matlab生成有加性高斯噪声和椒盐噪声的图像，进行低通滤波处理并比较

在MATLAB中，你可以通过以下几个步骤生成包含加性高斯噪声（AWGN）和椒盐噪声的图像，对其进行低通滤波处理，并对比原始和处理后的效果：

1. **生成图像**：
- 使用`imread`函数读取一张图像作为基础。

   img = imread('your_image.jpg'); % 替换为你要处理的图片文件名

2. **添加高斯噪声**：
- `awgn`函数可以向图像添加加性高斯噪声。例如，给定信号到噪声比（SNR），计算噪声后再添加：

   snr_db = 10; % dB形式的SNR
   sigma = sqrt(10^(-snr_db/10)); % 计算标准差
   noisy_img = awgn(img, 'measured', sigma);

3. **添加椒盐噪声**：
- MATLAB并没有内置椒盐噪声函数，你需要手动创建一个二值掩模然后对图像进行点运算：

   noise_mask = rand(size(img)) < 0.05; % 创建随机椒盐噪声掩模
   salt_pepper_noisy_img = img .* (1 - noise_mask) + 128 * noise_mask; % 点运算

这里假设椒盐噪声的比例是5%。

4. **低通滤波**：
- 使用`imgaussfilt`函数进行低通滤波，比如使用5x5的高斯核：

   lowpass_img = imgaussfilt([noisy_img; salt_pepper_noisy_img], [5 5]); % 对两幅图同时处理

5. **比较结果**：
- 可以通过`imshowpair`函数并行显示原始、加噪和降噪后的图像，以便直观地观察变化：

   figure;
   subplot(2, 2, 1); imshow(img, []);
   title('Original Image');
   subplot(2, 2, 2); imshow(noisy_img, []);
   title('Noisy Image with Gaussian Noise');
   subplot(2, 2, 3); imshow(salt_pepper_noisy_img, []);
   title('Noisy Image with Salt and Pepper Noise');
   subplot(2, 2, 4); imshow(lowpass_img, []);
   title('Low-pass Filtered Image');