要实现不使用卷积核对RGB值进行图像模糊处理，可以使用高斯模糊算法来达到目的。高斯模糊是一种常用的图像模糊处理方法，它可以通过对图像的像素值进行加权平均来实现模糊效果。

下面是使用Python实现不使用卷积核进行RGB图像模糊处理的示例代码：

import numpy as np
import cv2

def gaussian_blur(image, sigma=1):
    image = image.astype(np.float32)
    blurred_image = np.zeros_like(image)

    # 计算高斯卷积核
    kernel_size = int(2 * round(3 * sigma) + 1)
    kernel = np.fromfunction(lambda x, y: (1 / (2 * np.pi * sigma**2)) * np.exp(-((x - round(kernel_size/2))**2 + (y - round(kernel_size/2))**2) / (2 * sigma**2)), (kernel_size, kernel_size))

    # 归一化卷积核
    kernel = kernel / np.sum(kernel)

    for c in range(3):
        # 对每个通道进行高斯模糊
        blurred_image[:, :, c] = cv2.filter2D(image[:, :, c], -1, kernel)

    return blurred_image.astype(np.uint8)

# 读取图像
image = cv2.imread('image.jpg')

# 进行高斯模糊处理
blurred_image = gaussian_blur(image, sigma=2)

# 显示原始图像和模糊处理后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们定义了一个gaussian_blur函数来实现高斯模糊处理。这个函数首先将输入图像转换为浮点类型，然后计算高斯卷积核并对每个通道进行卷积操作。最后，将处理后的图像转换回整数类型并返回。我们可以调整sigma参数来控制模糊的程度。

在主程序中，我们读取一张图像，并调用gaussian_blur函数对图像进行高斯模糊处理。然后使用cv2.imshow函数显示原始图像和模糊处理后的图像。