在图像处理领域，噪声是一种常见的问题，它可能由于设备缺陷、传输错误或环境因素等引起。椒盐噪声和高斯噪声是两种常见的图像噪声类型。在MATLAB中，可以使用`imnoise`函数来模拟和添加这些噪声到图像中，同时也有滤波方法如中值滤波和算术均值滤波来去除噪声。
我们来看如何使用MATLAB为图像添加椒盐噪声和高斯噪声。在给定的代码段中，`imnoise`函数被用来实现这一功能。例如：
```matlab
M = imread('dl011.jpg'); % 读取图像
P1 = imnoise(M, 'gaussian', 0.02); % 添加高斯噪声，第二个参数是方差
P2 = imnoise(M, 'salt & pepper', 0.02); % 添加椒盐噪声，第二个参数是噪声密度
```
`imnoise`函数的`'gaussian'`选项用于添加高斯噪声，而`'salt & pepper'`则用于添加椒盐噪声。第二个参数分别表示高斯噪声的方差（对于椒盐噪声，该参数通常表示噪声的密度，即椒盐像素占总像素的比例）。
接着，使用`medfilt2`函数进行中值滤波，这是一种有效的去除椒盐噪声的方法：
```matlab
g = medfilt2(P1); % 对高斯噪声进行中值滤波
h = medfilt2(P2); % 对椒盐噪声进行中值滤波
```
中值滤波通过用像素邻域内的中值替换每个像素值，特别适合消除椒盐噪声，因为它对极端值不敏感。
对于高斯噪声，有时会使用算术均值滤波，虽然效果不如中值滤波对椒盐噪声明显，但对平滑高斯噪声有一定作用：
```matlab
l = [1 1 1; 1 1 1; 1 1 1] / 9; % 创建3x3平均滤波器模板
k = conv2(P1, l); % 对高斯噪声进行算术均值滤波
d = conv2(P2, l); % 对椒盐噪声进行算术均值滤波
```
算术均值滤波通过计算邻域内所有像素的平均值来平滑图像，但可能会导致边缘模糊。
`imshow`函数用于显示处理前后的图像，`subplot`则用于在同一个图形窗口中展示多个子图，便于比较。
处理图像噪声的过程包括了噪声的模拟（使用`imnoise`）、滤波（如中值滤波`medfilt2`和算术均值滤波`conv2`）以及结果的可视化（使用`imshow`）。理解这些概念和操作对于进行图像处理和分析至关重要，尤其是在图像质量评估、图像增强和恢复等领域。
