基于3×3的模板（选择至少3种模板，平均、高斯和自建模板），编写均值滤波的处理程序，处理含有椒盐和高斯噪声的图像，观察处理结果。（原图、噪声图、不同模板处理噪声结果）。（imnoise,fspecial,imfilter）（9张）

基于MATLAB语言，我们可以使用`imnoise`函数生成椒盐和高斯噪声，然后利用`fspecial`创建不同模板（如平均、高斯和自定义模板），通过`imfilter`函数应用滤波操作。以下是简化的步骤：

1. 导入所需库并读取原图：

% 加载必要的库
import matlab.image.*
import skimage.data

% 读取原图
img = imread('original_image.jpg');

2. 添加椒盐和高斯噪声：

% 创建椒盐噪声
saltpepper_noise = imnoise(img, 'salt & pepper', 0.1); % 百分比表示噪声密度

% 创建高斯噪声
gaussian_noise = imnoise(img, 'gaussian', 0.05, 0); % 标准差表示噪声强度

3. 创建模板：

% 平均模板
mean_template = fspecial('average', [3 3]);

% 高斯模板
gaussian_kernel = fspecial('gaussian', [3 3], 1); % 高斯核的标准偏差

% 自定义模板 (例如自适应模板)
custom_template = ones([3 3]) / 9; % 九个元素全一的模板

4. 应用滤波：

% 使用平均模板处理噪声
mean_filtered = imfilter(saltpepper_noise, mean_template, 'replicate');

% 使用高斯模板处理噪声
gaussian_filtered = imfilter(gaussian_noise, gaussian_kernel, 'replicate');

% 自定义模板处理噪声
custom_filtered = imfilter(custom_noise, custom_template, 'replicate');

5. 显示原始图像、噪声图像及处理后的结果：

% 可视化原始图像、添加噪声后的图像以及处理后的图像
subplot(3, 3, 1), imshow(img), title('Original Image')
subplot(3, 3, 2), imshow(saltpepper_noise), title('Salt & Pepper Noise')
subplot(3, 3, 3), imshow(gaussian_noise), title('Gaussian Noise')

subplot(3, 3, 4), imshow(mean_filtered), title('Mean Filtered')
subplot(3, 3, 5), imshow(gaussian_filtered), title('Gaussian Filtered')
subplot(3, 3, 6), imshow(custom_filtered), title('Custom Filtered')

% ... 其余部分继续展示剩余的结果

运行以上代码会生成9张图片，分别是原图、椒盐噪声、高斯噪声以及分别使用平均、高斯和自定义模板处理后的图像。