打开图像，应用 MATLAB中工具箱函数fspecial（）、imfilter（）、imnoise2（）等为图像添加噪声，并验证算术均值、几何均值、调和均值、逆调和均值等空间域滤波法实现仅有噪声退化的图像复原（分析三种以上噪声使用均值滤波的处理结果）

在MATLAB中，首先你需要打开图像文件，通常使用`imread`函数读取。然后，你可以使用`fspecial`函数创建不同的滤波器模板，比如`'gaussian'`, `'disk'`, 或 `'rectangle'` 等，用于添加噪声。`imfilter`函数则用于在图像上应用这些滤波器，`imnoise2`函数则可以生成各种类型的随机噪声，如高斯噪声（`'gaussian'`）、椒盐噪声（`'salt & pepper'`）或 speckle（`'speckle'`）。

例如，如果你想向图像添加高斯噪声，可能会这样做：

% 加载图像
img = imread('your_image.jpg');
% 创建高斯噪声
noise_level = 0.1; % 噪声级别
noisy_img = img + noise_level * imnoise(img, 'gaussian');

% 使用均值滤波器去噪
filtered_img_gaussian = medfilt2(noisy_img); % 使用medfilt2（中值滤波器）代替imfilter和均值滤波

% 对其他噪声类型重复类似操作：
% noisy_img_speckle = img + noise_level * imnoise(img, 'speckle'); % 检查 speckle噪声
% filtered_img_speckle = medfilt2(noisy_img_speckle);

% 对于几何均值、调和均值和逆调和均值等滤波方法，MATLAB可能没有现成的内置函数，需要自定义或者找到第三方库来实现。