目录
[一、写在前面：Picasa 停更之后，本地相册还缺一款"顺手"的工具](#一、写在前面：Picasa 停更之后，本地相册还缺一款"顺手"的工具)
[二、技术选型：为什么用 Rust 从零重写](#二、技术选型：为什么用 Rust 从零重写)
[三、整体架构：后台 worker + SQLite 的"轻前端、重后台"设计](#三、整体架构：后台 worker + SQLite 的"轻前端、重后台"设计)
[六、重复照片检测：基于 dHash 的感知哈希](#六、重复照片检测：基于 dHash 的感知哈希)
[七、元数据与兼容性：EXIF、XMP 与 picasa.ini](#七、元数据与兼容性：EXIF、XMP 与 picasa.ini)
[九、离线 AI 能力：OCR、人脸聚类与 CLIP 语义搜索](#九、离线 AI 能力：OCR、人脸聚类与 CLIP 语义搜索)
一、写在前面：Picasa 停更之后，本地相册还缺一款"顺手"的工具
Google Picasa 曾是桌面端口碑最好的图片管理与处理软件之一，快速启动、简洁交互、流畅浏览是它最被人记住的几个特点。2016 年官方停止更新并下架后，桌面端其实一直缺一款能真正接住这份体验的工具------不少同类产品要么功能臃肿、加载缓慢，要么强制绑定云端同步，以隐私为代价换取便利。
马良（Maliang，取名自"神笔马良"）就是冲着填补这个空缺来的：它用 Rust 语言从零重写，在保留 Picasa 3 核心交互逻辑的基础上，补上了现代的性能优化与 AI 能力。
**📥︎ 马良 Maliang - 以AI之笔，续写 Picasa >>**Google Picasa 精神续作 Rust 重写的离线本地相册工具
https://dl.relinkclan.com/maliang它给自己的定位很清楚------原生、离线、隐私优先的本地桌面照片管理工具，所有数据都保存在用户本机，不上传云端、不扫描隐私数据。
项目目前发布了 v0.1.0 早期版本，仅提供 64 位 Windows 编译包，主程序体积约 38M，下载后免安装即可运行。
二、技术选型：为什么用 Rust 从零重写
把一款老牌软件的体验"重做一遍"，选语言是第一个绕不开的决定。
马良选择 Rust 作为核心开发语言，主要看中几点：
- 内存安全：Rust 的所有权与借用检查在编译期就挡掉了大量内存越界、数据竞争类问题，而图片管理软件恰恰要长时间高频地读写文件与缓冲区，安全性收益很直接；
- 零成本抽象：高层写法不会带来额外运行时开销，配合高性能特性，运行效率可以逼近原生 C++；
- 无 GC、体积可控：没有垃圾回收带来的停顿，也是主程序能压到 38M、做到秒级启动的重要原因。
换句话说，它没有依赖 Electron 之类的重型运行时，而是走了一条"把性能做进底层"的路子。
三、整体架构：后台 worker + SQLite 的"轻前端、重后台"设计
马良整体采用前后端分离的 worker 架构，思路是把界面和耗时任务彻底切开：
- 后台常驻独立 worker 线程，专门处理 IO 密集型工作，比如缩略图生成、目录扫描、人脸检测等，避免这些任务阻塞 UI，界面始终跟手；
- 核心数据用 SQLite 构建本地索引，兼顾查询效率与数据可靠性，且天然是本地文件、便于迁移与备份；
- 图像处理全部基于自研原生像素算子实现，不依赖 OpenCV 这类重型框架，既控制了体积，也加快了启动速度。
这套结构的关键在于：用户感受到的是"点哪哪响"，而重活都被悄悄挪到了后台。
四、照片索引与文件系统监控：三档门控机制
索引是本地相册的地基。马良首次启动时会递归扫描用户指定的本地目录，提取文件元数据与 EXIF 信息，写进 SQLite 索引库。真正有难度的是"扫完之后怎么持续感知变化"，它用了一套三档门控的目录监控机制：
- 事件驱动去抖：监听文件系统事件，短时间内的高频变动合并处理，避免抖动；
- 定时轮询：作为兜底，定期比对目录状态，防止事件丢失；
- 基线全量校验：以一份基线快照做全量核对，纠正长期运行后的索引漂移。
三者叠加，既保证新增、修改、删除的文件能被近实时感知，又避免因文件系统事件丢失导致的索引不一致。浏览层面则提供两套视图：时间线视图按拍摄日期自动聚合，复刻 Picasa 的经典排序；文件夹视图保留原生目录结构，按文件系统层级浏览。
五、四档缩略图缓存：流畅滚动浏览的关键
滚动卡顿几乎是所有相册软件的顽疾，根源在于大图解码太贵。马良的解法是一套四档分级缩略图体系：
- Small 96px：网格视图快速预览；
- Normal 256px：常规列表展示；
- Big 512px：单图预览的低清占位；
- Preview 1024px：全屏浏览的快速加载。
后台 worker 会按优先级异步生成并缓存各档缩略图。滚动界面时，优先加载低清占位图，再渐进式替换为高清图，从根本上避免了"一次性加载大量大图"带来的卡顿。
六、重复照片检测：基于 dHash 的感知哈希
这是原版 Picasa 没有、而马良补上的一项实用能力。它采用 **dHash（差异感知哈希）** 做近似重复图片检测：
- 为每张图片生成 64 位感知哈希值，再通过汉明距离衡量视觉相似度；
- 能识别出经过缩放、压缩、轻微裁剪后的重复照片，帮助用户清理磁盘空间；
- 整个比对过程完全在本地离线完成，不会上传任何图片内容。
相比只按文件名或文件大小判重，感知哈希的思路更贴近"人眼看到的是不是同一张图"。
七、元数据与兼容性：EXIF、XMP 与 picasa.ini
一款本地相册好不好用，很大程度上取决于它和既有生态的兼容程度：
- EXIF 完整读取：拍摄参数、相机型号、拍摄时间、GPS 经纬度等都能解析；
- GPS 轨迹导出：支持把 GPS 信息导出为 KML 格式，可在常见地球类工具中查看拍摄轨迹；
- 兼容 picasa.ini：能够读写原版 Picasa 保存的标签、星标等元数据，与旧版 Picasa 无缝互通，老用户的整理成果不会丢；
- XMP 元数据镜像：把编辑操作与标签写入标准 XMP sidecar 文件，方便与其他专业修图工具交换数据。
这几项加起来，意味着用户不必"从零再整理一遍相册"。
八、图像处理引擎：一套算子化的滤镜体系
马良自研了一套轻量级像素处理引擎，不依赖重型图像库就能完成各类效果，设计上有几个层次：
- 基础调整：基于自然三次样条曲线的色阶调整，支持曝光、对比度、饱和度等基础参数；
- 一键增强：除常规的黑白、棕褐、锐化外，还自主设计了暖调、冷调、暗角、褪色、伽马校正、线性模糊、焦点柔化、方向性亮度/饱和度/锐度等效果；
- 算子体系：所有效果都由可复用的基础算子组合而成，包括混合模式、遮罩运算、盒式模糊、线性模糊、渐变映射、边缘检测、变焦模糊、色阶压缩、边框、投影、旋转等；
- 风格配方系统：内置约 28 组成套滤镜，覆盖浓郁胶片、画框投影、变焦拖影、胶片颗粒、强动态 HDR、玩具相机、柔光、铅笔素描、交叉冲印、六十年代复古等。每个配方本质是一串固定顺序的像素操作，强度可由混合比例统一控制，参数集中在资源包里便于后续调校；
- 非破坏性编辑：编辑操作只保存参数，原始文件始终不动，导出时才把效果烘焙进新文件。
这套设计的巧妙之处在于"算子 + 配方"的分层：底层算子尽量少而通用，上层风格靠排列组合来堆，扩展新滤镜的成本很低。
九、离线 AI 能力：OCR、人脸聚类与 CLIP 语义搜索
值得单独说的是，马良的 AI 能力全部为本地离线运行，无需联网、不上传数据，默认随程序启用：
- OCR 文字识别：离线识别照片里的文字内容，支持"按文字搜索照片"；
- 人脸半自动聚类：自动给出归类建议，用户确认后完成分组，聚类结果还会根据命名反馈持续优化，越用越准；
- CLIP 语义搜索：基于跨模态语义检索模型，支持自然语言找图，比如直接输入"有猫的照片""海边日落的照片"，无需提前手动打标签。
把 AI 放到端侧跑，牺牲的是模型规模，换来的是隐私与响应速度，对于"私人相册"这个场景，取舍是合理的。
十、设备导入与多媒体支持
在设备接入上，马良针对 Windows 平台做了适配：
- 通过 **WPD（Windows Portable Devices）/ WIA（Windows Image Acquisition）** 标准协议接入相机、手机、U 盘等便携设备，支持直接从设备导入照片；
- 识别常见视频格式，自动抽取视频缩略图，并调用系统默认播放器播放视频文件。
十一、项目现状
项目目前处于 v0.1.0 早期开发阶段，核心的照片扫描、索引、缩略图、浏览链路已经可用，人脸检测、基础编辑、重复检测等功能也已上线，更多高级能力仍在持续迭代。