图像分别添加椒盐噪声与乘性噪声，实现3*3窗口均值滤波与中值滤波，并比较两种方法在不同噪声下的去噪效果。提示：嵌套使用for循环语句

图像处理中，椒盐噪声和乘性噪声是常见的两种噪声形式。椒盐噪声通常表现为随机像素点的缺失或突变，而乘性噪声则是像素值随机地乘以一个小于一的系数，导致整体亮度下降。

要实现3x3窗口的均值滤波，首先遍历图像的每个像素，以3x3的邻域为中心，计算这个区域内的像素值平均数，然后将中心像素替换为该平均值，以此降低噪声的影响。这是通过两个嵌套的for循环完成的，外层控制行，内层控制列：

def mean_filter(image, window_size=3):
    height, width = image.shape
    for i in range(1, height - 1):
        for j in range(1, width - 1):
            pixel_sum = sum(image[i-1:i+2, j-1:j+2])
            filtered_pixel = pixel_sum / (window_size ** 2)
            image[i, j] = filtered_pixel

中值滤波则更为鲁棒，它会找到窗口内的像素值中位数作为新的像素值。同样使用嵌套循环：

def median_filter(image, window_size=3):
    # ... 其他步骤与mean_filter类似，但这里要用到列表排序来获取中位数 ...
    pass

对于去噪效果对比，椒盐噪声对均值滤波效果较好，因为它能够通过计算平均值来抵消部分噪声；但对于乘性噪声，由于噪声是全局性质的，中值滤波可能更能保留图像细节，因为它的中位数操作对极端值（噪声）有较强的抵抗能力。