步骤如下：

1. 读入带噪声的图像，并显示原始图像和带噪声的图像。
2. 对带噪声的图像进行空间域去噪处理，可以选择中值滤波、均值滤波、高斯滤波等方法。
3. 对带噪声的图像进行频率域去噪处理，可以选择傅里叶变换、小波变换等方法。在频率域中，可以使用低通滤波器或者带阻滤波器来去除噪声。
4. 将空间域和频率域的处理结果进行融合，得到最终的去噪图像。
5. 显示去噪后的图像，并保存处理结果。

下面是MATLAB代码实现：

% 读入带噪声的图像
img = imread('noisy_image.jpg');

% 显示原始图像和带噪声的图像
figure;
subplot(1,2,1);
imshow(img);
title('Original Image');
subplot(1,2,2);
imshow(img);
title('Noisy Image');

% 空间域去噪处理
img_spatial = medfilt2(img, [3,3]); % 中值滤波

% 频率域去噪处理
img_fft = fft2(img);
img_fft_shift = fftshift(img_fft);
img_fft_shift_filtered = img_fft_shift .* fspecial('gaussian', size(img), 10);
img_fft_filtered = ifftshift(img_fft_shift_filtered);
img_freq = ifft2(img_fft_filtered);
img_freq = uint8(real(img_freq));

% 融合空间域和频率域的处理结果
img_final = img_spatial . 0.5 + img_freq . 0.5;

% 显示去噪后的图像
figure;
imshow(img_final);
title('Denoised Image');

% 保存处理结果
imwrite(img_final, 'denoised_image.jpg');