WAND-PIC图像预处理管线详解：几何校正、CLAHE与切块实战

简介：WAND-PIC是一套基于C++语言开发的三维准静态粒子模拟程序，采用并行PIC（Particle-in-Cell）方法，面向等离子体物理、电磁波与物质相互作用等领域，适合有数值模拟需求的研究生、科研人员及高性能计算开发者。资源包共43个文件，压缩包约9.62MB，包含17个C++源文件、11个头文件，对应粒子推进、场求解、网格分区、并行I/O等核心实现；另含5张示例图、2个动态演示GIF、说明文档与Makefile构建脚本，方便快速编译和运行。压缩包内还包含README说明文档，可快速了解程序用法与目录结构；示例图和GIF演示了典型等离子体尾场加速案例的运行结果。已有231人学习下载。通过该资源可具体了解MPI并行通信、PnetCDF并行文件读写、3D网格划分以及准静态近似在粒子模拟中的落地方式，既能支撑学术研究中的数值实验，也可作为学习PIC方法、并行编程和科学计算工程的参考案例。

1. WAND-PIC 不是模型，是一条预处理管线

WAND-PIC 这个名字很唬人，第一次听的时候我也以为是某个新的检测模型，后来把手头的图像预处理流程梳理了一遍，才发现这个项目解决的是我一整年都在头疼的问题：图像来源太杂，模型吃不动。手机拍的、扫描仪扫的、网页截图的，光照、角度、分辨率全都不一样，直接喂进检测模型，效果忽上忽下。WAND-PIC 的定位很明确，它是一条预处理管线，干三件事：把歪的图掰正、把明暗不一的图拉平、把大图切成模型吃得下的图块。适合做目标检测、OCR、图像分类的团队，尤其是那些图片来源不可控、又希望模型训练和推理时输入分布能稳定一点的人。

2. 先拆开 WAND-PIC：几何校正、归一化与图块化分别解决什么问题

2.1 几何校正：把歪掉的图像“掰正”为什么不能用简单旋转

图片只要不是正对着拍的，就存在透视畸变。比如用手机斜着拍一张屏幕上的二维码，原本的矩形在图像里变成梯形。简单旋转只能处理二维平面内的旋转角度，处理不了因为拍摄角度带来的近大远小。检测模型在训练时如果只见过“正”的图，推理时遇到斜的图，边界框的位置就会系统性偏移，漏检率和误检率同时往上走。WAND-PIC 的几何校正部分做的是，先找到图像里目标的四边形外轮廓，再通过透视变换把四边形映射回矩形。这个思路不是新东西，OpenCV 里的getPerspectiveTransform和warpPerspective就是现成工具，难点在于“四边形顶点怎么找得准”。

我一般用边缘检测加轮廓拟合来找候选四边形。具体流程是：灰度化，用 Canny 提取边缘，然后找轮廓，再用多边形逼近把轮廓拟合成四边形，最后从候选四边形里挑面积最大、形状最接近矩形的那个。这个流程有几个选择会直接影响结果：Canny 的高低阈值、多边形逼近的 epsilon 参数、候选四边形的面积下限。这几个参数在 4.1 节里展开说，这里先记住一个结论，四边形顶点检测是整条管线里“运气”成分最大的环节，参数不合适，校正出来的图比不校正还离谱。

为什么不用传统文档扫描里的“找角点 + 霍夫直线”？因为角点检测对纹理密集的区域非常敏感，一张拍花了的工件照片上，角点能检出一百多个，没法判断哪个才是目标外轮廓的四个角。反而是边缘检测 + 轮廓层级 + 多边形逼近这套流程更稳，轮廓的层级关系还能帮我们滤掉嵌套在目标内部的干扰边缘。这一步是 WAND-PIC 和很多简单预处理脚本的区别，它要的不是“检测到边”，而是“定位到目标的外边界”。

2.2 归一化：光照不一致的情况下，直方图均衡化到底该用哪种

目标和目标之间的光照差异，是检测模型翻车的高频原因。同一个工件，车间灯光下拍一张，仓库昏暗的地方拍一张，像素分布完全不一样。如果只是把图像除以 255 缩放到 [0,1]，模型学到的对比度特征在不同光照下对不上。全局直方图均衡化能拉开对比度，但它的问题是会把原本正常的亮部细节压没，尤其在图里有大面积黑色背景时，均衡完整个背景的噪点全出来了。

我一般用 CLAHE，自适应直方图均衡化，它把图像分成一个个小块，在每个小块里做直方图均衡化，然后用双线性插值把块之间的边界平滑掉。clip_limit控制对比度放大的上限，tileGridSize控制块的大小。这两个参数在 4.3 节会给出具体的调法。这里要强调的是，CLAHE 的输入一般是灰度图或明度通道，如果你在 OpenCV 里先转 HSV，再对 V 通道做 CLAHE，之后把三个通道合并回 BGR，效果会比直接对彩色图做 CLAHE 更自然。原因是 CLAHE 在彩色三通道上分别做，会破坏通道间原有的比例关系，产生偏色的伪影。

还有一类更隐蔽的问题，就是图像锐度过高或过低。归一化只解决了亮度和对比度，没有解决清晰度。WAND-PIC 这类管线里常见的做法，是在归一化之后加一个轻量的锐化判断：计算拉普拉斯方差，低于某个阈值就认为图像模糊，可以选择跳过或者做一次轻度锐化。这个判断不是精确的清晰度评估，但作为一个预处理阶段的路由条件，够用。模糊图直接进模型，后面所有参数调得再好都很难救回来。

2.3 图块化：直接缩放会丢小目标，切块才是保留细节的原因

模型输入通常被固定成 512×512 或 640×640，而原始图片可能是 3000×4000 的手机照片。直接缩小，小目标可能缩小到几个像素，检测器在小尺度特征图上看不到它；切成图块，相当于让模型用原始分辨率去观察图像的局部区域。这就是 WAND-PIC 的 PIC 部分在做的事：把大图切成有重叠的图块，每一块独立通过模型，最后把检测结果按坐标拼回原图。重叠率越高，目标被切到边界、导致检测框不完整的情况越少，但推理时间也线性上涨。

图块大小怎么选？我一般看两个约束。第一个是模型输入尺寸，图块最好和模型训练时的分辨率一致，比如你训练时是 640×640，图块就切成 640×640，省去二次缩放。第二个是目标尺寸占原始图的比例，目标越小，图块应该越小，否则目标在图块里依然很小，切了等于没切。比如原始图里有 30×30 像素的小目标，切成 640×640，目标在图块里依旧只有 30 像素，模型照样难检。这种情况就得把图块缩到 320×320 甚至 224×224，让目标占图块的比例更高。

切块之后还有一个很容易忽略的点：图块的坐标记录。每生成一个图块，必须同时记录它相对于原图左上角的偏移量 (x, y)。推理完之后，模型输出的检测框要加上这个偏移量才能映射回原图坐标。如果代码里没有维护这个偏移量，所有图块的检测结果全部叠在原图左上角，排查起来非常隐蔽，因为单看图块上的检测框完全正常。

3. 把 WAND-PIC 跑起来：从环境到最小命令

3.1 环境准备：Python 3.9 加 OpenCV 就够用

WAND-PIC 的依赖很薄，我常用的环境是 Python 3.9 或 3.10，OpenCV 用 4.5 到 4.8 之间的版本，再配 NumPy。不推荐追最新的 OpenCV 版本，原因是 4.x 的findContoursAPI 返回值在不同小版本之间有过调整，有的版本返回两个值，有的返回三个值，脚本换环境就跑不起来。这类黑匣子问题在视觉预处理里特别多，锁定小版本比追新版本省心。

python -m venv wand_pic_env source wand_pic_env/bin/activate pip install "opencv-python>=4.5,<4.9" "numpy>=1.21,<2.0" matplotlib

这里matplotlib不是必需依赖，但我建议装上，调试的时候把中间结果画出来比盯着数组强得多。装完后跑一句python -c "import cv2; print(cv2.__version__)"，确认版本在预期范围内再继续。

3.2 最小实现：透视校正加 CLAHE 归一化

下面这段代码是 WAND-PIC 最核心的预处理函数，输入一张任意角度的图片，输出一张校正并且归一化好的标准图。为了便于阅读，我把它拆成两个函数：一个负责找四边形并做透视变换，一个负责 CLAHE 归一化。这算是这个方向最常见的起步方案，代码可以直接复制到自己的工程里改参数。

import cv2 import numpy as np def find_document_quad(image, area_min_ratio=0.05): """在图像中寻找最大的类矩形四边形区域""" gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 高斯模糊抑制噪声，Canny 对噪点敏感，先降噪再做边缘检测 blur = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blur, 50, 150) # 找轮廓，OpenCV 4.x 返回两个值，注意不是三个 contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 只保留面积大于原图一定比例的轮廓 h, w = gray.shape[:2] min_area = w * h * area_min_ratio quads = [] for cnt in contours: area = cv2.contourArea(cnt) if area < min_area: continue # 用多边形逼近把任意轮廓拟合成四边形 peri = cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, 0.02 * peri, True) # 轮廓被拟合成 4 个点才算候选四边形 if len(approx) == 4 and cv2.isContourConvex(approx): quads.append(approx) if not quads: return None # 透视变换需要四个有固定顺序的点：左上、右上、右下、左下 quad = max(quads, key=cv2.contourArea).reshape(-1, 2) rect = order_points(quad) return rect def order_points(pts): """把四边形的四个角点按左上、右上、右下、左下排序""" rect = np.zeros((4, 2), dtype=np.float32) s = pts.sum(axis=1) diff = np.diff(pts, axis=1).ravel() rect[0] = pts[np.argmin(s)] # 左上：x+y 最小 rect[1] = pts[np.argmin(diff)] # 右上：y-x 最小 rect[2] = pts[np.argmax(s)] # 右下：x+y 最大 rect[3] = pts[np.argmax(diff)] # 左下：y-x 最大 return rect def normalize_clahe(image, clip_limit=2.0, tile_grid_size=(8, 8)): """用 CLAHE 做光照归一化，输入输出都是 BGR""" gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) clahe = cv2.createCLAHE(clipLimit=clip_limit, tileGridSize=tile_grid_size) normed = clahe.apply(gray) return cv2.cvtColor(normed, cv2.COLOR_GRAY2BGR)

这段代码里，area_min_ratio=0.05表示候选四边形面积至少占原图面积的 5%，小于这个值的一般是桌面纹理或阴影边缘，不是目标外轮廓。Canny(50, 150)的高低阈值是经验值，适用室内光照和普通户外照片；如果图片本身对比度很低，高阈值可以降到 100。0.02 * peri是多边形逼近的容差，数值越大拟合出来的边数越少，对边缘毛刺多的图更友好，但设太大容易把矩形拟合成三角形。order_points的排序逻辑是标准做法，因为getPerspectiveTransform对点顺序敏感，四个点顺序错了，校正结果就是一张扭曲的图。

# 主调用流程 image = cv2.imread("sample_input.jpg") rect = find_document_quad(image) if rect is None: # 找不到四边形时，不强行校正，走灰度归一化兜底 result = normalize_clahe(image) else: dst_width, dst_height = 640, 640 dst_pts = np.array([[0, 0], [dst_width - 1, 0], [dst_width - 1, dst_height - 1], [0, dst_height - 1]], dtype=np.float32) matrix = cv2.getPerspectiveTransform(rect.astype(np.float32), dst_pts) warped = cv2.warpPerspective(image, matrix, (dst_width, dst_height)) result = normalize_clahe(warped) cv2.imwrite("sample_output.jpg", result)

这里dst_width, dst_height设为 640×640，是为了直接对上很多检测模型的输入尺寸。如果原始图像不是严格的透视图，而是简单的倾斜，那么校正后得到的长宽比会失真，后文 4.2 会讲到怎么用长宽比约束避免这种变形。主流程里 “找不到四边形就兜底” 的分支非常重要，它保证了管线不会因为某一张异常图直接崩溃，但也会让问题变得隐蔽，所以后面 4.4 节专门讲怎么通过日志发现兜底比例过高的问题。

3.3 图块切分与坐标记录：保证推理结果能拼回原图

图块切分的实现比上面更简单，但要考虑两个问题：重叠率和坐标偏移。下面的代码把一张校正后的图切成指定大小的块，每块重叠overlap像素，并把每块的偏移量一起返回。

def slice_into_patches(image, patch_size=640, overlap=64): """把图像切成带重叠的图块，返回图块列表和坐标偏移量""" h, w = image.shape[:2] step = patch_size - overlap # 实际滑动的步长 patches = [] locations = [] y = 0 while y < h: x = 0 while x < w: # 切到边缘时，把图块边界对齐到图像边缘 x_end = min(x + patch_size, w) y_end = min(y + patch_size, h) x_start = x_end - patch_size # 对齐到边缘后向左取满一个 patch y_start = y_end - patch_size if x_start < 0: x_start = 0 if y_start < 0: y_start = 0 patch = image[y_start:y_end, x_start:x_end] patches.append(patch) locations.append((x_start, y_start)) x += step if x_end >= w: break y += step if y_end >= h: break return patches, locations

注意边缘处理：当剩余宽度不足一个 patch 时，我用“把 patch 的右边界对齐到图像右边界，再向左取满宽度”的方式，而不是直接截一块小的。这样做是为了保证所有图块尺寸一致，模型推理时不需要处理动态输入尺寸。代价是边缘图块和相邻图块之间有更大的重叠，推理结果拼接时需要按坐标去重，这是 WAND-PIC 这类管线里标准的操作。overlap=64对于 640 的 patch 来说重叠率是 10%，一般检测场景建议至少 64 像素，如果目标尺寸偏大，可以提到 128。

拼回原图坐标时，只需要在检测框坐标上加上location对应的(x_start, y_start)，然后对重叠区域的重复框做 NMS 或置信度去重。这一步没有写完整代码，但坐标记录从切块阶段就维护好，后面拼接才不会黑匣子。如果切块函数被写成一次性把所有图块返回的普通函数，大批量场景下内存会吃紧，这一点在 5.5 节会给出改成生成器的做法。

4. 效果不行先别怪模型：三个必调参数和一个检查顺序

4.1 四边形面积阈值：设太小会捡到一堆噪声四边形

find_document_quad里的area_min_ratio是最容易被忽略的参数。默认值 0.05 是我的习惯初始值，但真实场景里，手机拍的工件照片，目标在画面中央时占比能到 30% 以上；而一张会议室白板照片里，白板的面积占比可能只有 10%。如果你把阈值设成 0.2，白板就会被过滤掉；设成 0.01，桌面的纹理和光影边缘会被误判成四边形。

这个参数的根本问题在于：找不到四边形时，WAND-PIC 会走灰度归一化兜底，不会报错，所以看起来很“安全”。但走了兜底路径的图，往往就是后面模型表现不稳定的那部分。我排查时会单独加一行日志，输出每次调用是否进入了透视校正分支，如果发现 30% 以上的图都在走兜底，基本可以判定面积阈值设高了。

调这个参数的技巧是，先拿 20 张不同来源的图，把area_min_ratio从 0.01 到 0.2 每隔 0.005 扫一遍，统计能正确检测出四边形的比例。这个比例在 0.05 附近往往会有一个明显的平台期，我的经验是取平台期的下限作为正式参数，宁可比最优值小一档，也不要大一档。因为多校一张噪声图，最多是校正结果不好看；少校一张真目标，整张图直接走兜底，损失更大。

4.2 图块重叠率：0.25、0.5 和 0.75 的实际差别

重叠率是 WAND-PIC 里性价比最高的参数，因为它直接影响检出率和推理耗时的平衡。我整理了一张对照表，方便在项目开始时选初始值。

重叠率设到 0.75 时，推理耗时几乎是 0.25 的三倍，因为每个图块都要过一遍模型。但如果你调完模型发现大量检测框刚好卡在图块边界上，比如框线贴着图块的左边缘甚至被截断，那就得先提高重叠率，而不是急着改模型的锚框参数。一个偷懒的判断方法是，把某一张明显的错检图在 debug 模式下调出来，如果目标正好位于某个切块边界附近，70% 的概率是重叠率不够。

这里有一个常见误用：重叠率并不是越高越好。高了之后，同一个目标在相邻图块里被重复检测出来，拼回原图时需要做 NMS，如果 NMS 的 IoU 阈值设得太紧，会出现同一个目标被保留成两个框的现象，这属于后处理问题，不该通过降低重叠率来掩盖。

4.3 CLAHE 的 clip_limit 与 tile_grid_size：暗光场景下最容易翻车

CLAHE 的参数直接决定归一化后的图像质感。clip_limit是对比度限制，默认 2.0。暗光图片上，clip_limit 太小（0.5），均衡效果不明显，图像依然一片黑；clip_limit 太大（5.0 以上），暗部噪声被过度放大，画面上全是颗粒。我的习惯是把暗光场景的初始值设在 3.0，普通场景设在 2.0。

tile_grid_size也值得花时间调整。它决定直方图均衡化在多大区域内做。默认 8×8 意味着把图分成 64 块，每块独立均衡。如果原图有强烈的光照梯度，比如左边亮右边暗，tile 太小会导致明暗过渡处出现明显的块状痕迹；tile 太大（比如 1×1）等于退化成全局直方图均衡化，失去自适应的意义。反过来，如果原图细节丰富、纹理密集，tile 设成 16×16 往往会让细节更突出，但代价是放大噪点。

检验 CLAHE 参数是否合理，不要只盯着人眼的观感，要看它给模型带来的分布变化。一个实用的方法：取同一张图在不同光照下的几张版本，分别用不同参数做归一化，然后统计输出图像的灰度均值与方差。如果不同光照版本在某个参数组合下的灰度均值差距能压缩到 10 个灰度级以内，这个参数组合就是有效的。我见过不少项目，人眼看起来“更清晰”的参数组合，在灰度分布统计上反而把不同光照下的图像拉得更远了，这就是越调模型效果越差的根源。

4.4 通用检查顺序：从原图到图块逐层看中间结果

参数调到最后，容易陷入“哪里都调了，但不知道问题出在哪一层”。我的检查顺序是固定的，从原始图往前推，一层一层排除。

第一步，把十几张有代表性的输入图直接画出来，看原始采集质量。如果原始图本身有运动模糊或过曝，后面所有的预处理都救不了，这种情况要先修采集端。第二步，看四边形检测结果，把find_document_quad找到的四个点和包围框画在原图上，确认校正的前提是否成立。第三步，看校正后的灰度图，检查是否存在过度拉伸或黑色边框。第四步，看图块切分后随机抽出的 9 张图，重点看边缘图块有没有异常的重叠、翻转或者边界黑边。这四步走完，90% 的预处理问题都能定位到具体环节，而不是在最终的模型指标上猜来猜去。

这个检查顺序的核心思路是，预处理管线要像调试代码一样，每一层都能独立验证。WAND-PIC 这类管线的麻烦在于，它不出错则已，一出错，图像看起来“好像还行”，但模型的输入分布已经悄悄变了。只有把每一层的输出都“看”一遍，才能避免把预处理的问题甩锅给模型。

5. WAND-PIC 避坑指南：六类翻车现场与排查方法

5.1 校正后图像整体偏绿或偏蓝

现象：透视图块和原图色调明显不一致，检测结果也出现大量误检。

原因：OpenCV 的图像通道顺序是 BGR，而保存或显示时用了 RGB 的顺序。在校正过程中如果调用cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)后不再转回 BGR，而直接作为灰度图写入，后续的颜色相关操作就会出错。另一个常见来源是 CLAHE 在 HSV 上做时，只对 V 通道处理完了忘了把 H 和 S 一起合并回去。

解决：在预处理函数的入口统一用cv2.COLOR_BGR2GRAY转灰度，在函数出口统一转回cv2.COLOR_GRAY2BGR；如果对 HSV 做 CLAHE，务必用cv2.merge((h, s, normed_v))完整合并三个通道。调试时再加上一句断言，检查输出图与输入图的通道数一致。

5.2 透视校正后目标被拉变形

现象：校正出来的目标长宽比不对，方形的工件变成了长方形，或反过来。

原因：warpPerspective的输出尺寸是根据自定义的dst_width和dst_height决定的，如果直接固定 640×640，而原始四边形的长宽比不是 1:1，目标必然被拉伸。这是把“四边形映射到矩形”时最常见的一类翻车。

解决：先根据四个角点的坐标计算原始四边形的宽和高，按同样的比例设置输出尺寸，再在必要时加 padding 到模型输入尺寸。常见做法是dst_w = int(max(rect[:, 0]) - min(rect[:, 0]))、dst_h = int(max(rect[:, 1]) - min(rect[:, 1]))，然后等比缩放到不超过 640 的范围内，多余区域用 0 填充。

5.3 图块正好把目标从中间切断

现象：模型输出的检测框有一大截被切掉，边界框贴着图块边缘，拼回去后目标重复或残缺。

原因：重叠率设置偏低，目标本身的尺寸又接近图块尺寸，目标在切块时横跨两个图块，而每个图块里只剩下半个目标，模型无法输出完整的检测框。

解决：把overlap从 64 提升到 128 甚至 192，并确认拼接阶段有 NMS。如果目标是长条形，还要检查切块时是否只按宽高方向移动步长，没有考虑目标的旋转角度。一个血泪经验是，重叠率调高之后，同一个目标会在多个图块里被检出，此时必须把 NMS 的 IoU 阈值从 0.5 提到 0.6 左右，既消除重复框，又不会把相邻的密集目标误删。

5.4 CLAHE 后背景噪点爆炸

现象：归一化后图像的暗部出现大量颗粒状噪点，模型误检率明显上升。

原因：clip_limit设置过高，或tile_grid_size太小。CLAHE 在小块上做对比度拉伸时，会把暗部噪声一起放大，尤其当图本身有压缩噪声或传感器噪声时。

解决：把clip_limit从 3.0 回退到 2.0，把tile_grid_size从 8×8 改到 16×16，看噪点是否明显减少。如果噪声还是压不住，在 CLAHE 之前加一层轻微的高斯模糊，比如cv2.GaussianBlur(gray, (3, 3), 0)，虽然损失一点细节，但比让模型学到噪声特征要好得多。不要一上来就把 CLAHE 去掉，那是把婴儿和洗澡水一起倒了。

5.5 大批量跑批时内存直接爆掉

现象：本地少量图片测试正常，一到几十 GB 的数据集上运行，进程被系统杀掉。

原因：切块函数把所有图块都保存在列表里，一张 3000×4000 的图切成 640×640、重叠 64 的图块，数量有几十个，每块又是完整的三通道数组，积累到几百张图就轻松吃掉几十 GB 内存。

解决：把切块改成生成器，每生成一个图块就立即推理，推理完丢弃，只保留检测结果和坐标偏移量。代码只需要把slice_into_patches的return改成yield，调用处用for patch, loc in slice_into_patches(...)循环处理，内存占用就能从 O(全部图块) 降到 O(批大小)。这是我最想让人一开始就避免的坑，因为等数据集大了再回来改，不得不重跑一遍全量数据，很被动。

5.6 训练和推理时的预处理结果不一致

现象：模型训练时指标看着不错，推理时换了一批图效果明显下滑，同一张图在训练脚本和推理脚本里预处理结果也不一样。

原因：训练时用了在线数据增强，比如随机亮度、随机旋转、随机裁剪，这些增强在 OpenCV 里每次执行结果不同；推理时如果沿用了同一个随机种子，或者 CLAHE 在不同分辨率上动态调整了 tile 大小，都会导致分布不一致。常见做法是训练时增强和推理时预处理分开走，但代码里经常因为共用同一个函数而混在一起。

解决：把 WAND-PIC 的预处理和训练增强拆成两个独立函数。预处理只用确定性参数，任何随机参数都放在增强函数里，并固定随机种子。另一个细节是记录参数版本，把clip_limit、tile_grid_size、overlap、area_min_ratio以 JSON 形式连同模型一起存档。没有版本记录的预处理参数，迟早会变成“我记得当时效果挺好，但改了什么我不记得”的后悔药状态。

6. 进阶：把 WAND-PIC 接进数据加载器，用坐标热图验证预处理效果

WAND-PIC 到这个阶段，已经完成了“图片进 → 图块出 → 推理 → 拼回原图坐标”的主流程。再往前一步，我建议把预处理从离线脚本挪进数据加载器里，变成在线管线。离线把全部图片提前处理保存，看似省事，但一旦参数调整，就要重跑全量数据，而在线管线可以让每次实验都使用当前参数，还能顺带做数据增强。我在训练框架的Dataset里实现的话，会在__getitem__中按顺序调用校正、归一化、切块三件事，并把坐标偏移量随图块一起返回，这样训练和推理的预处理路径完全一致，避免 5.6 里的不一致问题。

这个阶段最值得做的一个验证工作是坐标热图。把数据集中所有检测框的中心点按坐标映射回原图，画成二维热图，一眼就能看出预处理是否丢掉了某个区域的样本。我踩过的一次教训是，某次把所有图块的坐标映射回原图后，热图上显示某个角落几乎没有任何检测框中心点，排查了半天才发现是切块时边缘对齐的代码写反了，导致右下角的图块整体偏移，目标全部落在一小块重叠区域里。这个 bug 用热图 10 分钟就能定位，靠看单张输出图很难发现。

最后的习惯是，每次实验把预处理参数 hash 进输出目录名，例如run_clip2.0_tile16_ovl128。没有这个习惯，你迟早会面对“上次效果更好但我忘了参数是什么”的尴尬。WAND-PIC 作为一个预处理管线，它的收益不是模型结构带来的，而是输入分布稳定性带来的。把参数版本化、路径可复现、热图可验证这三件事做好，这套预处理才能真正变成你团队里可依赖的通用模块。希望帮到你。

本文还有配套的精品资源，点击获取