把一批 16 位采样的数据读进来做了点预处理（去直流、去背景这种减法操作），再写回原来的二进制文件给别的专业软件打开。读进来处理的时候一切正常，写回去打开一看，有的文件好好的，有的直接满屏噪点、糊成一团。同样的代码、同样的处理，结果天差地别，卡了好一阵。

根子是 16 位整数到底按有符号还是无符号解读，不是统一的，取决于文件格式。

同样 16 位，有的围绕 0 有的围绕 32768

这批数据两种格式：一种是无符号 16 位（unsigned），数据的载波零点在 32768，数值在 065535 之间抖；另一种是有符号 16 位（signed），围绕 0 抖，范围是 −3276832767。同样是两个字节 00 80，按无符号读是 32768，按有符号读（小端）是 −32768，完全是两码事。

读的时候按各自格式来，没问题。问题出在写回。

减法预处理之后有了负值

去直流、去背景这类操作本质是减法：估一个背景再从原数据里减掉。减完之后，数据就从「围绕 32768」或者「围绕 0」变成了「围绕 0」，而且必然出现负值（原来低于背景的地方）。

写回有符号格式（围绕 0）的那种文件，很直接——数据本来就围绕 0，减完还是围绕 0，按有符号 clamp 到 [−32768, 32767] 写进去就行，啥额外操作都不用加。

但写回无符号格式（围绕 32768）的那种文件就出事了：减法之后围绕 0、带负值，直接当无符号写回去，那些负值会被解释成 65536 附近的超大数，落在一个本该是中灰的位置上全是亮点，整张图就满屏噪点了。

写回无符号得先平移回它的基准

所以写回无符号格式之前，得先把数据从「围绕 0」平移回「围绕 32768」——加一个全图统一的直流基准（大概就是整图的均值，约等于 32768），把负值整体抬进 0~65535 的范围，再 clamp：

if target_unsigned:
    dc_base = int(round(data.mean()))     # 全图统一的基准，约 32768
    out = data + dc_base                   # 平移回无符号范围
    out = np.clip(out, 0, 65535).astype('<u2')
else:
    out = np.clip(data, -32768, 32767).astype('<i2')   # 有符号直接 clamp，不加基准

有个反着的坑得强调一下：写回有符号格式绝对不能也傻乎乎加个 +32768 的基准。因为数据本来围绕 0，加完 32768 之后落到 32768 附近，再被 (short) 强转，超过 32767 的部分直接溢回 −32768，数据当场写坏。也就是说 clamp 方式必须按目标格式二选一，不能图省事统一一套。

还有一个细节：那个直流基准必须是全图统一的一个值，不能用每一道各自的均值。用各道均值的话，等于把每道都单独拉回自己的 32768，结果是保留了各道之间的直流差——这恰恰是去直流、去背景想抹掉的东西，效果会差很远。这一条是走过弯路之后才纠正过来的：一开始图精确用了各道均值，结果处理完的图还不如不平移干净，换成全图统一直流基准才对。

说到底，这事的核心就一句：16 位数据的有符号、无符号不是读的时候定死就完了，写回的时候还得按目标格式再判一次。同样是「减完带负值」的中间结果，写回有符号和无符号要走的 clamp 路径完全不同，搞混了就是满屏噪点和数据写坏的区别。