文件夹读入图像1，将图像1转成灰度图像2。给灰度图像2人为地加上椒盐噪声和高斯噪声得到带噪声的图像3，用低通滤波法对图像3进行去噪得到图像4。在同一个界面上分别显示图像1，图像2，图像3和图像4。显示代码

在Python中，我们可以使用OpenCV库来处理图像并完成上述步骤。这里是一个简化的例子，假设我们已经安装了`opencv-python`库：

import cv2
import numpy as np

# 读取图像1
image1 = cv2.imread('path_to_image1.jpg', cv2.IMREAD_COLOR)
cv2.imshow('Original Image (1)', image1)

# 转换为灰度图像2
gray_image2 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale Image (2)', gray_image2)

# 添加椒盐噪声和高斯噪声
salt_value, pepper_value = 0.05, 0.05
noisy_image3 = cv2.addWeighted(gray_image2, 1, cv2.GaussianBlur(gray_image2, (5, 5), 0), salt_value, pepper_value)
cv2.imshow('Noisy Image (3)', noisy_image3)

# 低通滤波去噪
blur_kernel = 5
denoised_image4 = cv2.medianBlur(noisy_image3, blur_kernel)
cv2.imshow('Denoised Image (4)', denoised_image4)

# 等待用户按键关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码里：
- `cv2.imread()`用于读取图像文件。
- `cvtColor()`函数用于颜色空间转换，如从BGR到灰度。
- `cv2.addWeighted()`用于添加椒盐噪声，`cv2.GaussianBlur()`用于模拟高斯噪声。
- `cv2.medianBlur()`用于应用低通滤波进行去噪。

注意，你需要替换`'path_to_image1.jpg'`为实际的图片路径，并且调整噪声参数以达到所需的效果。