使用python中得image库将原始图片转为黑白图像，加入高斯噪声，最后编写均值、中值滤波进行去噪

以下是使用Python中的PIL库（Python Imaging Library）将原始图片转为黑白图像，然后添加高斯噪声，并编写均值和中值滤波进行去噪的示例代码：

from PIL import Image, ImageFilter
import numpy as np
import random

# 打开原始图片
img = Image.open('original_image.jpg')

# 转为黑白图像
img = img.convert('L')

# 转为numpy数组
img_array = np.array(img)

# 添加高斯噪声
mean = 0
var = 100
sigma = var ** 0.5
height, width = img_array.shape
gaussian = np.random.normal(mean, sigma, (height, width))
gaussian = gaussian.reshape(height, width)
img_array_noise = img_array + gaussian

# 转为Image对象
img_noise = Image.fromarray(img_array_noise.astype('uint8'))

# 均值滤波
img_mean = img_noise.filter(ImageFilter.Kernel((3, 3), [1/9]*9))

# 中值滤波
img_median = img_noise.filter(ImageFilter.MedianFilter(size=3))

# 显示图片
img.show()
img_noise.show()
img_mean.show()
img_median.show()

# 保存图片
img_noise.save('noisy_image.jpg')
img_mean.save('mean_filtered_image.jpg')
img_median.save('median_filtered_image.jpg')

在这个示例代码中，我们首先打开原始图片并将其转为黑白图像，然后使用numpy库生成高斯噪声，并将其添加到黑白图像上。接着，我们将numpy数组转为PIL库中的Image对象，并使用ImageFilter模块中的Kernel和MedianFilter类分别进行均值和中值滤波。最后，我们显示了所有的图片，并将它们保存在硬盘上。

请注意，这只是一个简单的示例，实际上你可以根据需要对滤波器的大小和参数进行调整，以获得更好的去噪效果。