给出matlab代码：（1）读入图像‘cameraman.tif’，注意图像矩阵中数据格式； （2）为图像添加高斯噪声； （3）构造不同截止频率D0，不同阶数n的巴特沃斯低通滤波器； （4）在频域中，用构造的巴特沃斯低通滤波器分别对图像进行滤波； （5）将滤波结果变换回图像空间域，并显示原始图像、含噪图像、滤波后图像； （6）对比不同截止频率和阶数的低通滤波器的滤波结果，并分析。

以下是根据您的要求编写的Matlab代码：

%% 读入图像
I = imread('cameraman.tif');

%% 添加高斯噪声
J = imnoise(I, 'gaussian', 0, 0.01);

%% 构造巴特沃斯低通滤波器
D0 = [10, 20, 30];  % 截止频率
n = [1, 2, 3];      % 阶数

figure; hold on;
for i = 1:length(D0)
    for j = 1:length(n)
        % 构造巴特沃斯低通滤波器
        H = 1 ./ (1 + (D0(i)./freqspace(size(I,1), 'meshgrid')).^(2*n(j)));
        
        % 在频域中用滤波器对图像进行滤波
        F = fft2(J);
        F = F .* H;
        G = real(ifft2(F));
        
        % 显示滤波结果
        subplot(length(D0),length(n),(i-1)*length(n)+j);
        imshow(G, []);
        title(['D0=', num2str(D0(i)), ', n=', num2str(n(j))]);
    end
end
hold off;

%% 显示原始图像、含噪图像、滤波后图像
figure;
subplot(1,3,1); imshow(I, []); title('Original Image');
subplot(1,3,2); imshow(J, []); title('Noisy Image');
subplot(1,3,3); imshow(G, []); title('Filtered Image');

上述代码中，使用`imread`函数读入图像，使用`imnoise`函数添加高斯噪声。接着，使用`freqspace`函数生成频率域网格，并根据不同的截止频率和阶数构造巴特沃斯低通滤波器。使用`fft2`函数将含噪图像变换到频域，并与滤波器相乘，最后使用`ifft2`函数将滤波结果变换回图像空间域。最后，使用`subplot`函数将不同的滤波结果显示在同一张图中，方便对比和分析。