refactor(slide,det): 重构目标检测引擎并统一图像输入类型为 DynamicImage以及滑块匹配与比较引擎为 Rust 实现

- 统一 `predict` 和 `get_bbox` 接口参数为 `&DynamicImage`，消除多步处理时的重复图像解码开销。
- 引入轻量级 `DetectionResult` 结构体和固定大小数组 `[f32; 6]` 替代旧的嵌套 `Vec`，彻底消除后处理中的内存碎片。
- 优化 `preproc` 预处理逻辑，使用连续内存切片批量操作替代原有的逐像素迭代遍历。
- 移除多余的 `multiclass_nms_class_agnostic` 转发层，合并并精简 NMS 聚合函数。
- 优化 `calculate_center` 几何中心点计算函数，提高泛型语义并复用于两种匹配模式
- 在执行核心算法前增加尺寸与通道边界守卫（Guard Clauses），提升库的防防御性编程能力与崩溃安全性
- 移除多余的错误二次包装（map_err），改由 Rust 原生 Result 错误传播机制直接向上层抛出

tests/ocr_test.rs

@@ -1,8 +1,10 @@
 use ddddocr_rs::models::slide::Slide;
 use ddddocr_rs::{DdddOcr, DdddOcrBuilder}; // 假设你的包名是这个
-use image::Rgb;
+use image::{DynamicImage, Rgb};
 use std::fs;
 use std::path::Path;
+use ddddocr_rs::models::det::DetectionResult;
+
 fn load_image<P: AsRef<Path>>(path: P) -> anyhow::Result<image::DynamicImage> {
     // 1. 先将泛型转为具体的 &Path 引用
     let path_ref = path.as_ref();
@@ -15,27 +17,26 @@ fn load_image<P: AsRef<Path>>(path: P) -> anyhow::Result<image::DynamicImage> {
 }
 /// 将检测结果绘制在图像上并保存
 fn save_debug_image(
-    image_bytes: &[u8],
-    bboxes: &Vec<Vec<i32>>,
+    dynamic_img: &DynamicImage,          // 【优化点 1】直接传入解码好的引用，拒绝重复解码
+    bboxes: &[DetectionResult],          // 【修改点 1】类型改为自定义结构体切片
     output_path: &str,
 ) -> anyhow::Result<()> {
-    let dynamic_img = image::load_from_memory(image_bytes)?;
+    // 删除了原本的 let dynamic_img = image::load_from_memory(image_bytes)?;
     let mut img = dynamic_img.to_rgb8();
     let (width, height) = img.dimensions();
     let red = Rgb([255u8, 0, 0]);
 
     for bbox in bboxes {
-        // 基础边界检查
-        let x1 = bbox[0].max(0).min(width as i32 - 1) as u32;
-        let y1 = bbox[1].max(0).min(height as i32 - 1) as u32;
-        let x2 = bbox[2].max(0).min(width as i32 - 1) as u32;
-        let y2 = bbox[3].max(0).min(height as i32 - 1) as u32;
+        // 【修改点 2】将原来的索引 bbox[0].. 改为结构体字段访问 .x1, .y1 ..
+        let x1 = bbox.x1.max(0).min(width as i32 - 1) as u32;
+        let y1 = bbox.y1.max(0).min(height as i32 - 1) as u32;
+        let x2 = bbox.x2.max(0).min(width as i32 - 1) as u32;
+        let y2 = bbox.y2.max(0).min(height as i32 - 1) as u32;
 
         // 绘制横向线条
         for x in x1..=x2 {
             img.put_pixel(x, y1, red);
             img.put_pixel(x, y2, red);
-            // 如果要加粗，多画一行
             if y1 + 1 < height {
                 img.put_pixel(x, y1 + 1, red);
             }
@@ -47,7 +48,6 @@ fn save_debug_image(
         for y in y1..=y2 {
             img.put_pixel(x1, y, red);
             img.put_pixel(x2, y, red);
-            // 如果要加粗，多画一列
             if x1 + 1 < width {
                 img.put_pixel(x1 + 1, y, red);
             }
@@ -82,17 +82,27 @@ fn test_det_load() -> anyhow::Result<()> {
         fs::read(image_path).map_err(|e| anyhow::anyhow!("无法读取图片 {}: {}", image_path, e))?;
 
     println!("图片读取成功，字节大小: {}", image_bytes.len());
-    let bboxes = det.detection(&image_bytes)?;
+
+    // 【修改点 1】将字节流解码为统一的 DynamicImage
+    let img = image::load_from_memory(&image_bytes)
+        .map_err(|e| anyhow::anyhow!("图片解码失败: {}", e))?;
+
+    // 【修改点 2】传入统一的 &DynamicImage 引用
+    let bboxes = det.detection(&img)?;
     println!(":?{}", det);
     println!("检测到的目标数量: {}", bboxes.len());
+
     if bboxes.is_empty() {
         println!("未检测到任何目标。");
     } else {
-        save_debug_image(&image_bytes, &bboxes, "samples/result.jpg")?;
+        // 如果 save_debug_image 报错，记得去把它的入参类型和内部访问也改为 DetectionResult
+        save_debug_image(&img, &bboxes, "samples/result.jpg")?;
+
         for (i, bbox) in bboxes.iter().enumerate() {
+            // 【修改点 3】将原来的 bbox[0].. 索引访问改为结构体字段访问
             println!(
-                "目标 [{}]: x1={}, y1={}, x2={}, y2={}",
-                i, bbox[0], bbox[1], bbox[2], bbox[3]
+                "目标 [{}]: x1={}, y1={}, x2={}, y2={}, 分数={:.4}, 类别ID={}",
+                i, bbox.x1, bbox.y1, bbox.x2, bbox.y2, bbox.score, bbox.class_id
             );
         }
     }