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

.gitignore

@@ -8,6 +8,7 @@
 # Python
 __pycache__/
 *.pyc
+.venv/
 
 # OS
 .DS_Store
@@ -18,6 +19,7 @@ Thumbs.db
 
 # Flask
 .playwright-mcp/
+app/uploads/
 
 # PyInstaller 打包产物
 dist/

CLAUDE.md

@@ -8,30 +8,37 @@
 
 ```
 src/
-├── cDNA_segmentation.py       ← 原版：完整处理流程
+├── 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 ★
+└── gridding_simple.py           ← 简化版：仅划线，用于课堂讲解 ★
 
-results/        ← 原版输出（6张图）
+app/              ← Flask Web应用
-results_simple/ ← 简化版输出（1张图）
+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
+examples/数据/cDNA/  ← 课程原始数据 + MATLAB示例
-参考资料/NewGridAndCV/        ← MATLAB参考实现
+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
+- 约370行，带详细中文注释，适合课堂讲解
-- 输出：`results_simple/gridding_simple.png`
+- 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`
+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
+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
 

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
+│   ├── 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
+│   └── gridding_simple.py           # 简化版：仅网格划分，用于课堂讲解
 │
-├── web/                              # Flask Web 应用
+├── app/                              # Flask Web 应用
-│   ├── app.py                        # Flask 主程序
+│   ├── main.py                       # Flask 主程序
-│   ├── launcher.py                    # PyInstaller 打包入口
+│   ├── launcher.py                   # PyInstaller 打包入口
-│   ├── templates/index.html           # 前端页面
+│   ├── templates/index.html          # 前端页面
-│   └── static/style.css               # 样式文件
+│   └── static/style.css              # 样式文件
 │
-├── build_exe.py                      # PyInstaller 打包脚本
+├── scripts/
-├── cDNA_Analyzer.spec                 # PyInstaller spec 配置
+│   └── build.py                      # PyInstaller 打包脚本
-├── flowchart.drawio                   # 算法流程图（用 Draw.io 打开）
+│
+├── 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
+│   ├── cDNA 微阵列网格划分.md
-│   ├── 两版差异说明.md               # 简化版 vs 原版对比
+│   ├── 两版差异说明.md
-│   └── 依赖库清单.md                  # Python 依赖
+│   └── 依赖库清单.md
 │
-├── cDNA图像处理实例/                  # 课程示例数据
+├── flowchart.drawio                   # 算法流程图
-└── 参考资料/                          # MATLAB 参考代码 + 论文 PDF
+├── 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
+# 首次使用需创建虚拟环境
-python app.py
+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）
+# 简化版（课堂主讲，约370行）
-python src/cDNA_gridding_simple.py
+python src/gridding_simple.py
-# 输出：results_simple/ 下 6 张图
+# 输出：data/output/simple/ 下 6 张图
 
-# 原版（完整实现，430行）
+# 原版（完整实现，约470行）
-python src/cDNA_segmentation.py
+python src/segmentation.py
-# 输出：results/ 下 6 张图
+# 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
 
 ---

app/launcher.py

@@ -12,7 +12,7 @@ os.environ['TEMPLATE_DIR'] = os.path.join(base, 'templates')
 os.environ['STATIC_DIR'] = os.path.join(base, 'static')
 
 # 导入 Flask app
-from app import app
+from main import app
 
 def open_browser():
     os.startfile('http://localhost:5000')

app/main.py

@@ -1,8 +1,8 @@
 """
 cDNA微阵列图像处理 - Web UI (Flask)
 =====================================
-启动：python web/app.py
+启动：python app/main.py
-打包：python build_exe.py
+打包：python scripts/build.py
 打开：http://localhost:5000
 """
 

docs/cDNA 微阵列网格划分.md

@@ -102,9 +102,9 @@ plt.rcParams['axes.unicode_minus'] = False                         # 第 27 行
 ```python
 SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))    # 第 30 行
 BASE_DIR = os.path.dirname(SCRIPT_DIR)                      # 第 31 行
-DATA_DIR = os.path.join(BASE_DIR, 'cDNA图像处理实例',       # 第 32 行
+DATA_DIR = os.path.join(BASE_DIR, 'data', 'input')       # 第 32 行
                         '数据', 'cDNA')
-OUTPUT_DIR = os.path.join(BASE_DIR, 'results_simple')       # 第 33 行
+OUTPUT_DIR = os.path.join(BASE_DIR, 'data', 'output', 'simple')
 ```
 
 这 4 行在设置**相对路径常量**，保证脚本不管从哪个目录运行都能找到正确的文件。
@@ -116,14 +116,14 @@ OUTPUT_DIR = os.path.join(BASE_DIR, 'results_simple')       # 第 33 行
 | `os.path.dirname(...)`      | 去掉文件名，只留目录 | `D:/.../src`                         |
 | `SCRIPT_DIR`                | 脚本所在目录     | `.../src`                            |
 | `BASE_DIR`                  | 项目根目录（上级）  | `.../cDNA微阵列图像处理作业`                  |
-| `DATA_DIR`                  | 输入图像所在目录   | `.../cDNA图像处理实例/数据/cDNA`             |
+| `DATA_DIR`                  | 输入图像所在目录   | `.../data/input`             |
-| `OUTPUT_DIR`                | 输出图像保存目录   | `.../results_simple`                 |
+| `OUTPUT_DIR`                | 输出图像保存目录   | `.../data/output/simple`                 |
 |                             |            |                                      |
 
 `os.sep.join(A, B, C)` 会把 A、B、C 用系统的路径分隔符（Windows 是 `\`）拼起来：
 ```
-BASE_DIR + 'cDNA图像处理实例' + '数据' + 'cDNA'
+BASE_DIR + 'data' + 'input'
-→ '.../cDNA微阵列图像处理作业/cDNA图像处理实例/数据/cDNA'
+→ '.../cDNA微阵列图像处理作业/data/input'
 ```
 
 ---
@@ -523,6 +523,6 @@ Python 的习惯写法。
 ## 课堂演示建议
 
 1. 先在 PPT 上展示算法步骤的 6 步流程图
-2. 投影曲线的图片可以直接从 `results_simple/gridding_simple.png` 截取
+2. 投影曲线的图片可以直接从 `data/output/simple/01_grid_overlay.png` 截取
 3. 重点讲清楚第 130~136 行"为什么从第一个 +→- 开始配对"，这是最容易出错的地方
 4. 如果有投影仪，可以现场改 `pct` 参数值（改成 0.05、0.20），让学生看到阈值怎么影响结果

docs/两版差异说明.md

@@ -8,7 +8,7 @@
 
 | | 功能 | 用途 |
 |---|---|---|
-| 简化版 | 只画网格线 | 课堂讲解 |
+| 简化版 | 只画网格线+逐格分割 | 课堂讲解 |
 | 原版 | 网格 + 去噪 + 分割 + 后处理 + 可视化 | 完整作业 |
 
 ---
@@ -17,7 +17,7 @@
 
 ### 1. TV全变分去噪
 
-**位置**：`cDNA_segmentation.py` 第 78-102 行，`tv_denoise()`
+**位置**：`src/segmentation.py` 第 78-102 行，`tv_denoise()`
 
 **干什么**：对每个子块做 Chambolle 投影去噪，去除荧光噪点。简化版完全没有这一步。
 
@@ -25,7 +25,7 @@
 
 ### 2. 三种阈值分割
 
-**位置**：`cDNA_segmentation.py` 第 35-71 行
+**位置**：`src/segmentation.py` 第 35-71 行
 
 | 函数 | 原理 |
 |------|------|
@@ -37,7 +37,7 @@
 
 ### 3. 全图逐块分割
 
-**位置**：`cDNA_segmentation.py` 第 374-411 行
+**位置**：`src/segmentation.py` 第 397-434 行（逐块分割主循环）
 
 **做什么**：对网格划分出的每个子块：
 1. 如果太暗（均值<5或<30），先增强
@@ -50,7 +50,7 @@
 
 ### 4. 后处理
 
-**位置**：`cDNA_segmentation.py` 第 206-226 行
+**位置**：`src/segmentation.py` 第 206-249 行
 
 | 函数 | 作用 |
 |------|------|

docs/依赖库清单.md

@@ -9,7 +9,7 @@
 | **scikit-image** | 0.25.2 | `rgb2gray` 灰度转换、Otsu 阈值 | 全部 .py |
 | **matplotlib** | 3.10.8 | 可视化绘图（投影曲线、直方图、结果图） | 全部 .py |
 | **Pillow** | 12.1.1 | 读取图像文件（png/tif/jpg） | 全部 .py |
-| **Flask** | 3.1.2 | Web 后端 | web/app.py |
+| **Flask** | 3.1.2 | Web 后端 | app/main.py |
 
 ## 仅打包时需要的额外依赖
 
@@ -20,17 +20,17 @@
 ## 安装命令
 
 ```bash
-pip install numpy scipy scikit-image matplotlib Pillow flask
+uv pip install numpy scipy scikit-image matplotlib Pillow flask --python .venv/Scripts/python.exe
 ```
 
 如需打包：
 
 ```bash
-pip install pyinstaller
+uv pip install pyinstaller --python .venv/Scripts/python.exe
-python build_exe.py
+python scripts/build.py
 ```
 
 ## 版本兼容性
 
-以上版本为当前开发环境（Python 3.10，Anaconda `my_env`）实测版本。
+以上版本为当前开发环境（Python 3.13，uv 虚拟环境 `.venv/`）实测版本。
 其他相近版本通常兼容，无特殊版本锁定需求。

scripts/build.py

@@ -1,6 +1,6 @@
 """
 PyInstaller打包脚本
-运行: python build_exe.py
+运行: python scripts/build.py
 输出: dist/cDNA_Analyzer.exe
 """
 
@@ -8,12 +8,12 @@ import PyInstaller.__main__
 import os
 
 PyInstaller.__main__.run([
-    'web/launcher.py',
+    'app/launcher.py',
     '--name=cDNA_Analyzer',
     '--onefile',
     '--noconsole',
-    '--add-data', f'web/templates;templates',
+    '--add-data', f'app/templates;templates',
-    '--add-data', f'web/static;static',
+    '--add-data', f'app/static;static',
     # 排除不相关的重量级包（环境里有torch/pandas等）
     '--exclude-module', 'torch',
     '--exclude-module', 'torchvision',

src/gridding_simple.py

@@ -2,7 +2,7 @@
 cDNA微阵列图像处理 —— 简化版
 ======================================
 
-D:\ProgramData\anaconda3\envs\my_env\python.exe src/cDNA_gridding_simple.py
+.venv\Scripts\python.exe src/gridding_simple.py
 
 一、算法流程总览
 
@@ -56,8 +56,8 @@ plt.rcParams['axes.unicode_minus'] = False
 # 路径设置（从脚本位置动态推导，禁止硬编码绝对路径）
 SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
 BASE_DIR = os.path.dirname(SCRIPT_DIR)
-DATA_DIR = os.path.join(BASE_DIR, 'cDNA图像处理实例', '数据', 'cDNA')
+DATA_DIR = os.path.join(BASE_DIR, 'data', 'input')
-OUTPUT_DIR = os.path.join(BASE_DIR, 'results_simple')
+OUTPUT_DIR = os.path.join(BASE_DIR, 'data', 'output', 'simple')
 
 
 # ================================================================

src/segmentation.py

@@ -24,8 +24,8 @@ rcParams['axes.unicode_minus'] = False
 # 路径配置（使用脚本位置向上两级作为基准）
 _SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
 _BASE_DIR = os.path.dirname(_SCRIPT_DIR)  # 项目根目录
-DATA_DIR = os.path.join(_BASE_DIR, 'cDNA图像处理实例', '数据', 'cDNA')
+DATA_DIR = os.path.join(_BASE_DIR, 'data', 'input')
-OUTPUT_DIR = os.path.join(_BASE_DIR, 'results')
+OUTPUT_DIR = os.path.join(_BASE_DIR, 'data', 'output', 'full')
 
 
 # ============================================================