不依赖opencv 纯C++实现bilateralFilter算法

双边滤波是一种图像处理技术，它同时考虑像素的灰度值差异和空间距离影响，常用于降噪和边缘保持。纯C++实现双边滤波不需要依赖OpenCV库，可以手动编写。以下是简单的步骤：

1. **定义卷积核**：双边滤波的核心是一个大小为`(k_size, k_size)`的二维权重矩阵，其中每个元素代表对邻域像素加权的影响。通常选择奇数大小，例如5x5或7x7。

2. **计算权重**：对于每个像素 `(i, j)`，其权重由两个部分组成：强度差`sigma_color * sqrt((I[i] - I[j])^2)` 和空间距离 `sigma_space * distance(i, j)`。这里`I`是输入图像，`sigma_color`和`sigma_space`是控制噪声抑制程度和边缘保留的参数。

3. **迭代过程**：遍历整个图像，对于每个像素，取周围像素的加权平均作为当前像素的新值。权重较大的像素会对结果有更大的影响。

4. **边界处理**：处理图像边缘时，需要调整权重矩阵，避免对未定义的邻域像素进行访问。

下面是一个简化版的C++代码片段示例，不包含完整的边界处理和循环优化：

#include <iostream>
#include <vector>

// 假设input和output都是uchar类型的一维数组表示的图像
void bilateral_filter(std::vector<uchar>& input, std::vector<uchar>& output, int k_size, float sigma_color, float sigma_space) {
    // ... (这里只给出核心代码)
    for(int y = k_size / 2; y < input.size() - k_size / 2; ++y) {
        for(int x = k_size / 2; x < input.size() - k_size / 2; ++x) {
            float sum_weighted = 0;
            float sum_distance = 0;
            for(int dy = -k_size / 2; dy <= k_size / 2; ++dy) {
                for(int dx = -k_size / 2; dx <= k_size / 2; ++dx) {
                    int w = (dy * dy + dx * dx);
                    if(w > sigma_space * sigma_space) continue;
                    
                    int neighbor = input[y + dy][x + dx];
                    sum_weighted += std::min(neighbor, 255.f) * exp(-w / (2 * sigma_color * sigma_color));
                    sum_distance += exp(-w / (2 * sigma_space * sigma_space));
                }
            }
            output[y][x] = static_cast<uchar>(sum_weighted / sum_distance);
        }
    }
}