现在我已经实现了JPEG压缩，现在请你手动实现去除块效应的滤波，不能全局滤波，要求专门针对块边界的滤波，Python，不能使用库函数

好的，去除块效应的滤波通常采用的是边缘保留平滑滤波算法，其中比较常用的是一种基于分块的滤波算法——基于局部方差的自适应滤波算法。下面是具体的实现步骤：

1. 将图像按照固定大小的块进行划分，例如 $8 \times 8$ 的块。

2. 对于每一个块，计算其内部像素值的方差。

3. 如果方差小于某一阈值 $T$，则说明该块属于平滑区域，不需要进行滤波；否则，需要对该块进行滤波。

4. 对需要进行滤波的块进行边缘保留平滑滤波，可以选择高斯滤波、双边滤波等算法。

5. 将滤波后的块拼接成完整的图像。

下面给出Python代码实现：

import cv2
import numpy as np

# 定义块大小和阈值
block_size = 8
threshold = 20

# 读取原始图像
img = cv2.imread('lena.jpg')

# 将图像分块，计算每个块的方差
variances = []
for i in range(0, img.shape[0], block_size):
    for j in range(0, img.shape[1], block_size):
        block = img[i:i+block_size, j:j+block_size]
        variances.append(np.var(block))

# 判断每个块是否需要滤波
for i in range(0, img.shape[0], block_size):
    for j in range(0, img.shape[1], block_size):
        if variances[i//block_size*img.shape[1]//block_size+j//block_size] > threshold:
            # 对需要滤波的块进行双边滤波
            block = img[i:i+block_size, j:j+block_size]
            block = cv2.bilateralFilter(block, 9, 75, 75)
            img[i:i+block_size, j:j+block_size] = block

# 显示滤波后的图像
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，上述代码中的双边滤波函数 `cv2.bilateralFilter()` 为OpenCV中提供的库函数，如果不允许使用库函数，则需要手动实现双边滤波算法。