编写程序，给图像添加高斯噪声、椒盐噪声和均匀噪声

在编写程序给图像添加不同类型噪声时，通常会使用计算机视觉和数字信号处理库，如Python的PIL（Pillow）库用于图像操作，NumPy用于数学运算，而OpenCV则常用于更高级的图像处理任务。以下是向图像添加三种常见噪声的基本步骤：

1. **高斯噪声**：也称为高斯白噪声，这种噪声是从正态分布随机产生的。可以按照以下步骤操作：
- 加载图像
- 使用NumPy生成高斯噪声矩阵，其大小与原图相同
- 将噪声矩阵与原图像像素逐点相加，得到带噪图像

   from PIL import Image
   import numpy as np

   image = Image.open('image.jpg')
   noisy_image = image.convert('L') # 对灰度图像操作
   noise_matrix = np.random.normal(0, sigma, noisy_image.size)
   noisy_image_array = np.array(noisy_image) + noise_matrix
   noisy_image = Image.fromarray(np.uint8(noisy_image_array))

2. **椒盐噪声**：这种噪声表现为图像像素点被随机设置为最大值或最小值，模拟实际中的像素丢失或错误。可以采用掩码的方式来生成：
- 随机选择一部分像素点作为“污染”位置

   def salt_and_pepper(image, rate):
       mask = np.random.rand(*image.shape) < rate
       noisy_image = image.copy()
       noisy_image[mask] = 0 if image.dtype == 'uint8' else image.min()
       noisy_image[~mask] = image.max() if image.dtype == 'uint8' else image.max()
       return noisy_image

3. **均匀噪声**：所有像素值都增加或减少相同的随机数值。同样通过NumPy实现：

   uniform_noise = np.random.uniform(-offset, offset, image.shape)
   noisy_image = image + uniform_noise

记得调整噪声强度（sigma、rate和offset等）以控制噪声的量。