不要调用matlab内部函数实现上述问题

如果您不想使用 MATLAB 内部函数，可以尝试使用以下代码来实现对运动图像加噪声并通过逆滤波方法还原原图：

% 添加运动模糊
originalImage = imread('原始图像.jpg');
motionBlurImage = imtranslate(originalImage, [10, 10]); % 运动模糊效果，[10, 10]为运动方向和距离

% 添加高斯噪声
noisyImage = double(motionBlurImage) + 0.01 * randn(size(motionBlurImage));

% 还原图像
[rows, cols] = size(noisyImage);
deblurredImage = zeros(rows, cols);

% 逆滤波
H = zeros(rows, cols);
H(1:21, 1:21) = 1; % 运动模糊的点扩散函数
H = circshift(H, [-10, -10]); % 将运动模糊的中心放置在图像中心
H = fft2(H);

for i = 1:3 % 反复迭代进行逆滤波
    F = fft2(noisyImage);
    deblurredImageFFT = F ./ H;
    deblurredImage = real(ifft2(deblurredImageFFT));
    noisyImage = deblurredImage; % 更新去模糊后的图像用于下一次迭代
end

% 显示结果
subplot(2,2,1), imshow(originalImage), title('原始图像');
subplot(2,2,2), imshow(motionBlurImage), title('运动模糊图像');
subplot(2,2,3), imshow(uint8(noisyImage)), title('加噪声图像');
subplot(2,2,4), imshow(uint8(deblurredImage)), title('还原图像');

这段代码首先使用 `imtranslate` 函数模拟运动模糊效果，然后通过添加高斯噪声来创建带有噪声的图像。接下来，使用逆滤波方法来尝试还原图像。代码中的循环迭代多次执行逆滤波过程，以获得更好的还原结果。

请确保将代码中的 `'原始图像.jpg'` 替换为实际图像文件的路径。请注意，这种简单的逆滤波方法可能无法处理较强的噪声和运动模糊，而且可能会导致伪影和增加噪声。在实际应用中，可能需要使用更复杂的图像恢复算法来获得更好的结果。