feat(pixel-perfect): add an independent local pixel grid tool

[huyanxius]

Background

生成模型产出的“像素风”图片通常仍包含非整数网格、抗锯齿和一格多色，不能直接作为游戏中的真实像素资产使用。Windup 需要一个完全独立的本地工具，把已有图片恢复为规则网格；该工具不进入默认生成管线，也不调用模型或外部图像服务。

Goal

提供可独立替换的三层后端能力：像素网格识别、显式网格重建、工具 API 编排。识别器与重建器互不依赖；工具 API 只通过显式网格数据契约组合二者，后续替换任一算法时不修改另一模块。

Scope

• 复用 MIT 许可的 Retro Diffusion Pixel Art Fixer 传统图像算法，并保留上游版本与许可声明。
• 网格识别模块只输出 cols、rows、step_x、step_y、consensus 与置信度。
• 网格重建模块只接收明确的网格尺寸、颜色数和图片字节，输出原生 1x PNG。
• 工具 API 负责输入校验、超时/并发限制、识别与重建编排，并提供独立调用端点。
• 处理全程在本地 CPU 完成，不使用视觉模型、对象存储或外部 API。

Capability boundary

• 默认自动识别面向隐含像素单元不小于约 3px 的图片。
• 小于 3px 的高密度输入暂不承诺自动识别准确率；保留手动 pixel_size 覆盖，后续基于公开 benchmark 单独优化。
• 不为单张样例添加密度特例。

Acceptance criteria

• 检测、重建、API 三层可以分别测试、构建和替换。
• 自动模式使用 Pixel Art Fixer 的完整多检测器共识流程。
• 重建结果为规则 1x 网格，每格一个颜色且保留透明度。
• 密集网格重建不会因负颜色权重产生荧光坏点。
• 手动像素尺寸可以绕过自动识别并强制重建网格。
• API 不接入默认生成管线，浏览器直传时不依赖对象存储。
• Docker 与 CI 能构建并验证原生组件。
• 第三方代码包含许可证、上游仓库和固定提交信息。

Delivery plan

1. feat(pixel-grid): add an independent grid detector #490：独立像素网格识别模块。
2. feat(pixel-grid): add an explicit grid reconstructor #491：独立显式网格重建模块。
3. feat(pixel-perfect): expose an independent tool API #492：独立工具 API 与运行时装配，仅在这一层组合前两者。

Out of scope

• 前端入口与试用页面。
• 默认生成管线集成。
• 小于 3px 隐含像素的自动识别优化。
• 大视觉模型或神经网络兜底。