用python语言写一段代码，将jpg格式的黑白图像中的黑色像素变为白色，白色像素变为黑色

请参考以下Python代码示例，可以使用Pillow库来实现：

from PIL import Image

# 读入图片
image = Image.open("image.jpg")

# 将图片转换为黑白模式
image = image.convert("L")

# 获取图片的大小
width, height = image.size

# 遍历所有像素点，将黑色像素变为白色，白色像素变为黑色
for x in range(width):
    for y in range(height):
        pixel = image.getpixel((x, y))
        if pixel == 0:
            image.putpixel((x, y), 255)
        else:
            image.putpixel((x, y), 0)

# 保存修改后的图片
image.save("modified.jpg")

运行以上代码后，将会生成一个名为`modified.jpg`的新图片，其中黑色像素被变为白色，白色像素被变为黑色。

相关问题

编写程序，在给定图像上分别添加高斯噪声、椒盐噪声、以及高斯-椒盐混合噪声 ，并将含噪图像保存（噪声的参数自行）。列出处理前后图像，并给出添加噪声后图像不同效果的分析说明。（主要代码请加注释）

在Python中，我们可以使用PIL（Python Imaging Library）库来处理图像，同时结合numpy进行数值计算。这里是一个简单的示例，我们将使用OpenCV（cv2）库，它在图像处理方面非常强大。

首先，确保已安装`opencv-python`和`Pillow`库。如果没有，可以使用pip安装：

pip install opencv-python pillow

接下来，我们编写一段代码，实现对图像添加三种类型的噪声：

import cv2
import numpy as np
from PIL import Image

# 加载图像
img = cv2.imread('original_image.jpg', cv2.IMREAD_GRAYSCALE)  # 灰度图便于操作
assert img is not None, "Image loading failed!"

# 高斯噪声
def add_gaussian_noise(img, sigma=0.5):
    noise = np.random.normal(0, sigma, img.shape)
    noisy_img = img + noise
    return np.clip(noisy_img, 0, 255).astype(np.uint8)

# 椒盐噪声
def add_salt_pepper_noise(img, p=0.05):
    row, col = img.shape
    s_vs_p = 0.5  # 权重比例，s指salt，p指pepper
    amount = p * s_vs_p * row * col  # 生成椒盐点的数量
    amount_sp = int(amount * 2)  # 因为有些会被两次选择

    salt_mask = np.zeros(img.shape, np.bool)
    pepper_mask = np.zeros(img.shape, np.bool)

    while amount_sp:
        i = np.random.randint(row)
        j = np.random.randint(col)
        salt_mask[i, j] = True
        pepper_mask[i, j] = True
        amount_sp -= 1

    noisy_img = img.copy()
    noisy_img[salt_mask] = 255
    noisy_img[pepper_mask] = 0
    return noisy_img

# 高斯-椒盐混合噪声
def add_gauss_salt_pepper_mixture(img, gauss_sigma=0.5, sp_prob=0.05):
    noisy_img = add_gaussian_noise(img, gauss_sigma)
    mixed_noisy_img = add_salt_pepper_noise(noisy_img, sp_prob)
    return mixed_noisy_img

# 添加噪声并保存
noisy_img_gaussian = add_gaussian_noise(img)
noisy_img_salt_pepper = add_salt_pepper_noise(img)
noisy_img_mixed = add_gauss_salt_pepper_mixture(img)

# 将图像转换回PIL格式以便显示
gaussian_pil = Image.fromarray(cv2.cvtColor(noisy_img_gaussian, cv2.COLOR_GRAY2RGB))
salt_pepper_pil = Image.fromarray(cv2.cvtColor(noisy_img_salt_pepper, cv2.COLOR_GRAY2RGB))
mixed_pil = Image.fromarray(cv2.cvtColor(noisy_img_mixed, cv2.COLOR_GRAY2RGB))

# 保存图像
gaussian_pil.save("noisy_gaussian.jpg")
salt_pepper_pil.save("noisy_salt_pepper.jpg")
mixed_pil.save("noisy_mixed.jpg")

# 分析说明：
# - 高斯噪声：图像细节变得模糊，整体色彩保留。
# - 椒盐噪声：部分像素变为黑白，破坏了连续性，造成斑块状的效果。
# - 高斯-椒盐混合：结合了上述两种噪声，既有局部模糊又有随机斑点，更接近真实世界中的噪声。