帮我写一段matlab代码，实现图像的主动退化并用逆滤波方法对图像进行复原

当然可以。在MATLAB中，你可以使用一些内置函数来实现图像的主动退化（如高斯模糊或椒盐噪声添加）以及逆滤波方法（如Wiener滤波）。这里是一个简单的例子：

% 导入图像
img = imread('your_image.jpg'); % 替换为你要处理的图片文件名

% 主动退化（这里以高斯模糊为例）
sigma = 2; % 高斯核的标准差，可以根据需求调整
blurred_img = imfilter(img, fspecial('gaussian', [5 5], sigma));

% 模拟椒盐噪声（如果需要，替换为saltAndPepperNoise）
salt_percent = 0.05; % 盐噪声的比例
pepper_percent = 0.05;
noisy_img = saltAndPepperNoise(blurred_img, salt_percent, pepper_percent);

% 对图像进行逆滤波复原（这里使用Wiener滤波）
recovered_img = wiener(noisy_img);

% 显示原始、退化及复原后的图像
subplot(2, 2, 1), imshow(img, 'InitialMagnification', 'fit');
title('Original Image');

subplot(2, 2, 2), imshow(blurred_img, 'InitialMagnification', 'fit');
title('Blurred Image');

subplot(2, 2, 3), imshow(noisy_img, 'InitialMagnification', 'fit');
title('Noisy Image');

subplot(2, 2, 4), imshow(recovered_img, 'InitialMagnification', 'fit');
title('Recovered Image');

function noisy_img = saltAndPepperNoise(img, salt_percent, pepper_percent)
    noisy_img = img + (rand(size(img)) < salt_percent) - 0.5;
    noisy_img = noisy_img + (rand(size(img)) < pepper_percent) * 0.5;
end

别忘了替换`'your_image.jpg'`为你实际要处理的图像文件路径。运行这段代码会显示原始图像、模糊图像、添加噪声后的图像以及经过Wiener滤波复原后的图像。