使用c++而不用Opencv实现任务： 1）常见格式图像的读写(灰度图)； 2）设计并实现上述平滑算子和锐化算子； 3）（选作）查阅其他的平滑和锐化算子并实现； 4）可视化展示处理前后图像的变化，并尝试进行分析。

以下是使用C++和STB库（stb_image.h和stb_image_write.h）实现平滑和锐化操作的示例代码：

#define STB_IMAGE_IMPLEMENTATION
#define STB_IMAGE_WRITE_IMPLEMENTATION

#include <iostream>
#include "stb_image.h"
#include "stb_image_write.h"

using namespace std;

// 定义高斯平滑算子
const float gaussian_kernel[5][5] = {
    {0.003, 0.013, 0.022, 0.013, 0.003},
    {0.013, 0.059, 0.097, 0.059, 0.013},
    {0.022, 0.097, 0.159, 0.097, 0.022},
    {0.013, 0.059, 0.097, 0.059, 0.013},
    {0.003, 0.013, 0.022, 0.013, 0.003}
};

// 定义拉普拉斯锐化算子
const float laplacian_kernel[3][3] = {
    {0, -1, 0},
    {-1, 5, -1},
    {0, -1, 0}
};

// 读入灰度图像
unsigned char* read_image(const char* filename, int& width, int& height, int& channels)
{
    unsigned char* data = stbi_load(filename, &width, &height, &channels, 1);
    if (!data)
    {
        cerr << "Failed to read image: " << filename << endl;
        exit(1);
    }
    return data;
}

// 写入灰度图像
void write_image(const char* filename, unsigned char* data, int width, int height)
{
    stbi_write_png(filename, width, height, 1, data, width);
}

// 高斯平滑
void gaussian_blur(unsigned char* src, unsigned char* dst, int width, int height)
{
    for (int i = 2; i < height - 2; i++)
    {
        for (int j = 2; j < width - 2; j++)
        {
            float sum = 0;
            for (int m = -2; m <= 2; m++)
            {
                for (int n = -2; n <= 2; n++)
                {
                    sum += src[(i + m) * width + (j + n)] * gaussian_kernel[m + 2][n + 2];
                }
            }
            dst[i * width + j] = (unsigned char)sum;
        }
    }
}

// 拉普拉斯锐化
void laplacian_sharpen(unsigned char* src, unsigned char* dst, int width, int height)
{
    for (int i = 1; i < height - 1; i++)
    {
        for (int j = 1; j < width - 1; j++)
        {
            float sum = 0;
            for (int m = -1; m <= 1; m++)
            {
                for (int n = -1; n <= 1; n++)
                {
                    sum += src[(i + m) * width + (j + n)] * laplacian_kernel[m + 1][n + 1];
                }
            }
            if (sum > 255) sum = 255;
            if (sum < 0) sum = 0;
            dst[i * width + j] = (unsigned char)sum;
        }
    }
}

int main()
{
    // 读入灰度图像
    int width, height, channels;
    unsigned char* data = read_image("image.jpg", width, height, channels);

    // 高斯平滑
    unsigned char* smoothed = new unsigned char[width * height];
    gaussian_blur(data, smoothed, width, height);

    // 拉普拉斯锐化
    unsigned char* sharpened = new unsigned char[width * height];
    laplacian_sharpen(data, sharpened, width, height);

    // 写入灰度图像
    write_image("smoothed.png", smoothed, width, height);
    write_image("sharpened.png", sharpened, width, height);

    // 释放内存
    stbi_image_free(data);
    delete[] smoothed;
    delete[] sharpened;

    return 0;
}

在该实现中，我们使用STB库来读写图像，使用数组定义高斯平滑算子和拉普拉斯锐化算子，并实现了相应的高斯平滑和拉普拉斯锐化函数。最后，我们将处理后的图像写入到对应的文件中。

需要注意的是，在读入灰度图像时，我们需要指定`channels`为1，即只读入一个通道。在写入灰度图像时，我们需要指定通道数为1，并传入单通道的灰度数据。

通过对处理前后图像的对比可以发现，在经过高斯平滑处理后，图像的噪点和细节都被模糊化了，整体视觉效果更加平滑、柔和；在经过拉普拉斯锐化处理后，图像的边缘信息被突出了，整体视觉效果更加清晰、鲜明。