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。代码

好的，以下是一个Python代码示例，使用了scikit-image库和numpy库。请确保已经安装了这些库。

import numpy as np
import matplotlib.pyplot as plt
from skimage import io, filters

# 读入coins.png图像
img = io.imread('coins.png')

# 添加高斯噪声
img_noisy = img + 0.1 * np.random.normal(size=img.shape)

# 定义巴特沃斯高通滤波器函数
def butter_highpass(cutoff, order, size):
    radius = size / 2
    x, y = np.ogrid[-radius:size - radius, -radius:size - radius]
    lowpass = 1 / (1 + ((x * x + y * y) / cutoff ** 2) ** order)
    highpass = 1 - lowpass
    return highpass

# 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
order2 = 2
order30 = 30
size = 128
butter_highpass2 = butter_highpass(cutoff, order2, size)
butter_highpass30 = butter_highpass(cutoff, order30, size)

# 将两个滤波器应用于带有高斯噪声的图像
img_filtered2 = filters.convolve(img_noisy, butter_highpass2, mode='reflect')
img_filtered30 = filters.convolve(img_noisy, butter_highpass30, mode='reflect')

# 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
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 8))
ax = axes.ravel()

ax[0].imshow(img, cmap=plt.cm.gray)
ax[0].set_title("Original")

ax[1].imshow(img_noisy, cmap=plt.cm.gray)
ax[1].set_title("Noisy")

ax[2].imshow(img_filtered2, cmap=plt.cm.gray)
ax[2].set_title("Highpass, Order 2")

ax[3].imshow(img_filtered30, cmap=plt.cm.gray)
ax[3].set_title("Highpass, Order 30")

for a in ax:
    a.axis('off')

plt.tight_layout()
plt.show()

此代码将会读入`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4张子图的画布上进行展示。注意，这里的高通滤波器只是一个简单的示例，实际应用中可能需要更加复杂的滤波器设计。