结合opencv中的mat，用c++手撕图像高通滤波，不用opencv里面的函数

在OpenCV中，Mat是一个用于表示图像数据的数据结构，但在纯C++的情况下，我们可以手动实现高斯滤波。高斯滤波是一种平滑图像噪声、模糊边缘的技术，核心思想是根据高斯函数加权平均像素值。

以下是一个简单的步骤来实现二维高斯滤波：

1. **定义高斯核**：
创建一个大小为`(kernel_size, kernel_size)`的矩阵，填充上对应的高斯权重值。高斯核通常是由一个标准差（sigma）决定的，标准差越大，滤波效果越明显，但计算成本也越高。例如，对于3x3的核，可以这样生成：

   float sigma = 1.5f;
   int kernel_size = std::ceil(6 * sigma);
   Mat kernel(kernel_size, kernel_size, CV_32F);
   for (int i = -kernel_size / 2; i <= kernel_size / 2; ++i) {
       float x = static_cast<float>(i);
       kernel.at<float>(i + kernel_size / 2, i + kernel_size / 2) = exp(-0.5f * x * x / (sigma * sigma));
   }

2. **卷积操作**：
对输入图像应用滤波，这需要遍历图像的每个像素，将每个像素及其周围像素值按照高斯核进行加权求和：

   Mat src, dst;
   src.copyTo(dst); // 先复制一份原始图像到dst，防止修改源图像
   for (int y = kernel_size / 2; y < src.rows - kernel_size / 2; ++y) {
       for (int x = kernel_size / 2; x < src.cols - kernel_size / 2; ++x) {
           float sum = 0;
           for (int ky = -kernel_size / 2; ky <= kernel_size / 2; ++ky) {
               for (int kx = -kernel_size / 2; kx <= kernel_size / 2; ++kx) {
                   sum += src.at<float>(y + ky, x + kx) * kernel.at<float>(ky, kx);
               }
           }
           dst.at<float>(y, x) = sum;
       }
   }

注意：这个过程比较繁琐，实际项目中一般会依赖OpenCV提供的`filter2D()`或更底层的`getOptimalDFTSize()`等函数来进行优化。