docs(core): 为 ddddocr-core 全量补充并精简 Rustdoc 文档

ddddocr-core/src/utils/image_processor.rs

@@ -1,10 +1,12 @@
+//! 图像处理算法：OpenCV 风格的常用函数封装。
+
 use image::{imageops::FilterType, DynamicImage, GrayImage, ImageBuffer, Luma};
 
 use ndarray::{azip, Array2, Array3, ArrayView2, ArrayView3};
 use std::cmp::{max, min};
 
 // 模拟openCV
-/// 1. 计算两个数组的绝对差值 (对应 cv2.absdiff)
+/// 计算两个 HWC 数组的绝对差值（对应 cv2.absdiff）。
 pub fn abs_diff(a: &ArrayView3<u8>, b: &ArrayView3<u8>) -> Array3<u8> {
     // 利用 ndarray 的 map_collect，生成差值的绝对值数组
     // 或者直接使用 zip_mut_with 处理以减少内存分配
@@ -27,7 +29,7 @@ pub fn rgb_to_gray(rgb: ArrayView3<u8>) -> Array2<u8> {
     })
 }
 
-/// 寻找匹配结果图中的最大值及其坐标 (模拟 cv2.minMaxLoc 的一部分)
+/// 查找匹配结果图中的最大值及其坐标（对应 cv2.minMaxLoc）。
 pub fn min_max_loc(result_map: &ImageBuffer<Luma<f32>, Vec<f32>>) -> (f32, (u32, u32)) {
     // 4. 找到最佳匹配位置 (对齐 cv2.minMaxLoc)
     let mut max_val: f32 = -1.0;
@@ -48,8 +50,7 @@ pub fn min_max_loc(result_map: &ImageBuffer<Luma<f32>, Vec<f32>>) -> (f32, (u32,
     (max_val, max_loc)
 }
 
-/// 1. 模拟 findContours 并获取最大面积区域的 Label
-/// 返回 Option<u32>，如果找不到任何区域则返回 None
+/// 模拟 findContours：返回面积最大的连通域标签，找不到时返回 `None`。
 pub fn find_contours_and_max(labelled: &ImageBuffer<Luma<u32>, Vec<u32>>) -> Option<u32> {
     // 统计每个标签出现的频率（即面积）
     let mut max_label = 0;
@@ -74,9 +75,7 @@ pub fn find_contours_and_max(labelled: &ImageBuffer<Luma<u32>, Vec<u32>>) -> Opt
         Some(max_label)
     }
 }
-/// 根据目标连通域标签，计算其在图像中的外接矩形边界框（对应 `cv2.boundingRect`）
-///
-/// 返回格式: `(min_x, min_y, width, height)`
+/// 计算指定连通域标签的外接矩形（对应 cv2.boundingRect），返回 `(min_x, min_y, width, height)`。
 pub fn bounding_rect(
     labelled: &ImageBuffer<Luma<u32>, Vec<u32>>,
     max_label: u32,
@@ -109,9 +108,7 @@ pub fn calculate_center(top_left: (u32, u32), width: usize, height: usize) -> (i
     (center_x, center_y)
 }
 
-/// 高性能转换：将 `ndarray` 2D 灰度视图规整为 `image::ImageBuffer` 格式
-///
-/// 放弃低效的逐像素显式嵌套循环，采用原生内存池直接构造，减少寻址开销
+/// 将 2D 灰度 ndarray 视图转换为灰度 ImageBuffer。
 pub fn ndarray_to_luma8(array: ArrayView2<u8>) -> ImageBuffer<Luma<u8>, Vec<u8>> {
     let (height, width) = array.dim();
     // 技巧：直接将已有的规整连续内存打平转换，或用 from_raw 包装
@@ -128,6 +125,7 @@ pub fn ndarray_to_luma8(array: ArrayView2<u8>) -> ImageBuffer<Luma<u8>, Vec<u8>>
 // 5. 核心高性能图像转换算法 (纯 Rust 编写)
 // =====================================================================
 
+/// RGB 像素转换为 OpenCV 风格的 HSV 值。
 #[inline(always)]
 pub fn rgb_to_opencv_hsv(r: u8, g: u8, b: u8) -> (u8, u8, u8) {
     // 1. 规避高昂的除法，直接转为 f32 进行比对
@@ -174,15 +172,13 @@ pub fn rgb_to_opencv_hsv(r: u8, g: u8, b: u8) -> (u8, u8, u8) {
     (h_opencv, s_opencv, v_opencv)
 }
 
-/// 对应 Python 的 convert_to_grayscale
-/// 将图像转换为灰度图 (L模式)
+/// 将图像转换为灰度图（L 模式）。
 pub fn convert_to_grayscale(image: &DynamicImage) -> GrayImage {
     // Rust utils 库的 to_luma8 会根据标准的亮度公式进行转换
     image.to_luma8()
 }
 
-/// 对应 Python 的 resize_image
-/// 调整图像尺寸。当前版本仅实现 keep_aspect_ratio=false
+/// 按指定宽高调整图像尺寸。
 pub fn resize_image(
     image: &DynamicImage,
     target_width: u32,