对上面的图像进行增强，完成以下内容： （1）复制图像，先对图像进行降噪处理；（中值滤波、高斯滤波均可） （2）对滤波后的图像，进行锐化； （3）将原图像和锐化的图像进行叠加，得到增强后的图像。 （4）同时显示，原图像，平滑的图像、锐化的图像和增强后的图像。

在计算机视觉和图像处理领域，要对图像进行上述增强操作，你可以按照以下步骤进行：

1. **复制图像并降噪**：
- 使用Python的OpenCV库（`cv2`），首先读取原始图像，然后创建图像副本。

   import cv2
   original_img = cv2.imread('original_image.jpg')
   noisy_img = original_img.copy()

对于降噪，可以采用中值滤波器或高斯滤波器。例如，使用高斯滤波器：

   kernel_size = 5  # 可调整大小
   blurred_img = cv2.GaussianBlur(noisy_img, (kernel_size, kernel_size), 0)

2. **图像锐化**：
- 锐化通常通过卷积核实现，比如 Sobel 或者 Laplacian 算子。

   sobel_kernel = np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]])  # Sobel算子
   edges_img = cv2.filter2D(blurred_img, -1, sobel_kernel)

3. **图像叠加**：
- 将处理过的图像与原始图像按特定权重叠加，以获得增强效果。这可以简单地用 alpha blending 实现。

   alpha = 0.7  # 强度控制，0.0-1.0之间
   enhanced_img = cv2.addWeighted(original_img, 1, edges_img, alpha, 0)

4. **显示结果**：
- 使用matplotlib或OpenCV显示所有图像：

   import matplotlib.pyplot as plt
   fig, axs = plt.subplots(nrows=2, ncols=2)
   axs[0, 0].imshow(original_img)
   axs[0, 0].set_title('Original Image')
   axs[0, 1].imshow(blurred_img, cmap='gray')
   axs[0, 1].set_title('Blurred Image')
   axs[1, 0].imshow(edges_img, cmap='gray')
   axs[1, 0].set_title('Edges Image')
   axs[1, 1].imshow(enhanced_img)
   axs[1, 1].set_title('Enhanced Image')
   plt.show()