自己编写程序，基于如下两种滤波核K1=|Gx|+|Gy|和K2=|G’x|+|G’y|进行图像锐化，输出结果图像，比较与分析两种滤波的实验效果

基于K1和K2两种滤波核进行图像锐化的步骤如下：

1. 读取原始图像并将其转换为灰度图像。
2. 对灰度图像进行高斯滤波以去除噪声。
3. 分别计算K1和K2两种滤波核的卷积结果。
4. 将两种卷积结果相加得到最终的锐化图像。
5. 输出结果图像并比较分析两种滤波的实验效果。

代码示例（使用Python和OpenCV库）：

import cv2
import numpy as np

# 读取原始图像并转换为灰度图像
img = cv2.imread('input.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 高斯滤波
blur = cv2.GaussianBlur(gray, (3, 3), 0)

# 定义K1和K2两种滤波核
K1 = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]])
K2 = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])

# 计算K1和K2的卷积结果
conv1 = cv2.filter2D(blur, -1, K1)
conv2 = cv2.filter2D(blur, -1, K2)

# 将两种卷积结果相加得到最终的锐化图像
result = cv2.addWeighted(conv1, 0.5, conv2, 0.5, 0)

# 显示并保存结果图像
cv2.imshow('Result', result)
cv2.imwrite('output.jpg', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过比较K1和K2两种滤波的实验效果，可以发现K1滤波核可以更好地突出图像的边缘和细节，而K2滤波核则更适合用于去除图像中的噪声和平滑图像。因此，在实际应用中需要根据具体情况选择合适的滤波核。