88 张老照片的 4K 竖屏之旅：人脸安全区与像素级验收

1. 竖屏裁横图，人脸被"斩首"

老照片多是横向合影，裁成 9:16 竖屏再做推拉平移，极易把人脸切出画面。这事不能靠玄学居中——推拉过程中视窗不断移动缩放，固定中心点随时可能越界。

解法：用轻量模型 YuNet 抓取所有人脸，算出包围盒的 Union 框，裁切视窗每一帧都锁死在 [原图边界 ∩ 人脸框外扩安全区] 内。算不出合法区间时，宁可牺牲推拉幅度，也不切到下巴额头。

2. 手机照片的"玄学方向"

不同手机拍的 EXIF 旋转矩阵（Orientation）各不相同——它才是照片真实方向的唯一事实源。OpenCV 原生读取常把竖拍图读成横置。最省事的解法是改用 PIL 的 ImageOps.exif_transpose，在读取源头就把 90°、270° 翻转掰正，不用手写矩阵变换（顺带用 np.fromfile 两行绕开中文路径读取的坑）。

3. 4K 逐帧渲染的性能黑洞

4K 单帧 830 万像素，逐帧从原图做 Lanczos 重采样要 240ms，全片得跑大半个小时。

核心是"先降采样，再仿射变换"：先把原图缩到动效所需的最大底图，逐帧只对底图做 cv2.warpAffine 双线性插值。单帧降到 48ms；底图只比成片所需略大，双线性误差被摊薄到肉眼不可见。

我们没指望 AI 一键做好看，而是把它当成算力极强、但必须戴着镣铐跳舞的执行者：

• 代码考古，不从头手搓：旧管线 90% 组件可用，只补一个 EXIF/时间戳/mtime 三重时序拦截器和两行动效插值。最好的代码，是不用重写的代码。
• 几何代替审美：压轴全家福选哪张？AI 跑完候选池的几何判定给出量化结论：最新横屏自拍无法保证人脸完整推镜，最终敲定老影楼竖版合影。审美问题翻译成几何约束，输出才有确定性。
• 解耦后处理，不重编视频：音频对齐工具只处理音频流，最后 ffmpeg -c:v copy 无损缝合，几秒合成，画质零损失。

怎么确认几千帧没有崩在色彩矩阵或平移上？抽帧做逐像素比对：

# 抽检特定帧与内存帧进行像素级 absdiff
ffmpeg -ss 00:01:30 -i output.mp4 -vframes 1 test_frame.png

H.264（CRF 16）有损压缩与 YUV420p 色度抽样必然带来差异，追求 0 违反物理规律。验收标准定为像素差均值 < 3/255，用来卡死色彩矩阵错误——误把 BT.709 当 BT.601、全幅误压成限幅这类系统性偏差。最终抽检 2.097/255，收工。

别迷信 AI 能替你把控艺术感。AI 最舒服的姿势：人定义物理边界（人脸框、性能底线、色彩矩阵），AI 在盒子里填满无差错代码。把"帮我做高级点"翻译成"人脸安全区的空间交集"，事情才算做成。