瓷砖样品商品图 AI 修图返检：釉面反光、色号和边角崩瓷别修错

为什么同一片瓷砖，AI 修完以后背景更干净，买家反而更难判断材质？问题不在“修得不够美”。问题在于瓷砖样品图的核心信息不是氛围，而是釉面、色号、边角和批次证据。把这些证据磨平，图会更顺，交付会更危险。

来源：本次只读索引显示，2026 年 5 月 5 日本地博客 frontmatter 有 587 篇，近 30 天素材账本读到 219 个条目；建材相关内容已有玻璃胶管等少量题材，但没有单独覆盖瓷砖样品。团队实际经验里，瓷砖图常被当成普通产品精修处理，结果最容易漂的是反光和边角。

图注：瓷砖样品先保材质证据，再谈画面干净。

底层事实：瓷砖图不是一张平面色块

瓷砖样品至少有 4 层信息：表面的釉面反光，侧边的厚度和胚体颜色，背面的纹理或箭头标记，包装或样品卡上的色号批次。它们分散在画面不同角落，不一定都好看，但都在回答购买前的问题。

AI 修图喜欢把不规则区域拉顺。灰尘会被清掉，脏边会被补齐，局部高光会被压平。对普通白底小商品，这可能是效率；对瓷砖样品，这会把“真实材质差异”误判成“瑕疵”。

内部复盘里有一个稳定规则：瓷砖样品图先看证据密度，再看美观。证据密度包括色号是否还在、釉面是否还能看出亮面或哑光、边角是否保留真实倒角、崩瓷是否被如实呈现。这里不需要编客户故事。只要把图放到详情页首屏、规格图和手机端预览里看一遍，问题会自己露出来。

如果使用 Photoshop 25.4、图叮 GPT-image-2.0 或其他局部修补工具，prompt 不要只写 clean product photo。更稳的是把保护区写清楚：preserve glaze reflection, color code label, batch number area, chipped corner and tile thickness; clean only dust, table stains and background noise。

从事实推出结论一：釉面反光不能被磨成均匀白光

釉面反光是瓷砖材质的证据。亮光砖、柔光砖、哑光砖，差异往往不靠文字说明，而靠高光边缘、反射软硬和表面微纹理。AI 如果把反光磨成一整片白，会让亮面更像廉价塑料，也会让哑光砖失去细砂感。

返检时不要只看大图。把釉面区域放大到 200%，看 3 件事：高光边缘是否还跟原图一致，纹理方向有没有被重绘，拼接处有没有多出不存在的波纹。这个动作不复杂。它只是把“好看”拆成可检查项。

图注：反光、色号和崩边都属于商品证据。

举个明确假设场景，不计入上面的索引统计：一张 1200px 宽的地砖样品图，原图左上角有一条斜向窗光，右下角有轻微崩边。修图师为了统一画面，把窗光压成均匀白斑，又把崩边补平。图变干净了，但买家失去了两类判断：一类是釉面反射，一类是样品边缘状态。

结论很直接：反光可以收，不能改；崩边可以标注，不能假装不存在。若卖点是“无瑕样品”，应由实拍或质检确认支撑，不该由 AI 补出来。

从结论一推出结论二：色号和批次信息比背景更优先

瓷砖复购、补货和工程配套都依赖色号。色号、批次、型号、尺寸标识不一定出现在主视觉中心，但它们的优先级高于背景干净度。AI 把桌面修白、把包装角修平，都不能以损伤这些信息为代价。

来源：本次 use-case-tag-map 只读检查显示，“建材”已登记到 building-materials，“AI修图”“产品精修”“功能教程”也属于既有标签体系。也就是说，这篇不需要新增标签；真正要新增的是返检动作：色号区域先锁定，再清背景。

执行上可以用三步：第一，先把色号、批次、尺寸标识圈成保护区；第二，修背景和台面；第三，回看保护区边缘有没有被糊掉。不要让 AI 生成可读文字。看不清就回源文件或补拍，不要让模型猜一个像真的编号。

这里的代价是画面可能没那么“无痕”。有时标签边缘会保留一点纸张纹理，边角会保留一点阴影。这个代价值得付。瓷砖不是情绪海报，详情页里最贵的错误，是买家按错误色号下单。

实战推论：交付前按四个区域放大返检

把返检拆成四个区域，效率会高很多。

第一块看釉面。保留真实高光、微纹理和镜面边界。第二块看色号批次。文字不让 AI 猜，边缘不要被涂抹。第三块看边角。倒角、崩瓷、缺口和厚度侧边都要和原图对得上。第四块看铺贴预览。如果 AI 做了场景扩图，瓷砖比例、缝隙宽度和透视方向不能漂。

图注：四区返检能接住大多数瓷砖图漂移。

团队实际经验会把这四块写成一个很短的验收单：glaze、code、edge、layout。每张图只要给四个状态：ready、needs-human-check、blocked、not-applicable。比如只有白底样品图，就把 layout 标成 not-applicable；如果色号被糊掉，就直接 blocked；如果崩边看不清，进入 needs-human-check。

这个做法适合内容 worker 和图片 worker 分工。内容侧只定义检查点，图片 worker 后续按 image_plan 生成配图，人工审核再按同一张表看。不要让每个环节重新解释“这张瓷砖图到底要保什么”。

边界条件：这套方法不替代实物验货

这套返检只管商品图，不替代建材实物验货。色差、吸水率、防滑等级、耐磨等级，最终仍要看品牌资料、检测报告或线下样品。文章里的规则只解决一个更窄的问题：AI 修图之后，图片有没有改掉本来存在的商品证据。

公式可以压成一句：瓷砖样品图可信度 ≈ 釉面证据 × 色号完整度 × 边角真实性 × 铺贴比例稳定性。任一项被 AI 重写，背景再干净也不该放行。