OpenCV 提供了多種圖像去噪的方法，以下是一些常見的去噪技術以及相應的 Python 代碼示例：

1. 均值濾波：使用像素鄰域的灰度均值代替該像素的值。

   import cv2
   import numpy as np
   import matplotlib.pyplot as pltimg = cv2.imread("4.jpg")
   result = cv2.blur(img, (5, 5))  # 傳入讀取的圖像和核尺寸
   cv2.imshow("Noise", img)
   cv2.imshow("Mean Filter", result)
   cv2.waitKey(0)
   

2. 高斯濾波：適用于消除高斯噪聲，通過加權平均鄰域內的像素值來計算中心像素的新值。

   result = cv2.GaussianBlur(img, (5, 5), 0)  # 高斯核尺寸和標準差
   cv2.imshow("Gaussian Filter", result)
   

3. 中值濾波：選擇一個含有奇數點的窗口，取窗口中像素灰度值的中位數來代替中心像素的值，有效去除椒鹽噪聲。

   result = cv2.medianBlur(img, 5)  # 核大小必須是大于1的奇數
   cv2.imshow("Median Filter", result)
   

4. 方框濾波：類似于均值濾波，但可以選擇是否對結果進行歸一化。

   result = cv2.boxFilter(img, -1, (5, 5), normalize=True)  # normalize=True 進行歸一化
   cv2.imshow("Box Filter", result)
   

5. 雙邊濾波：在濾波時同時考慮空間鄰近度與像素值相似度，保留邊緣信息。

   result = cv2.bilateralFilter(img, 9, 75, 75)  # 直徑、顏色空間的標準差和坐標空間的標準差
   cv2.imshow("Bilateral Filter", result)
   

6. 非局部均值去噪（NLM）：使用圖像中的所有像素進行去噪，根據相似度加權平均。

   dst = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21)
   plt.subplot(121),plt.imshow(img)
   plt.subplot(122),plt.imshow(dst)
   plt.show()
   

7. 高通濾波：保留高頻部分，常用于邊緣增強。

   x = cv2.Sobel(img, cv2.CV_16S, 1, 0)
   y = cv2.Sobel(img, cv2.CV_16S, 0, 1)
   absx = cv2.convertScaleAbs(x)
   absy = cv2.convertScaleAbs(y)
   dist = cv2.addWeighted(absx, 0.5, absy, 0.5, 0)
   cv2.imshow('High Pass Filter', dist)
   

請注意，上述代碼中的 img 變量需要先加載一個圖像，cv2.imread 函數用于讀取圖像，cv2.imshow 用于顯示圖像，cv2.waitKey(0) 用于等待用戶按鍵操作，plt.show() 用于顯示 Matplotlib 圖像。在實際使用中，需要根據具體情況調整核尺寸、標準差等參數。