refactor: 项目目录结构重组

- 中文目录名改为英文：cDNA图像处理实例→examples，参考资料→references
- web→app（Flask应用标准命名）
- 输出目录平移到 data/output/simple/ 和 data/output/full/
- 输入图像统一到 data/input/
- 构建脚本移到 scripts/
- 源码文件改用 snake_case 命名
- 更新所有文件路径引用和文档

CLAUDE.md

@@ -8,30 +8,37 @@
 
 ```
 src/
-├── cDNA_segmentation.py       ← 原版：完整处理流程
-└── cDNA_gridding_simple.py    ← 简化版：仅划线，用于课堂讲解 ★
+├── segmentation.py              ← 原版：完整处理流程
+└── gridding_simple.py           ← 简化版：仅划线，用于课堂讲解 ★
 
-results/        ← 原版输出（6张图）
-results_simple/ ← 简化版输出（1张图）
+app/              ← Flask Web应用
+scripts/          ← 构建脚本
+data/
+├── input/        ← 输入图像
+└── output/
+    ├── simple/   ← 简化版输出（6张图）
+    └── full/     ← 原版输出（6张图）
 
-cDNA图像处理实例/数据/cDNA/  ← 输入图像 + MATLAB示例
-参考资料/NewGridAndCV/        ← MATLAB参考实现
+examples/数据/cDNA/  ← 课程原始数据 + MATLAB示例
+references/matlab/   ← MATLAB参考实现
+references/papers/   ← 论文PDF
 ```
 
 ## 两个Python实现
 
-### 简化版 (`cDNA_gridding_simple.py`) — 课堂主讲
+### 简化版 (`src/gridding_simple.py`) — 课堂主讲
 
 - 算法：投影求和 → (max-min)×10%阈值 → 过零点配对 → 划线
-- 约150行，带详细中文注释，适合课堂讲解
-- 输出：`results_simple/gridding_simple.png`
+- 约370行，带详细中文注释，适合课堂讲解
+- 输出：`data/output/simple/` 下 6 张图
 - **与原版网格线位置完全一致（误差0像素）**
 
-### 原版 (`cDNA_segmentation.py`) — 完整实现
+### 原版 (`src/segmentation.py`) — 完整实现
 
 - 网格划分：自相关+白顶帽+Otsu+质心（参照MATLAB `GriddingAndCV.m`）
 - 三种阈值分割：人工阈值、Otsu、迭代阈值
 - TV去噪（Chambolle投影算法，参照 `tvdenoise.m`）
+- 输出：`data/output/full/` 下 6 张图
 
 ## 算法要点
 
@@ -44,6 +51,7 @@ cDNA图像处理实例/数据/cDNA/  ← 输入图像 + MATLAB示例
 
 - `cDNA.png`：820×820 RGB，23×23斑点阵列，Cy3/Cy5双色荧光
 - 斑点间距约35px，每斑点约18px宽
+- 输入路径：`data/input/cDNA.png`
 
 ## 编码规范
 
@@ -52,8 +60,10 @@ cDNA图像处理实例/数据/cDNA/  ← 输入图像 + MATLAB示例
 
 ## 运行环境
 
-Python：`D:\ProgramData\anaconda3\envs\my_env`
-依赖：numpy, scipy, scikit-image, matplotlib, Pillow
+Python虚拟环境：项目根目录 `.venv/`（uv 创建，Python 3.13）
+依赖：numpy, scipy, scikit-image, matplotlib, Pillow, flask
+
+安装：`uv pip install numpy scipy scikit-image matplotlib Pillow flask --python .venv/Scripts/python.exe`
 
 ## 仓库