图像处理避坑指南：这些坑我替你踩过了

三年前我接手公司商品图的批量处理，自以为会点PS就能搞定，结果第一版交上去被主管打回来，理由是颜色发灰、边缘有白边。后来我花了两个月才把整条流程理顺。今天把这些坑写出来，你要是刚开始碰图像处理，能省下不少加班时间。

颜色通道和格式最容易出错

OpenCV读图默认是BGR，不是RGB。我第一次用matplotlib显示的时候，人脸是蓝的，当时还以为图片文件坏了。这个坑几乎每个新手都会踩一次。

• OpenCV读进来的图，显示前记得转 cv2.COLOR_BGR2RGB
• PIL读进来是RGB，和OpenCV直接互转会翻车，中间要统一
• 做模型推理时看清框架文档，有的吃RGB有的吃BGR，搞错准确率能掉十几个点
• 转灰度别直接用 np.mean 求平均，按 0.299R+0.587G+0.114B 来，视觉上更接近人眼

还有alpha通道这个事。PNG抠完图存成JPG，透明区域会变成黑色或者白色，具体哪个取决于你用的库。这个错误在电商主图上特别致命，白底变黑底，审核直接驳回。我现在的习惯是，只要中间涉及抠图，全程用PNG，交付前再统一转格式。

压缩和锐化的坑同样密集。JPEG是有损格式，每存一次掉一次质量。我见过有同事把中间结果全存成JPG，处理五步存五次，最后图片边缘全是方块状伪影，放大看像马赛克。正确做法是中间结果一律存PNG或者npy，只有最终交付才转JPG，质量参数别低于90。锐化也一样，本来是为了让边缘更清晰，参数拉大以后人像皮肤会出现颗粒感，头发边缘出现亮边。我的经验是USM锐化半径别超过1.5像素，数量控制在50到80，宁可分两次轻锐化，也别一次拉满。另外分辨率这块容易糊涂，DPI只影响打印尺寸，不影响像素总数，有人拿着一张五百像素宽的图来问为什么打印模糊，问题根本不在DPI。

批量处理前先做三件事

跑批之前花十分钟做准备，能省掉后面几小时的返工。

• 抽10张样本先跑一遍全流程，肉眼看结果，别等五千张跑完才发现参数写错
• 统计所有图片的尺寸分布，宽高比不一致的单独分一组，别硬拉成统一比例
• 备份原始文件，处理脚本只往新目录写，千万别原地覆盖

去年双十一前，我们有个活动页要处理八千张商品图。脚本第一版就是原地覆盖，结果中间有个函数写错了，整批图饱和度被拉到极低，全成了灰调子。好在我跑之前把原图复制到了另一个盘，才没出大事。从那以后我的脚本里永远有这一步：先复制到 output 目录再动手。

还有个容易被忽略的EXIF方向问题。手机拍的图经常带旋转标记，用某些库读进来是躺着的，裁剪框自然对不上。处理前统一做一次 exif_transpose，能省掉一堆莫名其妙的坐标错位。说回来，图像处理这活儿技术难度其实不高，坑全在细节里。格式、通道、压缩、尺寸、方向，这五样东西任一样搞错，成果看起来都像没做完。养成小批量验证、保留原图、中间结果不丢精度的习惯，八成的返工都能提前躲开。