选择一批包含不同类型噪声的图像，包括高斯噪声、椒盐噪声、泊松噪声三种噪声类型，或者可选用清晰的图像，通过matlab等仿真工具对原始图像添加不同参数的噪声，并绘制图像的时域及频域图，观察含有噪声的图像频谱特征。

好的，这是一个计算机视觉方面的问题。添加不同类型噪声的图像可以通过Matlab中的imnoise函数实现。以下是一个示例代码，演示如何添加高斯噪声、椒盐噪声和泊松噪声：

img = imread('lena.png'); % 读取原始图像
img = im2double(img); % 转换为double类型

% 添加高斯噪声
img_gauss = imnoise(img, 'gaussian', 0, 0.01); % 0.01为高斯噪声的方差

% 添加椒盐噪声
img_saltpepper = imnoise(img, 'salt & pepper', 0.1); % 0.1为噪声密度

% 添加泊松噪声
img_poisson = imnoise(img, 'poisson'); % 默认参数

% 绘制时域图像
subplot(2,2,1), imshow(img), title('原始图像');
subplot(2,2,2), imshow(img_gauss), title('高斯噪声');
subplot(2,2,3), imshow(img_saltpepper), title('椒盐噪声');
subplot(2,2,4), imshow(img_poisson), title('泊松噪声');

% 绘制频域图像
figure;
subplot(2,2,1), imshow(abs(fftshift(fft2(img)))), title('原始图像频谱');
subplot(2,2,2), imshow(abs(fftshift(fft2(img_gauss)))), title('高斯噪声频谱');
subplot(2,2,3), imshow(abs(fftshift(fft2(img_saltpepper)))), title('椒盐噪声频谱');
subplot(2,2,4), imshow(abs(fftshift(fft2(img_poisson)))), title('泊松噪声频谱');

这段代码会读取名为`lena.png`的原始图像，并添加高斯噪声、椒盐噪声和泊松噪声。添加噪声后，会绘制图像的时域图像和频域图像。其中，时域图像显示图像的空间分布情况，频域图像则显示图像的频率分布情况。

你可以使用这段代码来生成不同类型噪声的图像，并观察它们的频谱特征。注意，添加噪声可能会对图像质量造成影响，因此需要适当调整噪声的参数。