feat(classify): 添加图片明暗分类功能

- 修改 ImageDir 函数增加 darkScore 和 lightScore 参数
- 实现 BrightnessName 函数计算明暗等级
- 定义暗色和亮色阈值等级数组
- 在 organize.go 中集成图片明暗分析逻辑
- 使用 ITU-R BT.601 公式计算像素亮度
- 为大图实现自动采样加速分析
- 更新 README.md 文档说明明暗分类算法
- 在目录结构中体现明暗等级命名规则

internal/probe/brightness.go

@@ -0,0 +1,67 @@
+package probe
+
+import (
+	"image"
+	"math"
+	"os"
+
+	_ "image/gif"
+	_ "image/jpeg"
+	_ "image/png"
+
+	_ "golang.org/x/image/bmp"
+	_ "golang.org/x/image/tiff"
+	_ "golang.org/x/image/webp"
+)
+
+// AnalyzeBrightness 打开并解码图片，分析明暗程度。
+// darkScore: 暗色像素（亮度 < 80）占比；lightScore: 亮色像素（亮度 > 175）占比。
+func AnalyzeBrightness(filePath string) (darkScore float64, lightScore float64, err error) {
+	f, err := os.Open(filePath)
+	if err != nil {
+		return 0, 0, err
+	}
+	defer f.Close()
+	img, _, err := image.Decode(f)
+	if err != nil {
+		return 0, 0, err
+	}
+	dark, light := analyzeBrightness(img)
+	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
+func analyzeBrightness(img image.Image) (darkScore float64, lightScore float64) {
+	bounds := img.Bounds()
+	totalPixels := bounds.Dx() * bounds.Dy()
+	if totalPixels == 0 {
+		return 0, 0
+	}
+
+	darkCount, lightCount, sampleCount := 0, 0, 0
+	sampleStep := 1
+	if totalPixels > 1_000_000 {
+		sampleStep = int(math.Sqrt(float64(totalPixels) / 100_000))
+	}
+
+	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()
+			r8 := uint8(r >> 8)
+			g8 := uint8(g >> 8)
+			b8 := uint8(b >> 8)
+			brightness := 0.299*float64(r8) + 0.587*float64(g8) + 0.114*float64(b8)
+			if brightness < 80 {
+				darkCount++
+			} else if brightness > 175 {
+				lightCount++
+			}
+			sampleCount++
+		}
+	}
+
+	if sampleCount == 0 {
+		return 0, 0
+	}
+	return float64(darkCount) / float64(sampleCount), float64(lightCount) / float64(sampleCount)
+}