3C产品图最容易翻车的不是反光，而是把材质修成塑料

去年底有个做蓝牙音箱的客户跟我们复盘了一件事。他们花两周时间精修了一组新品图——铝合金外壳、钢化玻璃顶板、硅胶底座，每个角度都拍了，每张图都修了。上架第一周，点击率比老款低了 15%。

他们一开始怀疑是定价问题、是主图构图问题、是关键词问题。折腾了三周换了四版主图之后，一个做了八年电商摄影的朋友看了一眼说：“你这个铝合金看起来像喷漆塑料。”

问题不在图片不够干净，而在修图把三种不同材质修成了同一种质感。

一次新品上架为什么把”高级感”修没了

这款音箱的卖点是铝合金一体成型机身。铝合金在光线下应该有细腻的金属拉丝纹理和柔和的环境映射——你能在金属表面隐约看到周围环境的倒影，这就是”金属感”的来源。

但精修时为了”干净”，修图师把金属表面的所有细微反射都抹掉了，拉丝纹理也被磨平了。处理后的铝合金表面变成了均匀的哑光灰色——这种质感和 ABS 塑料喷涂银漆几乎没区别。

钢化玻璃顶板也是同样的问题。玻璃材质的标志性特征是通透感和边缘的折射光晕。精修把边缘光晕去掉后，玻璃看起来就像贴了一层亚克力面板。

一款售价 899 元的铝合金音箱，图片看起来像 99 元的塑料音箱。用户不会研究”这个图是不是修过头了”，用户只会觉得”这个产品看起来很廉价”然后划走。

金属、玻璃、塑料为什么不能用同一套修图逻辑

根本原因是这三种材质对光线的响应方式完全不同：

金属：反射率高，表面会映射出周围环境的模糊影像（环境映射）。拉丝金属还有方向性的细微纹理。去掉环境映射和纹理，金属就失去了”金属感”。

玻璃：透光，边缘因折射产生光晕和色散。表面有低调的镜面反射（比金属弱很多）。去掉折射光晕和通透感，玻璃变成不透明的塑料板。

塑料：反射率低，表面光泽均匀、缺乏环境映射细节。高端塑料有类肤质涂层的微妙纹理，低端塑料则是纯粹的光滑。

当你用同一套”去反光、磨平、统一光泽”的流程处理这三种材质，结果就是金属和玻璃都被拉低到塑料的质感水平。这不是修得不够好，而是修的方向错了。

哪些反光该保留，哪些反光必须处理

3C 产品的反光处理是一个判断题，不是是非题。

通常应保留的反光：

• 金属表面的环境映射（体现材质等级的关键信息）
• 玻璃边缘的折射高光（证明这是玻璃而不是亚克力）
• 按钮和旋钮上的光泽渐变（体现曲面形态）
• 产品整体的主光源高光（定义产品三维形态）

应该去除的反光：

• 摄影棚灯具、三脚架等设备的镜面倒影
• 拍摄者自己的身影
• 桌面或背景的杂散反射（让产品轮廓不清）
• 多光源造成的矛盾阴影（让产品看起来形状怪异）

判断标准就一条：这个反光是在告诉用户”这个产品是什么材质”，还是在告诉用户”这张图在哪里拍的”。前者保留，后者去掉。

AI 修图在家电 3C 里的边界

AI 修图在 3C 品类的效率提升是实在的：抠图、白底标准化、背景替换、批量色彩校正——这些环节用图叮AI处理可以大幅提速。电商批量出图流水线里有详细的效率对比数据。

但材质精修这个环节，AI 目前更适合做初步处理，最终验收需要人介入。原因很简单：AI 的优化目标倾向于”让图片看起来更干净”，而 3C 产品的材质表现恰恰需要保留”不那么干净”的真实光学特征。为什么 AI 修图容易出现塑料感里分析的核心机制——AI 倾向于抹平细节——在金属和玻璃材质上表现得更明显。

实际操作中的建议是：用 AI 做基础处理（抠图、去杂散反光、调色），然后人工检查关键材质区域的质感是否被损伤。如果发现金属拉丝纹理变模糊或玻璃通透感下降，用局部重绘针对性地恢复。

上线前怎么判断这张图会不会显廉价

一个简单的验证方法：把精修完的图和竞品对比。

如果竞品是同价位的金属产品，把两张图放在一起看——你的图里金属表面是否有环境映射？是否能感受到材质的重量感和冰冷感？如果竞品的金属看起来像金属，你的看起来像喷漆塑料，问题就很清楚了。

另一个方法是”缩略图测试”。把图片缩小到 200×200 像素——电商列表里的实际展示大小。在这个尺寸下，材质质感是通过光泽和明暗对比传递的，不是通过细节。如果缩略图里你的产品看起来和旁边 99 元的塑料产品没区别，说明材质信息在精修过程中丢失了。

3C 产品图的终极目标不是”修得干净”，而是”让用户隔着屏幕感受到材质”。铝合金就要像铝合金，玻璃就要像玻璃，塑料就该老老实实像塑料——每种材质都值得被准确展示。

图叮AI 的家电3C方案在精修流程中加入了材质识别逻辑，分别处理不同材质区域，减少”一刀切”导致的质感损失。