代码实现：
import cv2
import numpy as np
sp = cv2.VideoCapture('test.avi')
def add_peppersalt_noise(frame,n=10000):
result = frame.copy()
h,w= frame.shape[:2]
for i in range(n):
x=np.random.randint(1,h)
y=np.random.randint(1,w)
if np.random.randint(0,2) == 0:
result[x,y]=0
else:
result[x,y]= 255
return result
if not sp.isOpened():
print('无法打开视频文件')
exit()
while True:
ret,frame = sp.read() # ret 布尔值 判断是否读到视频帧 frame是读到的帧
if not ret:
break
frame = cv2.resize(frame, (540, 380))
cv2.imshow('video',frame)
noise = add_peppersalt_noise(frame)
medianB = cv2.medianBlur(noise, 3)
cv2.imshow('noise',noise)
cv2.imshow('medianBlur',medianB)
if cv2.waitKey(1) == 27:
break
sp.release()
cv2.destroyAllWindows()代码解释：
这段代码实现了对视频添加椒盐噪声椒盐噪声（salt-and-pepper noise）并使用中值滤波进行去噪处理的功能，主要分为视频读取、噪声添加、去噪处理和结果显示四个部分。以下是详细解释：
1. 导入库
import cv2 # OpenCV库，用于视频处理和图像处理
import numpy as np # NumPy库，用于生成随机数和数组操作
2. 打开视频文件
sp = cv2.VideoCapture('test.avi') # 创建视频捕获对象，读取本地视频文件'test.avi'
cv2.VideoCapture 用于打开视频文件或摄像头，这里传入视频路径表示读取本地文件。
3. 定义添加椒盐噪声的函数
def add_peppersalt_noise(frame, n=10000):
result = frame.copy() # 复制原始帧，避免修改原图
h, w = frame.shape[:2] # 获取图像的高度(h)和宽度(w)
for i in range(n): # 循环n次，添加n个噪声点
x = np.random.randint(1, h) # 随机生成x坐标（1到h-1之间）
y = np.random.randint(1, w) # 随机生成y坐标（1到w-1之间）
if np.random.randint(0, 2) == 0: # 50%概率生成"椒噪声"（黑色点）
result[x, y] = 0 # 像素值设为0（黑色）
else: # 50%概率生成"盐噪声"（白色点）
result[x, y] = 255 # 像素值设为255（白色）
return result # 返回添加噪声后的图像
椒盐噪声：图像中随机出现的黑色点（椒噪声，值为 0）和白色点（盐噪声，值为 255），模拟图像传感器干扰或传输错误。
参数 n 控制噪声数量（默认 10000 个），值越大噪声越密集。
4. 检查视频是否打开成功
if not sp.isOpened():
print('无法打开视频文件')
exit() # 打开失败则退出程序
isOpened() 用于判断视频是否成功打开（路径错误、文件损坏等会导致失败）。
5. 循环处理视频帧
while True:
ret, frame = sp.read() # 读取一帧视频
# ret：布尔值，True表示读取成功；frame：当前帧的图像数组（numpy数组）
if not ret:
break # 读取失败或视频结束，退出循环
# 调整帧大小（可选，便于显示）
frame = cv2.resize(frame, (540, 380)) # 缩放到宽540、高380像素
# 显示原始视频帧
cv2.imshow('video', frame)
# 对当前帧添加椒盐噪声
noise = add_peppersalt_noise(frame)
cv2.imshow('noise', noise) # 显示带噪声的帧
# 对噪声帧进行中值滤波去噪
medianB = cv2.medianBlur(noise, 3) # 3×3卷积核的中值滤波
cv2.imshow('medianBlur', medianB) # 显示去噪后的帧
# 按ESC键（ASCII码27）退出循环
if cv2.waitKey(1) == 27:
break
中值滤波（cv2.medianBlur）：对椒盐噪声去噪效果极佳，原理是用邻域内像素的中值替换中心像素，能有效去除极端值（黑白噪声点）。
cv2.waitKey(1)：等待 1 毫秒，同时检测按键，确保窗口刷新和交互。
6. 释放资源
sp.release() # 释放视频捕获对象
cv2.destroyAllWindows() # 关闭所有显示窗口
必须在程序结束时释放资源，避免内存泄漏。
整体效果
运行后会显示三个窗口：
video：原始视频帧
noise：添加椒盐噪声后的视频帧（可见大量黑白斑点）
medianBlur：中值滤波处理后的视频帧（噪声明显减少，图像较清晰）
通过对比可以直观看到中值滤波对椒盐噪声的去除效果。如果噪声更严重，可增大 add_peppersalt_noise 中的 n 值，或调整 medianBlur 的卷积核大小（如 5，需为奇数）。
输出结果：
