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

README.md

@@ -8,7 +8,7 @@
 - **标准分辨率归类**：720P、1080P、2K、2.5K、影院 2K、DCI 4K、8K 及带鱼屏（UltraWide 2K/3K/4K）等标准规格单独建目录
 - **非标分辨率归类**：按像素区间（每 1024px 一档）自动归入 1K ~ 19K / 普通 / 原图（原画质）目录
 - **方向区分**：横屏、竖屏、等比（正方形）分开整理，GIF 单独处理
-- **明暗分类**：基于 ITU-R BT.601 亮度公式分析每张图片明暗程度，暗色（亮度 < 80）像素占比为 darkScore、亮色（亮度 > 175）像素占比为 lightScore，按主导分在目录名末尾追加 `-dark_100` ~ `-dark_55` / `-bright_85` ~ `-bright_15` 明暗等级
+- **明暗分类**：基于 ITU-R BT.601 亮度公式分析每张图片明暗程度，暗色（亮度 < 80）像素占比为 darkScore、亮色（亮度 > 175）像素占比为 lightScore；以两者差幅判定亮暗主导，在目录名末尾追加 `-dark_N` / `-mid` / `-bright_N`（N 为占比四舍五入到 10% 的档位）
 - **音频归类**：音频文件单独归入「音频」目录
 - **异常兜底**：读取失败、不支持的格式自动归入「读取异常」「已忽略」目录
 - **自动整理**：无需人工干预，扫描 → 分析 → 移动一次完成，跨磁盘自动降级为复制后删除
@@ -56,19 +56,9 @@ kenaito-media-picker.exe
 
 ```text
 {uid}-图片_横屏_720P-dark_100       ← 1280×720，暗色主导
-{uid}-图片_横屏_1D5KP-dark_95       ← 1600×900
+{uid}-图片_横屏_1D5KP-mid           ← 1600×900，明暗均衡
-{uid}-图片_横屏_1080P-bright_85     ← 1920×1080，亮色主导
+{uid}-图片_横屏_1080P-bright_100    ← 1920×1080，亮色主导
-{uid}-图片_横屏_2DKP-dark_75        ← 2048×1080（影院 2K）
+{uid}-图片_横屏_2DKP-dark_70        ← 2048×1080（影院 2K）
-{uid}-图片_横屏_2D5KP-bright_65     ← 2560×1440（2.5K）
-{uid}-图片_横屏_ultraWide2KP-dark_55  ← 2560×1080（带鱼屏）
-{uid}-图片_横屏_ultraWide3KP-bright_45  ← 3440×1440（带鱼屏）
-{uid}-图片_横屏_ultraWide4KP-dark_85  ← 5120×2160（带鱼屏）
-{uid}-图片_横屏_4KP-bright_35       ← 3840×2160
-{uid}-图片_横屏_4KHP-dark_65        ← 4096×2160（DCI 4K）
-{uid}-图片_横屏_8KP-bright_25       ← 7680×4320
-{uid}-图片_横屏_1K ~ 19K-bright_15  ← 非标规格按像素区间（每 1024px 一档）
-{uid}-图片_横屏_普通-dark_100       ← 像素不足 1024
-{uid}-图片_横屏_原图-bright_85      ← 像素 ≥ 20480
 {uid}-图片_竖屏_...                  ← 竖屏按同样规则（普通 / 1K~19K / 原图）
 {uid}-图片_等比_...                  ← 等比（正方形）按同样规则
 {uid}-图片_GIF                      ← 所有 GIF 图片
@@ -101,7 +91,10 @@ darkScore  = 亮度 < 80 的像素占比
 lightScore = 亮度 > 175 的像素占比
 ```
 
-亮色主导（`lightScore > darkScore`）归 `-bright_N`，否则归 `-dark_N`；每张图必归亮暗之一。暗色档位 55/65/75/85/95/100，亮色档位 15/25/35/45/55/65/75/85，取评分命中的最高一档（不足最低档归最低档）。大图（>100 万像素）自动采样加速。
+- **判定规则**：`lightScore` 高于 `darkScore` 15 个百分点以上归 `-bright_N`，反之归 `-dark_N`；差幅不足 15% 视为中性归 `-mid`（不强制二选一）
+- **档位命名**：N 为占比四舍五入到 10% 的档位（10~100），如 darkScore 0.70 → `dark_70`，表示占比命中 [N-5%, N+5%) 区间
+- **透明处理**：完全透明的像素（alpha=0）不计入统计，全透明图片归 `-mid`
+- **性能**：大图（>100 万像素）自动采样加速
 
 ## 目录结构
 

internal/classify/brightness.go

@@ -2,34 +2,32 @@ package classify
 
 import "fmt"
 
-// 暗色阈值等级（从高到低）
+// 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
-var darkThresholds = []int{100, 95, 85, 75, 65, 55}
+const neutralMargin = 0.15
 
-// 亮色阈值等级（从高到低）
+// BrightnessName 判定图片明暗等级，返回如 "dark_70" / "bright_40" / "mid"。
-var brightThresholds = []int{85, 75, 65, 55, 45, 35, 25, 15}
+// 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）。
-// 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。
 func BrightnessName(darkScore, lightScore float64) string {
-	darkLowest := darkThresholds[len(darkThresholds)-1]
+	switch {
-	brightLowest := brightThresholds[len(brightThresholds)-1]
+	case lightScore > darkScore+neutralMargin:
-
+		return fmt.Sprintf("bright_%d", brightnessTier(lightScore))
-	if lightScore > darkScore {
+	case darkScore > lightScore+neutralMargin:
-		picked := brightLowest
+		return fmt.Sprintf("dark_%d", brightnessTier(darkScore))
-		for _, t := range brightThresholds {
+	default:
-			if lightScore >= float64(t)/100.0 {
+		return "mid"
-				picked = t
-				break
 	}
-		}
+}
-		return fmt.Sprintf("bright_%d", picked)
+
-	}
+// 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。
-	picked := darkLowest
+// 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。
-	for _, t := range darkThresholds {
+func brightnessTier(score float64) int {
-		if darkScore >= float64(t)/100.0 {
+	tier := int(score*100+5) / 10 * 10
-			picked = t
+	if tier < 10 {
-			break
+		return 10
-		}
+	}
-	}
+	if tier > 100 {
-	return fmt.Sprintf("dark_%d", picked)
+		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)