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

README.md

@@ -8,6 +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
 - **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
@@ -54,20 +55,20 @@ kenaito-media-picker.exe
 ### 图片
 
 ```text
-{uid}-图片_横屏_720P       ← 1280×720
+{uid}-图片_横屏_720P-dark_100       ← 1280×720，暗色主导
-{uid}-图片_横屏_1D5KP      ← 1600×900
+{uid}-图片_横屏_1D5KP-dark_95       ← 1600×900
-{uid}-图片_横屏_1080P      ← 1920×1080
+{uid}-图片_横屏_1080P-bright_85     ← 1920×1080，亮色主导
-{uid}-图片_横屏_2DKP       ← 2048×1080（影院 2K）
+{uid}-图片_横屏_2DKP-dark_75        ← 2048×1080（影院 2K）
-{uid}-图片_横屏_2D5KP      ← 2560×1440（2.5K）
+{uid}-图片_横屏_2D5KP-bright_65     ← 2560×1440（2.5K）
-{uid}-图片_横屏_ultraWide2KP  ← 2560×1080（带鱼屏）
+{uid}-图片_横屏_ultraWide2KP-dark_55  ← 2560×1080（带鱼屏）
-{uid}-图片_横屏_ultraWide3KP  ← 3440×1440（带鱼屏）
+{uid}-图片_横屏_ultraWide3KP-bright_45  ← 3440×1440（带鱼屏）
-{uid}-图片_横屏_ultraWide4KP  ← 5120×2160（带鱼屏）
+{uid}-图片_横屏_ultraWide4KP-dark_85  ← 5120×2160（带鱼屏）
-{uid}-图片_横屏_4KP        ← 3840×2160
+{uid}-图片_横屏_4KP-bright_35       ← 3840×2160
-{uid}-图片_横屏_4KHP       ← 4096×2160（DCI 4K）
+{uid}-图片_横屏_4KHP-dark_65        ← 4096×2160（DCI 4K）
-{uid}-图片_横屏_8KP        ← 7680×4320
+{uid}-图片_横屏_8KP-bright_25       ← 7680×4320
-{uid}-图片_横屏_1K ~ 19K  ← 非标规格按像素区间（每 1024px 一档）
+{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       ← 像素不足 1024
+{uid}-图片_横屏_普通-dark_100       ← 像素不足 1024
-{uid}-图片_横屏_原图       ← 像素 ≥ 20480
+{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
@@ -92,6 +93,16 @@ kenaito-media-picker.exe
 
 > 视频时长与分辨率通过内嵌 ffprobe 读取（处理时会临时释放到当前目录、完成后自动删除）；凡 ffmpeg 支持的视频/音频格式均可识别。
 
+## 明暗评分算法
+
+```text
+brightness = 0.299×R + 0.587×G + 0.114×B   (ITU-R BT.601)
+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。
+
 ## 目录结构
 
 ```text
@@ -99,7 +110,7 @@ kenaito-media-picker.exe
 ├── internal/
 │   ├── scanner/       # 文件扫描、MIME 读取、图片/媒体候选过滤
 │   ├── probe/         # 媒体探测：图片尺寸 + ffprobe 解析 + 内嵌解码器释放
-│   ├── classify/      # 纯函数归类规则（方向 + 标准分辨率 + K档）
+│   ├── classify/      # 纯函数归类规则（方向 + 标准分辨率 + K档 + 明暗等级）
 │   ├── organize/      # 整理编排：探测→归类→收集→移动→记录去向
 │   ├── mover/         # 文件移动（rename / 跨盘 copy+delete）
 │   ├── store/         # SQLite 媒体信息持久化

internal/classify/brightness.go

@@ -0,0 +1,35 @@
+package classify
+
+import "fmt"
+
+// 暗色阈值等级（从高到低）
+var darkThresholds = []int{100, 95, 85, 75, 65, 55}
+
+// 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。
+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)
+	}
+	picked := darkLowest
+	for _, t := range darkThresholds {
+		if darkScore >= float64(t)/100.0 {
+			picked = t
+			break
+		}
+	}
+	return fmt.Sprintf("dark_%d", picked)
+}

internal/classify/classify.go

@@ -35,12 +35,14 @@ func (o Orientation) String() string {
 	}
 }
 
-// ImageDir 返回图片归类子目录名，如 "图片_横屏_1080P" / "图片_GIF"
+// ImageDir 返回图片归类子目录名，如 "图片_横屏_1080P-dark_100" / "图片_GIF"。
-func ImageDir(ext string, width, height int) string {
+// 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") {
 		return "图片_GIF"
 	}
-	return resolutionDir("图片", ext, width, height)
+	dir := resolutionDir("图片", ext, width, height)
+	return dir + "-" + BrightnessName(darkScore, lightScore)
 }
 
 // VideoDir 返回视频归类子目录名，如 "视频_竖屏_4k" / "视频_横屏_GIF"

internal/organize/organize.go

@@ -129,7 +129,16 @@ func (o *Organizer) ProcessImages(images []scanner.File) {
 			continue
 		}
 		o.record(f, "image", res)
-		o.add(f, classify.ImageDir(f.Ext, res.Width, res.Height))
+		darkScore, lightScore := 0.0, 0.0
+		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)
+			} else {
+				darkScore, lightScore = dark, light
+			}
+		}
+		o.add(f, classify.ImageDir(f.Ext, res.Width, res.Height, darkScore, lightScore))
 		success++
 	}
 	fmt.Printf("=== 图片处理完毕，成功: %d, 读取异常: %d, 忽略: %d \n\n", success, fail, ignore)

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)
+}