添加椒盐噪声，并可视化加噪声后的图片。请帮我分析这一过程的原理

添加椒盐噪声是一种常见的图像处理方法，它可以模拟图像传输过程中的噪声干扰，从而对图像进行修复和增强。它的原理是在图像的像素值中随机添加白色或黑色像素点，从而模拟图像中的噪声。

添加椒盐噪声的过程通常是将图像中的每个像素随机地与一个白色或黑色像素点进行替换，替换的概率可以根据需要进行调整。在实际应用中，可以使用Python的OpenCV库实现椒盐噪声的添加和可视化。

代码示例：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)

# 添加椒盐噪声
noise_img = np.copy(img)
p = 0.05  # 噪声比例
noise_num = int(p * img.shape[0] * img.shape[1])
for i in range(noise_num):
    rand_x = np.random.randint(0, img.shape[0])
    rand_y = np.random.randint(0, img.shape[1])
    if np.random.rand() < 0.5:
        noise_img[rand_x, rand_y] = 0
    else:
        noise_img[rand_x, rand_y] = 255

# 可视化噪声图像
cv2.imshow('noise_img', noise_img)
cv2.waitKey(0)

在这段代码中，我们首先读取了一张灰度图像，然后根据设定的噪声比例随机生成一定数量的椒盐噪声点，并将其添加到原始图像上，最后可视化生成的带有噪声的图像。