理想滤波器，高斯滤波器，巴特沃斯滤波器的高通代码

理想高通滤波器代码：

import numpy as np
import matplotlib.pyplot as plt

def highpass_filter_ideal(image, cutoff):
    #获取图像的大小
    M, N = image.shape
    #进行傅里叶变换
    F = np.fft.fft2(image)
    #将零频率分量移到频谱中心
    F_shift = np.fft.fftshift(F)
    #构造理想高通滤波器
    H = np.zeros((M,N))
    for i in range(M):
        for j in range(N):
            if np.sqrt((i-M//2)**2 + (j-N//2)**2) > cutoff:
                H[i,j] = 1
    #进行频域滤波
    G_shift = H * F_shift
    #将频谱移到左上角
    G = np.fft.ifftshift(G_shift)
    #进行傅里叶逆变换
    g = np.real(np.fft.ifft2(G))
    return g

高斯高通滤波器代码：

import numpy as np
import matplotlib.pyplot as plt

def highpass_filter_gaussian(image, cutoff):
    #获取图像的大小
    M, N = image.shape
    #进行傅里叶变换
    F = np.fft.fft2(image)
    #将零频率分量移到频谱中心
    F_shift = np.fft.fftshift(F)
    #构造高斯高通滤波器
    H = np.zeros((M,N))
    for i in range(M):
        for j in range(N):
            H[i,j] = 1 - np.exp(-((i-M//2)**2 + (j-N//2)**2)/(2*cutoff**2))
    #进行频域滤波
    G_shift = H * F_shift
    #将频谱移到左上角
    G = np.fft.ifftshift(G_shift)
    #进行傅里叶逆变换
    g = np.real(np.fft.ifft2(G))
    return g

巴特沃斯高通滤波器代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

def highpass_filter_butterworth(image, cutoff, n):
    #获取图像的大小
    M, N = image.shape
    #进行傅里叶变换
    F = np.fft.fft2(image)
    #将零频率分量移到频谱中心
    F_shift = np.fft.fftshift(F)
    #构造巴特沃斯高通滤波器
    H = np.zeros((M,N))
    for i in range(M):
        for j in range(N):
            D = np.sqrt((i-M//2)**2 + (j-N//2)**2)
            H[i,j] = 1 / (1 + (cutoff/D)**(2*n))
    #进行频域滤波
    G_shift = H * F_shift
    #将频谱移到左上角
    G = np.fft.ifftshift(G_shift)
    #进行傅里叶逆变换
    g = np.real(np.fft.ifft2(G))
    return g

其中，`image`是待滤波的图像，`cutoff`是滤波器的截止频率（理想滤波器和高斯滤波器），`n`是巴特沃斯滤波器的阶数。函数返回处理后的图像。