利用均值滤波去除高斯白噪声

均值滤波是一种常用的图像滤波方法，可以有效地去除高斯白噪声。它通过取像素周围邻域内像素值的平均值来平滑图像，从而减少噪声的影响。

以下是一个基于OpenCV库的Python实现示例：

import cv2
import numpy as np

# 读入图像
img = cv2.imread('lena.jpg')

# 添加高斯白噪声
noise = np.random.normal(0, 20, img.shape)
noisy_img = img + noise

# 进行均值滤波
denoised_img = cv2.blur(noisy_img, (5, 5))

# 显示图像
cv2.imshow('Noisy Image', noisy_img.astype(np.uint8))
cv2.imshow('Denoised Image', denoised_img.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先生成与原始图像相同大小的高斯白噪声，将其添加到原始图像中，得到有噪声的图像。然后，我们使用`cv2.blur()`函数进行均值滤波处理，最终得到去噪后的图像。

需要注意的是，均值滤波虽然简单易用，但在去除噪声的同时也会对图像的细节信息进行平滑处理，可能会导致图像失真。因此，在实际应用中，需要根据具体情况选择合适的滤波方法。