边缘融合头发损伤：整图处理时头发下颌线接缝伪影修复

症状

整图处理（不带 --has_aligned）时：

• 修复脸和原图背景之间有一圈不自然的接缝
• 头发边缘出现毛躁、缺失或多出来一缕
• 下颌线周围有"贴图感"
• 修复脸周围出现轻微的色偏

根本原因

CodeFormer 整图处理的流程是：

整图 → 检测人脸 → 裁脸 → 修脸（512×512） → 粘贴回原图

粘贴时用了 back projection 融合算法，但以下情况容易伪影：

1. 头发边缘不是清晰边缘（碎发、卷发、头发和背景颜色接近）
2. 人脸检测框不准确（框到了部分头发或漏掉了部分脸型）
3. 原图 JPEG artifact 严重（artifact 干扰融合算法）
4. 修复脸和背景的分辨率差太大（不开 Real-ESRGAN 背景增强时）

修复方案一：开 --bg_upsampler realesrgan（最推荐）

python inference_codeformer.py -w 0.7 \
    --bg_upsampler realesrgan --face_upsample \
    photo.jpg

Real-ESRGAN 会同时增强背景区域，让修复脸和背景的分辨率差变小，融合自然。这是最根本的解决方案——消除了两阶段融合的"分辨率差"根因。

修复方案二：增大 w 值

python inference_codeformer.py -w 0.9 photo.jpg

w 大时 CodeFormer 保留更多原图特征——包括头发细节、下颌线轮廓等——这些特征和原图背景更一致，融合更自然。

代价：清晰度可能稍降（但比伪影好）。

修复方案三：手动裁脸 + 自己贴回

如果 CodeFormer 的自动融合怎么都不满意，可以：

第一步：只用 --has_aligned 修脸

python scripts/crop_align_face.py -i photo.jpg -o face.png
python inference_codeformer.py -w 0.8 --has_aligned face.png
# 得到干净的修复脸

第二步：手动合成

用 Photoshop / GIMP：

1. 打开原图和修复脸
2. 把修复脸图层放到原图上
3. 用柔化边缘的橡皮擦擦修复脸的边缘
4. 头发区域可以用仿制图章工具从原图里"借"头发细节
5. 调色 / 模糊让接缝消失

这是最精细的方法，但需要手动操作。

修复方案四：用专门的融合工具

如果你有很多图需要处理、又不想手动，可以试试：

• CodeFormer 自带的 face_merge 参数（某些版本支持）
• Pillow / OpenCV 代码做泊松融合（Poisson Blending）
• LaMa inpainting 修接缝：先手动 mask 住接缝区域，用 LaMa 让模型自动填自然过渡

泊松融合代码示例（OpenCV）：

import cv2
import numpy as np

# 原图和修复脸
src = cv2.imread('result_codeformer.jpg')       # 整图（修复后）
dst = cv2.imread('original.jpg')                 # 原图
mask = cv2.imread('face_mask.png', cv2.IMREAD_GRAYSCALE)  # 人脸 mask（白色区域）

# 找 mask 中心
center = (mask.shape[1]//2, mask.shape[0]//2)

# 泊松融合
result = cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE)
cv2.imwrite('result_seamless.jpg', result)

不同部位的伪影对策

什么时候换对齐模式

如果你的照片只需要修脸（不在乎背景），直接用 --has_aligned 模式：

python scripts/crop_align_face.py -i photo.jpg -o face.png
python inference_codeformer.py -w 0.8 --has_aligned face.png
# 输出只有人脸，没有融合问题

这对于：

• 头像裁切（裁出头像就行，不需要整图）
• 证件照（只留脸和肩部）
• 社交媒体头像（正方形裁切）

是最干净的解决方案——根本没有融合问题，因为你压根没把脸贴回去。

一句话总结

边缘融合伪影的根因是"两阶段方法的分辨率差和特征差"。解决优先级：

1. 开 Real-ESRGAN 背景增强（消除分辨率差）
2. 增大 w 值（保留更多原图特征让融合自然）
3. 只修脸不整图（根本不融合）
4. 手动合成（最精细但费时间）