'
img_pil = Image.open(image_path)
img_cv = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)  # 读取灰度图以便于后续处理

# 1. 加胡椒噪声 (Salt & Pepper Noise)
pepper_noise = img_pil.convert('L').point(lambda x: 0 if x < 128 else 255)
salt_noise = pepper_noise.point(lambda x: 255 if x < 128 else 0)

# 2. 最大值滤波 / 最小值滤波
max_filtered = img_pil.filter(ImageFilter.MaxFilter(size=3))
min_filtered = img_pil.filter(ImageFilter.MinFilter(size=3))

# 3. 高斯滤波
gaussian_filtered = img_pil.filter(ImageFilter.GaussianBlur(radius=3))

# 4. Sobel梯度算子 (OpenCV)
sobel_x = cv2.Sobel(img_cv, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(img_cv, cv2.CV_64F, 0, 1, ksize=3)
sobel_gradient = cv2.addWeighted(sobel_x, 0.5, sobel_y, 0.5, 0)

# 5. 拉普拉斯算子
laplacian = cv2.Laplacian(img_cv, cv2.CV_64F)

# 6. 拉普拉斯锐化 (增强)
laplacian_sharpened = img_cv + laplacian * 2

# 将所有处理后的图像合并到一个画布上
width = max(len(images) * images[0].width, image_pil.width)
height = sum(image.height for image in images) + 10  # 添加一些间距
combined_image = Image.new('RGB', (width, height), color=(255, 255, 255))

y_offset = 0
for image in [pepper_noise, salt_noise, max_filtered, min_filtered, gaussian_filtered,
              sobel_gradient, laplacian_sharpened]:
    combined_image.paste(image.resize((image.width, image.height)), (0, y_offset))
    y_offset += image.height + 10  # 增加间距

# 显示原始和处理后的图像
combined_image.show()

# 输出结果保存
combined_image.save('processed_image.png')