分别用巴特沃斯高通滤波器对带有高斯噪声的coins.png图像进行滤波，分别使滤波器阶数为2 和30进行滤波。 画出滤波器并显示；显示原图像，带有高斯噪声的图像，高通滤波后的图像MATLAB代码实现

以下是一个MATLAB代码示例，使用了`imread`、`imnoise`、`fspecial`和`imfilter`等函数。请确保已经安装了MATLAB并了解这些函数的使用。

% 读入coins.png图像
img = imread('coins.png');

% 添加高斯噪声
img_noisy = imnoise(img, 'gaussian', 0, 0.1);

% 设计巴特沃斯高通滤波器，分别计算阶数为2和30的滤波器系数
cutoff = 10; % 我们这里将截止频率设置为10
size = 128;
butter_highpass2 = fspecial('unsharp', size, cutoff, 2);
butter_highpass30 = fspecial('unsharp', size, cutoff, 30);

% 将两个滤波器应用于带有高斯噪声的图像
img_filtered2 = imfilter(img_noisy, butter_highpass2, 'replicate');
img_filtered30 = imfilter(img_noisy, butter_highpass30, 'replicate');

% 分别展示原图像、带有高斯噪声的图像以及两次高通滤波后的图像
figure;
subplot(2,2,1); imshow(img); title('Original');
subplot(2,2,2); imshow(img_noisy); title('Noisy');
subplot(2,2,3); imshow(img_filtered2); title('Highpass, Order 2');
subplot(2,2,4); imshow(img_filtered30); title('Highpass, Order 30');

这段代码与前面的Python代码类似，读入`coins.png`图像，添加高斯噪声，并使用两个不同阶数的巴特沃斯高通滤波器进行滤波。最后，将原图像、带有高斯噪声的图像和两次高通滤波后的图像绘制在一个2x2的子图的画布上进行展示。注意，这里的高通滤波器使用了MATLAB内置的`fspecial`函数实现，其中`unsharp`类型表示高通滤波器，第二个参数表示截止频率，第三个参数表示阶数。