python实现空域平滑滤波：将一幅灰度图像+不同强度噪声高斯噪声和椒盐噪声然后分别使用不同模板大小335577的均值滤波器、中值滤波器进行处理写出清楚的实验步骤并对实验结果进行分析从理论上给出现象解释。提示：1加噪声使用imnoise函数help看其函数使用说明2均值、中值滤波器可利用fspecial函数、filter函数、medfilt2函数等

实验步骤：

1. 加载一幅灰度图像并加入高斯噪声和椒盐噪声，使用imnoise函数。

2. 分别使用不同大小（33,55,7*7）的均值滤波器，使用fspecial函数生成滤波器模板，再使用filter函数进行滤波。

3. 分别使用不同大小（33,55,7*7）的中值滤波器，使用medfilt2函数进行滤波。

4. 对滤波后的图像进行可视化，比较不同滤波器、不同模板大小对噪声的去除效果。

实验结果分析：

经过实验，可以发现：

1. 均值滤波器对高斯噪声和椒盐噪声的去除效果不如中值滤波器。

2. 随着滤波器模板大小的增加，噪声去除效果有所提高，但是图像细节信息也会受到较大的影响。

3. 中值滤波器对椒盐噪声的去除效果较好，但是对高斯噪声的去除效果较差。

现象解释：

1. 均值滤波器是通过计算像素周围邻域的平均值来进行滤波，对于高斯噪声和椒盐噪声的去除效果不佳的原因是因为噪声会导致像素值的跳变，从而影响了邻域的平均值，使得滤波器的效果不佳。

2. 中值滤波器是通过计算像素周围邻域的中值来进行滤波，对于椒盐噪声的去除效果较好的原因是因为椒盐噪声会导致像素值直接跳变至最大或最小值，而中值滤波器可以忽略掉这些异常值，从而达到去除噪声的效果。但是对于高斯噪声的去除效果较差的原因是因为高斯噪声是一种连续性的噪声，中值滤波器对连续性噪声的去除效果不如对离散性噪声的去除效果。

3. 滤波器模板大小的增加会使得滤波器的有效作用范围增大，从而使得滤波器的去噪效果有所提高。但是滤波器模板大小的增加也会导致图像细节信息的丢失，从而影响图像的质量