我用 WorkBuddy 量出了参考表的「缝」：为什么四格宽是 476 / 554 / 556 / 462

一张 2048×1024 的角色参考表整版，四格横排。

如果按等分切，每格正好 512。可我把切出来的分图翻出来一看——文件名上的宽度是 476 / 554 / 556 / 462。

四个数，一个都不等于 512，最大差 50px。

我第一次看到的时候以为是模型随机性。后来才想明白：这不是等分切的，是"量着缝"切的。整版是模型一次生成的，人物站在哪儿、留多少空，模型自己说了算；你只能先量出画面里人与人的空隙在哪，再沿着空隙下刀。

而"怎么量"这件事，我前后翻过两次车。这篇把两次翻车和最后跑通的算法都摊开讲。

一、先看看"想当然"会切出什么

最直觉的做法当然是四等分。我把等分线画到整版上，和实际用的裁切线并排——

等分线与实测缝位叠加在同一张整版上

红虚线是等分点（512 / 1024 / 1536），绿实线是实际下刀的位置（476 / 1030 / 1586）。

看清了：红虚线直接压在脸上，绿线落在两张脸之间的空隙里。第三处差得最狠——50px，在 2048 宽的图上看着不多，但那一刀落在脸颊边缘，切出来的分图就会缺一块下巴。

一处的偏差不算事，问题是我把这八张整版全量了一遍：

八张整版的实测缝位与等分点的偏移量

八张里只有一张是能等分的（角色 D 的身体图）。其余七张的最大偏移是 −80 和 +81——在 1536 宽的身体图上，等于把五分之一格宽整个挪走。

结论：等分切法在这类整版上不可用。

二、第二次翻车：我按「纯白背景」判缝，全图零命中

既然不能等分，那就找缝。缝是什么？是两格之间的背景。

那么，"背景"怎么认？我第一反应是——背景当然是白的，三通道都大于 245 就算背景。

这个假设错得离谱。

八张整版背景真实底色与 245 阈值线的对照

我把八张整版的实际底色采出来：最亮通道只有 110 ~ 190。

• 角色 A 头：RGB(127, 126, 129)
• 角色 B 头：RGB(110, 112, 125)
• 角色 C 身：RGB(165, 168, 169)
• 角色 A 身：RGB(190, 175, 186) ← 最亮的一张，也是粉调的

全部落在 245 以下。 按 >245 判背景，这些底色会被整体判成"前景"，一列干净缝都找不出来。

原因很朴素：这些整版根本不是纯白底，而是浅灰蓝 / 浅灰粉的影棚渐变底，底下还压着一层投影。我拿一次"想当然"去假定生成底的颜色，直接被自己的采样打脸。

纪律：不要对生成的底色做任何先验假设。要判背景，一律"就地采样"。

三、正解：逐行自适应背景的「前景密度法」

正确的做法是：不定义"背景是什么颜色"，而是"每行各自取一个背景基色，再比差"。

整版是纵向渐变的，所以基色必须逐行取——全局取一个色，会把整片渐变背景误判成前景。

一个反直觉的点：我从每行最右侧 20 列取中位色当作该行的背景基色。为什么是最右边？因为四格横排时，第 4 格的右侧一定是纯背景区。这一招对头图、身体图都成立。

import numpy as np
from PIL import Image

BG_TOL  = 22      # 与逐行背景基色的最大通道差，超过算前景
SMOOTH  = 9       # 列密度的平滑窗

def density(path):
    a = np.asarray(Image.open(path).convert("RGB")).astype(np.float32)
    h, w, _ = a.shape

    bg   = np.median(a[:, w - 20:, :], axis=1)        # (h,3) 每行的背景基色
    diff = np.abs(a - bg[:, None, :]).max(axis=2)     # 每像素与所在行基色的最大通道差
    fg   = (diff > BG_TOL)                            # 前景掩码

    y0, y1 = int(h * 0.06), int(h * 0.96)             # 掐掉顶部 6% 与底部 4%
    cnt = fg[y0:y1, :].sum(axis=0).astype(np.float32) # 每列的前景像素数
    sm  = np.convolve(cnt, np.ones(SMOOTH) / SMOOTH, mode="same")
    return sm, w, h

四个参数，每一个都有来历：

四、怎么读结果：峰是人，谷是缝

把每列前景像素数画成曲线，答案就自己浮出来了：

整版每列前景密度曲线：四个峰是四个视图，三个谷是缝

四个峰 = 四个视图，三个谷 = 三处缝。

红虚线是等分点，绿实线是谷底。可以看到绿线每次都精准落在谷的最深处——而且，谷底就是实际裁切边。角色 A 头图自动量出的 476 / 1030 / 1586，跟文件名里那三个数一分不差。

这就是开头那个问题的答案：那些宽度不是随手定的，是量出来的。

谷底值多少算"干净"？

这里有个我踩过的坑："干净"的标准不能一概而论。

八张整版的谷底残留值：头图与身体图的分层

同一条"残留 ≤ 20 即干净背景"的标准：

• 身体图里成立了两次：角色 B（24 / 31 / 16）、角色 D（0 / 0 / 0）——背景干净得像真空
• 身体图里崩了两次：角色 A（392 / 473 / 744）、角色 C（669 / 559 / 701）——裙摆和纱边飘起来，跟隔壁粘连了
• 四张头图全部远高于 20（178 ~ 564）

头图为什么天然脏？因为头像是占满整格高度的，两张脸之间那道"缝"里，上半段是头发、下半段还是头发，根本不是干净背景。

所以判据要分两套：

关键认知：「谷底残留高」不等于「切错了」。 头图谷底残留 534 / 564 / 542，看着很脏——但那三个位置恰恰就是正确的裁切边。判据的意义是"要不要人工复核"，不是"对不对"。

五、三档工具：scan / probe / cut

把这套算法封成三个模式，按需调用：

# 1) scan：量化边界，自动报三处缝的谷底 x 坐标（先跑这个）
set CS_CROP_SRC=<整版图绝对路径>
python crop_sheet.py scan
# → 直接可用的输出：  CS_X=476,1030,1586

# 2) probe：在整版上盖坐标网格，出标尺图供人工目视（scan 有歧义时用）
python crop_sheet.py probe

# 3) cut：按 CS_X 给出的三条缝切开 4 段
python crop_sheet.py cut  CS_X=476,1030,1586

cut 只做一件事：纯裁切，不重绘、不缩放。这是"零漂移"的前提——一旦在裁切这步引入缩放或重绘，四格的脸就不再是同一张脸了。

切出来的分图，文件名直接带上裁切尺寸：

P1_正面_476x1024.png
P2_四分之三侧_554x1024.png
P3_九十度侧面_556x1024.png
P4_背面_462x1024.png

文件名自带尺寸，本身就是"这是量出来的"的存档证据——哪天有人问"为什么不是 512"，翻文件名就行。

六、自动量的可信度

自动跑的结果能不能直接信？我用一套手工量过的整版对过账：

相差 1 ~ 2px。

所以结论是：scan 的结果可以直接采信，不必再手工量一遍。只有在两种情况下才需要动 probe 目视复核：

1. scan 报"找到的缝不是 3 处"（比如只找到 2 处）
2. 有段宽异常（任何一段 < 100px）

七、两个必须单独说的特例

特例一：头图不能用同一套「找缝」逻辑

头图是四格横排，谷底天然不干净（上一节讲过，残留 300~560）。如果判定逻辑里带一条"深度必须低于峰值 35%"的门槛，头图会全军覆没——所有候选谷底都因为不够深而被滤掉，scan 直接报"只找到 0 处缝"。

我实测就撞上了：用带深度门槛的版本跑头图，八张里有三张返回空。

头图的正确做法是换一把刀——十字刀：

• 竖缝只在 w/2 ± 130px 内找
• 横缝只在 h/2 ± 130px 内找
• 切十字，得四象限

田字格布局下只需找两条线，比四格横排的"三处缝"简单得多，而且不受"谷底不够深"的干扰，因为我们不再要求谷底干净，只要求在给定窗口里取最小。

特例二：「脚被切」不是画幅的锅

身体图曾经反复出现"脚被切掉"。我一度以为是画幅太宽导致的固有边界。实测下来，元凶是人物被画得太大。

几何账很简单：全身入镜时人物高约 950px，身高 : 身宽 ≈ 4 : 1，所以人物宽必须压在 380 ~ 400px 以内。

• 画幅取 1536×1024 → 每格 384 → 正好在安全区
• 画幅取 2048×1024 → 每格 512 → 超标 30% → 脚必然出画

而人物为什么会被画大？因为提示词里写了"四格并排铺满整幅画面"。

"铺满"这个词是在鼓励模型填满画格，人物一放大，高度必然溢出。改掉它，换成：

每格四周留出大面积纯色背景、从头顶到脚底完整入镜、双脚与鞋清晰可见

出完还得验：用垂直前景密度判触底——最底行仍是前景 = 脚被切，别只靠肉眼。

八、裁完必做：隔离检查

切开不等于切对。四张分图出来以后，有一道不能省的工序：

1. 逐张读图，不是抽检。 重点看每张的左右边缘有没有带进隔壁的人。
2. 边缘若有可疑的淡竖条，放大原图该处核实再决定动不动刀：

z = im.crop((x0, y0, x1, y1)).resize(((x1 - x0) * 3, y1 - y0), Image.LANCZOS)

实测放大后多数是绒边 / 纱边 / 手臂外缘——正常现象，不是残留。只有真看清了再改坐标。

1. 改坐标后，重裁前先删旧分图，否则新旧混在一个目录里，你分不清哪张是新的。
2. 边界取舍原则一句话：宁可切掉自己这侧的衣角，也绝不带进隔壁视图的人。

优先级永远是"人物完整" > "画面留白"。纱尖、袖角出画，视觉上是自然出画；带进隔壁半张脸，那是事故。

九、整条链长什么样

• 整版出图：一次生成，四格横排（头图 2048×1024 / 身体图 1536×1536）
• 量缝：scan 报出三处谷底 x 坐标
• 裁切：cut 纯裁切，不重绘不缩放 → 四张分图，文件名带实测宽度
• 超分：纯超分 2x，不重绘
• 归档：整版 / 分图 / 超分三态分目录

整版 → 四张分图 → 纯超分 2x

到这一步，四张分图的宽度各不相同（476 / 554 / 556 / 462），但它们来自同一张图、同一次生成、零重绘——所以四格脸的是一致的。宽度不同恰恰不是缺陷，是"沿着真实空隙下刀"的结果。

而这条链上的每一步——调 ComfyUI 出整版、跑量缝脚本、批量裁切、检查脚有没有被切、归档三态目录——都是我在 WorkBuddy 里用自然语言驱动完成的。脚本是本机跑的，图片是本机生成的，整条链零云端调用、零积分。

十、踩坑速查表

写在最后

这篇的起点只是一个很具体的问题：为什么四格的宽度是 476 / 554 / 556 / 462，而不是 512？

答案朴素到有点无聊——因为这四个格子是模型自己排的，缝在哪只有量了才知道。但把这件事做对，我翻了两次车：一次想当然地等分，一次想当然地判白。

两条纪律值得带走：

1. 不要对生成的画面做任何先验假设。 底色不是白的，缝不在中线上，人物不在格子中央。
2. 判据要分清适用域。 "谷底残留 ≤ 20 算干净"在身体图上成立，在头图上就是错的——拿错判据，你会把正确的裁切当成错误的。

剩下的就交给数字。截图和曲线的每一处标注，都能在脚本里复现。