移動文件

Author: 5000user5000

BENCHMARK_RESULTS.md doc/BENCHMARK_RESULTS.mdBENCHMARK_RESULTS.md renamed to doc/BENCHMARK_RESULTS.md

@@ -211,49 +211,6 @@ YCbCr → RGB 轉換         12.3%   數學運算
 - 當前 C++ 實現：67.50ms (lena.jpg)
 - **還有約 13× 的優化空間**
 
-## 結論與建議
-
-### 使用建議
-
-#### ✅ 推薦使用 C++ 實現
-- **場景**: 性能敏感應用、大規模圖片處理
-- **優勢**: 4.4× 性能提升 + 高品質還原（35+ dB）
-- **適用**: 視訊處理、嵌入式系統、即時應用
-
-#### ✅ NumPy 實現適用場景
-- **場景**: 學習、原型開發、理解 JPEG 原理
-- **優勢**: 代碼清晰、易於修改、與 C++ 品質相當
-- **限制**: 性能較低，不適合生產環境
-
-#### 🚫 生產環境請使用成熟的庫
-- **推薦**:
-  - `libjpeg-turbo` (C/C++) - 工業標準
-  - `PIL/Pillow` (Python) - 功能完整
-  - `opencv-python` (Python) - 整合豐富
-- **原因**:
-  - 完整的 JPEG 格式支援（Progressive, Lossless 等）
-  - 經過大量測試和優化
-  - 持續維護和更新
-
-### 專案價值
-
-本專案的主要價值在於：
-
-1. **教學示範**
-   - 完整實現 JPEG Baseline DCT 解碼流程
-   - 修復了多個常見的實現錯誤
-   - 提供詳細的技術文檔
-
-2. **性能比較研究**
-   - 實證 C++ vs Python 的性能差異（4.4×）
-   - 分析瓶頸來源和優化方向
-   - 展示 pybind11 的整合實踐
-
-3. **品質驗證**
-   - 使用 PSNR 量化評估解碼品質
-   - 證明兩種實現的正確性（35+ dB）
-   - 提供可靠的參考實現
-
 ## 已知限制
 
 ### 支援的 JPEG 格式