对一副图像分别实现均值平滑滤波和拉普拉斯锐化滤波并显示结果图像

图像处理中，均值平滑滤波和拉普拉斯锐化滤波是两个常见的操作，用于改变图像的视觉效果。

**均值平滑滤波（Mean Smoothing Filter）**：
这种滤波方式会将每个像素点的颜色值替换为其周围邻域像素的平均值，目的是去除图像噪声，使细节变得模糊。它通过计算一个像素及其周围指定大小的窗口内的像素值然后取平均，来获得新的像素值。例如，可以使用3x3或5x5的邻域窗口进行平滑。

**拉普拉斯锐化滤波（Laplacian Sharpening Filter）**：
拉普拉斯算子是一种边缘检测算法，但在一定程度上也能增强图像对比度，使得图像的边缘更明显、细节更突出。它是原图像与它的梯度模平方之差的结果。对于每个像素，先计算其周围像素变化的梯度，然后对这个梯度值求平方再做差，最后得到的结果就是锐化的图像。

为了在Python中实现这两步操作，你可以使用OpenCV库。首先读取原始图像，然后应用滤波函数，比如`cv2.blur()`进行均值平滑，`cv2.Laplacian()`进行拉普拉斯锐化，最后保存或显示处理后的图像。这里是一个简短的例子：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('input.jpg')

# 均值平滑
smoothed_image = cv2.blur(image, (kernel_size, kernel_size))

# 拉普拉斯锐化
laplacian_image = cv2.Laplacian(smoothed_image, cv2.CV_64F).astype(np.uint8)

# 显示或保存图像
cv2.imshow('Smoothed Image', smoothed_image)
cv2.imshow('Laplacian Image', laplacian_image)
cv2.waitKey(0)  # 等待用户按键
cv2.destroyAllWindows()