先把当时的情况摆出来。用 canny 提取线稿，边缘碎成一堆噪点，出图细节混乱，画面里出现大量细小的纹理。
原因不止一个，得分开看。低阈值过低，把噪声也当成边缘。还有一种是原图分辨率高，边缘密度过大。
另外，没有做模糊预处理，纹理被强化。少数情况下是控制权重过高，模型被边缘牵着走。
提高低阈值过滤噪点
python -c "import cv2;print(cv2.Canny(img, 100, 200).mean())"做一次高斯模糊再提边缘
python -c "import cv2;img=cv2.GaussianBlur(img,(5,5),0);print(img.shape)"降低控制权重给模型留出发挥空间
image = pipe(prompt, controlnet_conditioning_scale=0.7).images[0]保存边缘图对比不同参数
python -c "import cv2;cv2.imwrite('edge.png', e)"报错是间歇性的，我蹲守了半小时才抓到一次完整现场。
白天有业务在跑，能验证的部分都压到了晚上做。
别只看报错消失，验证要多做一步。边缘图干净连贯，出图保留了主要结构又不会满屏碎纹理，整体质感提升。
阈值不是固定值，线稿和实拍图的合适区间差别很大，最好一次生成三四组参数对比着挑。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。