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

README.md

@@ -15,28 +15,38 @@
 ```
 cDNA微阵列图像处理作业/
 ├── src/
-│   ├── cDNA_segmentation.py          # 原版：网格划分 + 三种阈值分割 + TV去噪
-│   └── cDNA_gridding_simple.py        # 简化版：仅网格划分，用于课堂讲解
+│   ├── segmentation.py              # 原版：网格划分 + 三种阈值分割 + TV去噪
+│   └── gridding_simple.py           # 简化版：仅网格划分，用于课堂讲解
 │
-├── web/                              # Flask Web 应用
-│   ├── app.py                        # Flask 主程序
-│   ├── launcher.py                    # PyInstaller 打包入口
-│   ├── templates/index.html           # 前端页面
-│   └── static/style.css               # 样式文件
+├── app/                              # Flask Web 应用
+│   ├── main.py                       # Flask 主程序
+│   ├── launcher.py                   # PyInstaller 打包入口
+│   ├── templates/index.html          # 前端页面
+│   └── static/style.css              # 样式文件
 │
-├── build_exe.py                      # PyInstaller 打包脚本
-├── cDNA_Analyzer.spec                 # PyInstaller spec 配置
-├── flowchart.drawio                   # 算法流程图（用 Draw.io 打开）
+├── scripts/
+│   └── build.py                      # PyInstaller 打包脚本
+│
+├── data/
+│   ├── input/                        # 输入图像
+│   │   └── cDNA.png
+│   └── output/                       # 生成结果
+│       ├── simple/                   # 简化版输出（6张图）
+│       └── full/                     # 原版输出（6张图）
+│
+├── examples/                         # 课程示例数据（含 pptx + MATLAB demo）
+├── references/                       # 参考资料
+│   ├── papers/                       # 论文 PDF
+│   └── matlab/                       # MATLAB 参考代码（NewGridAndCV）
 │
-├── results/                          # 原版输出图像（6张）
-├── results_simple/                   # 简化版输出图像（6张）
 ├── docs/                             # 技术文档
-│   ├── cDNA 微阵列网格划分.md        # 算法详解
-│   ├── 两版差异说明.md               # 简化版 vs 原版对比
-│   └── 依赖库清单.md                  # Python 依赖
+│   ├── cDNA 微阵列网格划分.md
+│   ├── 两版差异说明.md
+│   └── 依赖库清单.md
 │
-├── cDNA图像处理实例/                  # 课程示例数据
-└── 参考资料/                          # MATLAB 参考代码 + 论文 PDF
+├── flowchart.drawio                   # 算法流程图
+├── README.md
+└── CLAUDE.md
 ```
 
 ---
@@ -50,28 +60,33 @@ cDNA微阵列图像处理作业/
 ### 方式二：Web 开发模式
 
 ```bash
-cd web
-python app.py
+# 首次使用需创建虚拟环境
+uv venv .venv --python <你的Python路径>
+uv pip install numpy scipy scikit-image matplotlib Pillow flask --python .venv/Scripts/python.exe
+
+# 启动
+cd app
+python main.py
 # 浏览器自动打开 http://localhost:5000
 ```
 
 ### 方式三：命令行脚本
 
 ```bash
-# 简化版（课堂主讲，约150行）
-python src/cDNA_gridding_simple.py
-# 输出：results_simple/ 下 6 张图
+# 简化版（课堂主讲，约370行）
+python src/gridding_simple.py
+# 输出：data/output/simple/ 下 6 张图
 
-# 原版（完整实现，430行）
-python src/cDNA_segmentation.py
-# 输出：results/ 下 6 张图
+# 原版（完整实现，约470行）
+python src/segmentation.py
+# 输出：data/output/full/ 下 6 张图
 ```
 
 ---
 
 ## 两种 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）
 
 **算法思路**（初中学历即可理解）：
 
@@ -85,12 +100,12 @@ python src/cDNA_segmentation.py
 
 **特点**：
 
-- 约 150 行代码，带详细中文注释
+- 约 370 行代码，带详细中文注释
 - 核心逻辑仅 30 行
 - 与原版网格线位置误差为 **0 像素**
 - 完全自动化，无需人工设定参数
 
-### 原版 `cDNA_segmentation.py`（完整实现）
+### 原版 `src/segmentation.py`（完整实现）
 
 | 模块 | 算法 | 参照 |
 |------|------|------|
@@ -128,7 +143,7 @@ python src/cDNA_segmentation.py
 使用 PyInstaller 将 Web 应用打包为单个 exe 文件：
 
 ```bash
-python build_exe.py
+python scripts/build.py
 # 输出：dist/cDNA_Analyzer.exe（约 68MB）
 ```
 
@@ -138,7 +153,7 @@ python build_exe.py
 
 ## 运行环境
 
-- **Python**: `D:\ProgramData\anaconda3\envs\my_env`
+- **Python**: 3.13（uv 虚拟环境 `.venv/`）
 - **依赖**: numpy, scipy, scikit-image, matplotlib, Pillow, Flask
 
 ---