从磁盘读入一幅图像，显示。给图像加载图像分别添加 高斯噪声、椒盐噪声和均匀分布的噪声，对图像进行各种去 噪滤波处理。c++

好的，我来为您解答这个问题。

首先，需要使用OpenCV库来实现图像的读入和显示，以及噪声添加和去噪滤波处理。可以使用以下代码来读入和显示图像：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    Mat img = imread("test.jpg"); // 读入图像
    imshow("Original Image", img); // 显示原图像
    waitKey(0); // 等待按键
    return 0;
}

接下来，可以使用OpenCV提供的函数来添加高斯噪声、椒盐噪声和均匀分布的噪声。以下是添加高斯噪声的代码示例：

Mat addGaussianNoise(const Mat& img, double mean, double stddev)
{
    Mat noise = Mat(img.size(), CV_32FC3);
    randn(noise, mean, stddev); // 产生高斯噪声
    Mat result;
    add(img, noise, result, Mat(), CV_8UC3);
    return result;
}

以下是添加椒盐噪声的代码示例：

Mat addSaltAndPepperNoise(const Mat& img, double ratio)
{
    Mat result = img.clone();
    int height = img.rows;
    int width = img.cols;
    int num = (int)(height * width * ratio);
    for (int i = 0; i < num; i++)
    {
        int x = rand() % width;
        int y = rand() % height;
        if (rand() % 2 == 0)
            result.at<Vec3b>(y, x) = Vec3b(0, 0, 0); // 盐噪声
        else
            result.at<Vec3b>(y, x) = Vec3b(255, 255, 255); // 椒噪声
    }
    return result;
}

以下是添加均匀分布噪声的代码示例：

Mat addUniformNoise(const Mat& img, double a, double b)
{
    Mat noise = Mat(img.size(), CV_32FC3);
    randu(noise, Scalar(a, a, a), Scalar(b, b, b)); // 产生均匀分布噪声
    Mat result;
    add(img, noise, result, Mat(), CV_8UC3);
    return result;
}

接下来，可以使用OpenCV提供的函数来实现各种去噪滤波处理。以下是一些常见的去噪滤波处理方法：

1. 均值滤波：

Mat meanFilter(const Mat& img, int ksize)
{
    Mat result;
    blur(img, result, Size(ksize, ksize));
    return result;
}

2. 中值滤波：

Mat medianFilter(const Mat& img, int ksize)
{
    Mat result;
    medianBlur(img, result, ksize);
    return result;
}

3. 高斯滤波：

Mat gaussianFilter(const Mat& img, int ksize, double sigma)
{
    Mat result;
    GaussianBlur(img, result, Size(ksize, ksize), sigma);
    return result;
}

4. 双边滤波：

Mat bilateralFilter(const Mat& img, int ksize, double sigmaColor, double sigmaSpace)
{
    Mat result;
    bilateralFilter(img, result, ksize, sigmaColor, sigmaSpace);
    return result;
}

最后，完整的代码如下：

#include <opencv2/opencv.hpp>
using namespace cv;

Mat addGaussianNoise(const Mat& img, double mean, double stddev)
{
    Mat noise = Mat(img.size(), CV_32FC3);
    randn(noise, mean, stddev); // 产生高斯噪声
    Mat result;
    add(img, noise, result, Mat(), CV_8UC3);
    return result;
}

Mat addSaltAndPepperNoise(const Mat& img, double ratio)
{
    Mat result = img.clone();
    int height = img.rows;
    int width = img.cols;
    int num = (int)(height * width * ratio);
    for (int i = 0; i < num; i++)
    {
        int x = rand() % width;
        int y = rand() % height;
        if (rand() % 2 == 0)
            result.at<Vec3b>(y, x) = Vec3b(0, 0, 0); // 盐噪声
        else
            result.at<Vec3b>(y, x) = Vec3b(255, 255, 255); // 椒噪声
    }
    return result;
}

Mat addUniformNoise(const Mat& img, double a, double b)
{
    Mat noise = Mat(img.size(), CV_32FC3);
    randu(noise, Scalar(a, a, a), Scalar(b, b, b)); // 产生均匀分布噪声
    Mat result;
    add(img, noise, result, Mat(), CV_8UC3);
    return result;
}

Mat meanFilter(const Mat& img, int ksize)
{
    Mat result;
    blur(img, result, Size(ksize, ksize));
    return result;
}

Mat medianFilter(const Mat& img, int ksize)
{
    Mat result;
    medianBlur(img, result, ksize);
    return result;
}

Mat gaussianFilter(const Mat& img, int ksize, double sigma)
{
    Mat result;
    GaussianBlur(img, result, Size(ksize, ksize), sigma);
    return result;
}

Mat bilateralFilter(const Mat& img, int ksize, double sigmaColor, double sigmaSpace)
{
    Mat result;
    bilateralFilter(img, result, ksize, sigmaColor, sigmaSpace);
    return result;
}

int main()
{
    Mat img = imread("test.jpg"); // 读入图像
    imshow("Original Image", img); // 显示原图像

    Mat img_gaussian = addGaussianNoise(img, 0, 30); // 添加高斯噪声
    imshow("Gaussian Noise", img_gaussian); // 显示带高斯噪声的图像

    Mat img_salt_and_pepper = addSaltAndPepperNoise(img, 0.1); // 添加椒盐噪声
    imshow("Salt and Pepper Noise", img_salt_and_pepper); // 显示带椒盐噪声的图像

    Mat img_uniform = addUniformNoise(img, 0, 30); // 添加均匀分布噪声
    imshow("Uniform Noise", img_uniform); // 显示带均匀分布噪声的图像

    Mat img_mean = meanFilter(img_gaussian, 5); // 均值滤波
    imshow("Mean Filtering", img_mean); // 显示均值滤波后的图像

    Mat img_median = medianFilter(img_salt_and_pepper, 5); // 中值滤波
    imshow("Median Filtering", img_median); // 显示中值滤波后的图像

    Mat img_gaussian_filter = gaussianFilter(img_uniform, 5, 2); // 高斯滤波
    imshow("Gaussian Filtering", img_gaussian_filter); // 显示高斯滤波后的图像

    Mat img_bilateral = bilateralFilter(img_gaussian, 5, 30, 30); // 双边滤波
    imshow("Bilateral Filtering", img_bilateral); // 显示双边滤波后的图像

    waitKey(0); // 等待按键
    return 0;
}

希望能够帮助到您！