Feat/add sequential convolution

[vlapugb]

Описание

Добавлена базовая реализация последовательной свёртки изображения. Включает восемь встроенных фильтров (blur, mean, gaussian blur, motion blur, edge detection, sharpen, emboss, median), CLI-интерфейс для применения композиции до двух фильтров, обработку границ тремя режимами (wrap, clamp, reflect) и поддержку 1-, 3- и 4-канальных изображений (Grayscale, RGB, RGBA)

Архитектура построена вокруг единой filter_t, которая описывает ядро свёртки, его параметры и метаданные. Все фильтры инициализируются через filter_init_builtin() по filter_request_t. Последовательная свёртка реализована в sequential_convolution()

Что добавлено

• Система фильтров — абстрактный filter_t с 8 встроенными ядрами (blur 3×3, 5×5; mean 3×3, 5×5; gaussian blur 3×3, 5×5; motion blur 3×3, 5×5, 7×7; edge detection 3×3, 5×5, 7×7, 9×9 с направлениями; sharpen 3×3, 5×5; emboss 3×3, 5×5; median 3×3, 5×5)
• Последовательная свёртка — sequential_convolution() с обработкой границ (wrap, clamp, reflect) и пропуском альфа-канала
• CLI — парсинг аргументов: -i <input> -o <output> -f <filter> -h <height> -w <width> [-t <type>] -s, поддержка композиции двух фильтров
• Точка входа — app.c, загрузка/сохранение через OpenCV 2.4 C API
• Сборочная инфраструктура — CMakeLists.txt с FetchContent для OpenCV 2.4, clang-format, gitignore

Тесты

• 6 unit-тестов (cmocka): identity kernel не меняет изображение, zero kernel обнуляет RGB и сохраняет alpha, shift-фильтры корректно обрабатывают wrap/clamp/reflect, композиция противоположных сдвигов даёт identity, паддинг ядра нулями не меняет результат, известный mean 3×3 на 3×3 изображении
• 1 параметризованный тест (cmocka + OpenCV): сравнение sequential_convolution с cvFilter2D.

[vlapugb]

@vkutuev @Almazis , PR готов к проверке.