refactor: 抽象解耦推理引擎并重构为多Crate工作空间架构

- 移除 核心层与 tract/Tensor 的强耦合，前/后处理全线转用标准 ndarray
- 针对 OCR 与目标检测（Det）分别设计独立的强类型输出小枚举（OcrOutput/DetOutput）
- 利用 Trait 关联类型（Associated Type）InferenceEngine,OcrEngine,DetEngine 统一接口，实现多后端解耦
- 引入 thiserror 库，建立完备的强类型错误处理机制（DdddError/Result）
- 完成项目结构初拆，剥离为 ddddocr-core 和 ddddocr-tract

ddddocr-core/src/utils/image_processor.rs

@@ -0,0 +1,40 @@
+use image::{DynamicImage, GrayImage, imageops::FilterType, Rgb, ImageBuffer};
+use anyhow::{anyhow, Result};
+use crate::models::ocr::color_filter::HsvRange;
+use crate::utils::image_proc::rgb_to_opencv_hsv;
+
+/// 对应 Python 的 convert_to_grayscale
+/// 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
+pub fn resize_image(
+    image: &DynamicImage,
+    target_width: u32,
+    target_height: u32,
+    // resample 参数我们直接使用 FilterType，Lanczos3 是最接近 Python LANCZOS 的
+) -> DynamicImage {
+
+    // image::imageops::resize 的最高层封装
+    // FilterType::Lanczos3 与 Python Pillow 的 Image.LANCZOS 算法完全对齐，缩放质量最高
+    image.resize_exact(target_width, target_height, FilterType::Lanczos3)
+}
+// pub fn resize_image(
+//     image: &GrayImage,
+//     target_width: u32,
+//     target_height: u32,
+//     // resample 参数我们直接使用 FilterType，Lanczos3 是最接近 Python LANCZOS 的
+// ) -> GrayImage {
+//     // 使用 resize 算法进行精确缩放
+//     image::imageops::resize(
+//         image,
+//         target_width,
+//         target_height,
+//         FilterType::Lanczos3
+//     )
+// }
+