refactor(classify): 重构图片明暗分类逻辑

- 移除固定的明暗阈值等级数组，改用动态分档机制
- 引入 neutralMargin 常量，当两分差幅小于 0.15 时视为中性图
- 修改 BrightnessName 函数，实现三分法分类：bright_N、dark_N、mid
- 新增 brightnessTier 辅助函数，将占比分档到最接近的 10%
- 完全透明的像素(alpha=0)不再参与明暗统计计算
- 更新错误提示信息，明暗分析失败时按中性 mid 归类
- 调整 README 文档描述，同步更新明暗分类规则说明

internal/classify/brightness.go

@@ -2,34 +2,32 @@ package classify
 
 import "fmt"
 
-// 暗色阈值等级（从高到低）
-var darkThresholds = []int{100, 95, 85, 75, 65, 55}
+// neutralMargin 判定明暗主导的最小分差：两分差幅小于该值视为中性图
+const neutralMargin = 0.15
 
-// 亮色阈值等级（从高到低）
-var brightThresholds = []int{85, 75, 65, 55, 45, 35, 25, 15}
-
-// BrightnessName 按主导分判定明暗等级，返回如 "dark_100" / "bright_85"。
-// 亮色主导（lightScore > darkScore）归 bright，否则归 dark，每张图必归亮暗之一。
+// BrightnessName 判定图片明暗等级，返回如 "dark_70" / "bright_40" / "mid"。
+// 以主导分差幅判定亮暗：lightScore 高于 darkScore neutralMargin 以上归 bright，
+// 反之归 dark，两者接近视为中性 mid（不再强制二选一）。
 func BrightnessName(darkScore, lightScore float64) string {
-	darkLowest := darkThresholds[len(darkThresholds)-1]
-	brightLowest := brightThresholds[len(brightThresholds)-1]
-
-	if lightScore > darkScore {
-		picked := brightLowest
-		for _, t := range brightThresholds {
-			if lightScore >= float64(t)/100.0 {
-				picked = t
-				break
-			}
-		}
-		return fmt.Sprintf("bright_%d", picked)
+	switch {
+	case lightScore > darkScore+neutralMargin:
+		return fmt.Sprintf("bright_%d", brightnessTier(lightScore))
+	case darkScore > lightScore+neutralMargin:
+		return fmt.Sprintf("dark_%d", brightnessTier(darkScore))
+	default:
+		return "mid"
 	}
-	picked := darkLowest
-	for _, t := range darkThresholds {
-		if darkScore >= float64(t)/100.0 {
-			picked = t
-			break
-		}
+}
+
+// brightnessTier 将占比分档到最接近的 10%，表示命中区间 [N-5%, N+5%)，最小 10、最大 100。
+// 例如 0.30~0.39 归 "30"，0.96 以上归 "100"，避免占比不足却挂高档名。
+func brightnessTier(score float64) int {
+	tier := int(score*100+5) / 10 * 10
+	if tier < 10 {
+		return 10
 	}
-	return fmt.Sprintf("dark_%d", picked)
+	if tier > 100 {
+		return 100
+	}
+	return tier
 }

internal/classify/classify.go

@@ -35,7 +35,7 @@ func (o Orientation) String() string {
 	}
 }
 
-// ImageDir 返回图片归类子目录名，如 "图片_横屏_1080P-dark_100" / "图片_GIF"。
+// ImageDir 返回图片归类子目录名，如 "图片_横屏_1080P-dark_70" / "图片_横屏_1080P-mid" / "图片_GIF"。
 // darkScore/lightScore 用于明暗分类（GIF 不做明暗分类，忽略这两项）。
 func ImageDir(ext string, width, height int, darkScore, lightScore float64) string {
 	if strings.EqualFold(ext, ".gif") {

internal/organize/organize.go

@@ -133,7 +133,7 @@ func (o *Organizer) ProcessImages(images []scanner.File) {
 		if !strings.EqualFold(f.Ext, ".gif") {
 			dark, light, berr := probe.AnalyzeBrightness(f.Path)
 			if berr != nil {
-				fmt.Printf("=== 明暗分析失败(按默认dark_55归类): %s \n", f.Path)
+				fmt.Printf("=== 明暗分析失败(按中性mid归类): %s \n", f.Path)
 			} else {
 				darkScore, lightScore = dark, light
 			}

internal/probe/brightness.go

@@ -30,7 +30,8 @@ func AnalyzeBrightness(filePath string) (darkScore float64, lightScore float64,
 	return dark, light, nil
 }
 
-// analyzeBrightness 统计暗色/亮色像素占比（ITU-R BT.601 亮度公式），大图自动采样加速
+// analyzeBrightness 统计暗色/亮色像素占比（ITU-R BT.601 亮度公式），大图自动采样加速。
+// 完全透明的像素（alpha=0）不计入统计。
 func analyzeBrightness(img image.Image) (darkScore float64, lightScore float64) {
 	bounds := img.Bounds()
 	totalPixels := bounds.Dx() * bounds.Dy()
@@ -46,7 +47,10 @@ func analyzeBrightness(img image.Image) (darkScore float64, lightScore float64)
 
 	for y := bounds.Min.Y; y < bounds.Max.Y; y += sampleStep {
 		for x := bounds.Min.X; x < bounds.Max.X; x += sampleStep {
-			r, g, b, _ := img.At(x, y).RGBA()
+			r, g, b, a := img.At(x, y).RGBA()
+			if a == 0 {
+				continue
+			}
 			r8 := uint8(r >> 8)
 			g8 := uint8(g >> 8)
 			b8 := uint8(b >> 8)