实验内容2：拉普拉斯锐化和拉普拉斯锐化增强对应的滤波核分别为 使用上述滤波核实现图像的拉普拉斯锐化和拉普拉斯增强处理。结果展示部分应至少包含原始图像、锐化图像、增强图像。

拉普拉斯锐化（Laplacian sharpening）和拉普拉斯增强（Laplacian enhancement）都是利用图像的梯度信息进行的一种图像增强操作。它们通常用于突出图像细节和边缘，使图像看起来更加清晰。

**拉普拉斯算子** 是一种二阶微分算子，它计算的是图像像素点处灰度值变化的急剧程度，也就是局部区域的“亮度轮廓”。其滤波核通常表示为：

\[
K = \begin{bmatrix}
0 & -1 & 0 \\
-1 & 4 & -1 \\
0 & -1 & 0
\end{bmatrix}
\]

这个矩阵的元素代表了对每个像素及其邻域像素的影响。对于一个 \(3 \times 3\) 的窗口，中心像素乘以4，而角落像素乘以-1，其余位置乘以-1。

**拉普拉斯锐化** 通常是对原图像应用拉普拉斯算子的结果，然后将其与原图像相减，保留增强后的边缘信息，但减少了平滑部分的影响。这可以通过以下步骤实现：

import numpy as np
from scipy.signal import laplacian

def laplacian_sharpen(image):
    kernel = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
    grad_image = laplacian(image, 'scharr')  # 使用Scharr算子近似Laplacian
    sharpened = image + grad_image
    return sharpened

**拉普拉斯增强** 则通常是指直接对原图像应用拉普拉斯算子，而没有减去原图的操作，以增强整个图像的对比度。例如：

def laplacian_enhancement(image):
    kernel = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]])
    enhanced = laplacian(image, 'laplacian')
    return enhanced

**结果展示** 需要将原始图像、锐化图像和增强图像保存为独立的数组或文件，然后使用如matplotlib这样的库来显示它们。这里省略了具体的显示代码，因为实际操作可能依赖于用户的环境和具体需求。