写matlab程序，对lena图像分别实现均值平滑滤放和拉普拉斯锐化滤波，并显示结果图像（不允许直接使用库函数或第三方的空域滤波函数）。

在MATLAB中，你可以手动实现均值滤波和平滑拉普拉斯锐化滤波来处理 Lena 图像。下面是一个简单的步骤：

**1. 加载 Lena 图像**

% 加载 Lena 图像
lena = imread('lena.png'); % 如果是灰度图，可以使用 'lena.jpg'
imshow(lena);

**2. 均值平滑滤波**
对于均值滤波，我们需要创建一个大小为 N×N 的卷积核，其中 N 是所选的滤波窗口大小（如 3x3 或 5x5），然后用这个核遍历整个图像做逐像素平均。

function smoothed = meanSmooth(image, kernelSize)
    % 初始化卷积核
    kernel = ones(kernelSize) / (kernelSize^2);
    
    % 执行卷积操作
    [rows, cols] = size(image);
    paddedImage = padarray(image, floor(kernelSize/2), 0); % 补充边界
    smoothed = conv2(paddedImage, kernel, 'same');
end

% 实现并显示均值平滑后的图像
smoothed = meanSmooth(lena, 3);
figure;
imshow(smoothed);
title('Mean Smoothed Lena');

**3. 拉普拉斯锐化滤波**
拉普拉斯算子用于边缘检测，我们将应用它来增强图像的细节。通过先取原图像和梯度的绝对值之和，然后减去原图像得到。

function sharpenedImage = laplacianSharpen(image)
    gradientX = imfilter(image, [-1 0 1]);
    gradientY = imfilter(image, [-1 -1 -1; 0 0 0; 1 1 1]);
    gradientMag = sqrt(gradientX.^2 + gradientY.^2);
    laplacian = gradientMag - image; % 拉普拉斯算子
    
    % 调整亮度（可选择性）
    sharpenedImage = max(0, laplacian); % 避免负值影响图像
end

% 实施拉普拉斯锐化并显示结果
sharpenedImage = laplacianSharpen(lena);
figure;
imshow(sharpenedImage);
title('Laplacian Sharpened Lena');

完成上述代码后，你应该能看到原始 Lena 图像经过均值平滑和拉普拉斯锐化后的对比效果。