如何使用Python和OpenCV库为图片添加高斯噪声和椒盐噪声？请提供完整的代码示例。

在图像处理领域，模拟噪声是验证算法鲁棒性的重要步骤。使用Python结合OpenCV库，可以方便地为图片添加高斯噪声和椒盐噪声。首先，需要安装OpenCV和numpy库，这两个库提供了操作图像和生成随机数的基础功能。

参考资源链接：[Python-OpenCV实现图片噪声添加：高斯与椒盐噪声](https://wenku.csdn.net/doc/645cd43e95996c03ac3f8636?spm=1055.2569.3001.10343)

对于高斯噪声，我们可以通过numpy的random模块生成符合特定均值和方差的高斯分布随机数数组，然后将这个数组添加到原图像中。这里的关键是确保噪声添加后的像素值仍然在图像的有效范围内（通常是0到255）。示例代码如下：

    import cv2
    import numpy as np
    
    def add_gaussian_noise(image, mean=0, var=10):
        row, col, ch = image.shape
        sigma = var**0.5
        gauss = np.random.normal(mean, sigma, (row, col, ch))
        gauss = gauss.reshape(row, col, ch)
        noisy_image = image + gauss
        return np.clip(noisy_image, 0, 255).astype(np.uint8)
    
    img = cv2.imread('image.jpg')
    img_noisy = add_gaussian_noise(img)
    cv2.imwrite('gaussian_noisy_image.jpg', img_noisy)

对于椒盐噪声，我们可以定义一个函数`add_sp_noise`，它通过随机选择像素点，然后随机将这些像素点的值设置为0或255来实现噪声的添加。示例代码如下：

    def add_sp_noise(image, prob):
        row, col, ch = image.shape
        output = np.copy(image)
        # Salt mode
        num_salt = np.ceil(prob * image.size * 0.5)
        coords = [np.random.randint(0, i - 1, int(num_salt)) for i in image.shape]
        output[coords[0], coords[1], :] = 255
        # Pepper mode
        num_pepper = np.ceil(prob * image.size * 0.5)
        coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in image.shape]
        output[coords[0], coords[1], :] = 0
        return output
    
    img_sp_noisy = add_sp_noise(img, 0.05)
    cv2.imwrite('sp_noisy_image.jpg', img_sp_noisy)

上述代码中，`add_sp_noise`函数接受一个概率参数`prob`，表示添加椒盐噪声的概率，通过调整这个参数可以控制噪声的强度。完成噪声添加后，将图片保存为新的文件以查看效果。

为了进一步掌握噪声添加和图像处理技巧，建议参阅资料《Python-OpenCV实现图片噪声添加：高斯与椒盐噪声》。该资料详细讲解了高斯噪声和椒盐噪声添加的原理和实践操作，提供了丰富的代码示例和图像处理背景知识，是深入学习和实践的极佳参考。

参考资源链接：[Python-OpenCV实现图片噪声添加：高斯与椒盐噪声](https://wenku.csdn.net/doc/645cd43e95996c03ac3f8636?spm=1055.2569.3001.10343)