使用numpy向量化和scikit-image，完全替换cython

[IncubatorShokuhou]

因为有cython代码的存在，所以每次pip install都得编译之类的。当前代码直接把cython都替换掉了（vil / et 改成 NumPy 向量化，速度退模糊改用 scikit-image），然后安装和打包就都不再编译扩展（wheel 是 py3-none-any）了。

• 测试用的是 uniquezhiyuan/PyRadar 这份公开 SA 体扫：Z_RADR_I_Z9250_20160701001000_O_DOR_SA_CAP.bin（站号 Z9250，2016-07-01 00:10 UTC，VCP21）。
• 合成 sa230 / sa460：按 SA 雷达常见尺寸造的测试场。sa230 是反射率 9 × 230 × 360，sa460 是速度 360 × 460。
• 相对：现实现耗时 ÷ 原 Cython 耗时。小于 1 表示更快，例如 0.54× 大约快一倍。

对齐

量	结果
VIL / VILD	数值几乎一样。加法顺序不同，最大绝对差约 4e-12（合成 sa230）；真实 Z9250 大约 7e-15。
ET	每个格子都一样。
退模糊	测试用例每个格子都一样。真实数据的两个速度仰角也一样。

耗时（本机，预热 2 次，取 7 次中位数）

输入	函数	原 Cython	现实现	相对
真实数据	VIL	31.8 ms	17.3 ms	0.54×，更快
真实数据	ET	2.81 ms	2.92 ms	1.04×，相当
真实数据	退模糊	48.8 ms	44.2 ms	0.91×，更快
合成 sa230	VIL	39.1 ms	15.1 ms	0.39×，更快
合成 sa230	ET	2.79 ms	2.81 ms	相当
合成 sa460	退模糊	32.0 ms	28.7 ms	0.90×，更快