用matlab对一幅图像加上高斯噪声后，分别采用中值滤波、自适应滤波和平滑滤波三 种方法对其进行滤波，并比较滤波后结果。

这是一个比较常见的图像处理问题。下面我将给出一种MATLAB代码实现方法，供您参考。

首先，我们需要读入一幅图像并加上高斯噪声。假设我们要处理的图像为“lena.png”，可以使用以下代码进行读取和添加高斯噪声：

% 读入图像
im = imread('lena.png');
% 加入高斯噪声
im_noise = imnoise(im, 'gaussian', 0, 0.01);

接下来，我们分别采用中值滤波、自适应滤波和平滑滤波三种方法对图像进行滤波。具体实现如下：

% 中值滤波
im_med = medfilt2(im_noise, [3 3]);

% 自适应滤波
im_adp = adapthisteq(im_noise);

% 平滑滤波
h = fspecial('average', [3 3]);
im_smooth = imfilter(im_noise, h);

其中，中值滤波使用`medfilt2`函数实现，自适应滤波使用`adapthisteq`函数实现，平滑滤波使用`fspecial`和`imfilter`函数实现。

最后，我们将滤波前后的图像进行可视化比较。具体实现如下：

% 可视化比较
subplot(2, 2, 1), imshow(im), title('原图');
subplot(2, 2, 2), imshow(im_noise), title('加噪图');
subplot(2, 2, 3), imshow(im_med), title('中值滤波');
subplot(2, 2, 4), imshow(im_adp), title('自适应滤波');

这里我们将四个图像排成2x2的矩阵，依次显示原图、加噪图、中值滤波后的图像和自适应滤波后的图像。你可以根据自己的需求进行修改。

最终的完整代码如下：

% 读入图像
im = imread('lena.png');
% 加入高斯噪声
im_noise = imnoise(im, 'gaussian', 0, 0.01);

% 中值滤波
im_med = medfilt2(im_noise, [3 3]);

% 自适应滤波
im_adp = adapthisteq(im_noise);

% 平滑滤波
h = fspecial('average', [3 3]);
im_smooth = imfilter(im_noise, h);

% 可视化比较
subplot(2, 2, 1), imshow(im), title('原图');
subplot(2, 2, 2), imshow(im_noise), title('加噪图');
subplot(2, 2, 3), imshow(im_med), title('中值滤波');
subplot(2, 2, 4), imshow(im_adp), title('自适应滤波');

希望这个例子对您有所帮助！