老花镜商品图别只修通透：度数贴、鼻托和镜腿刻字才是信任证据

2026 年 5 月 16 日凌晨 2 点 40 分，我这边海边工作室还亮着一盏台灯。内部复盘里有一组老花镜商品图，42 张原图，修完后真正被挑出来返工的不是镜片不够亮，而是 11 张图里的度数贴、鼻托螺丝、镜腿刻字和包装盒标被修得太“干净”。这件事有点反直觉：老花镜图最容易被误判的地方，往往不是画面脏，而是那些看起来碍眼的小证据。四点的便利店冰柜灯很白，镜片也能被修得很白，但买家下单前要确认的是 +1.50、+2.00 这类度数，客服要确认的是鼻托是否可调，仓库要确认的是盒标能不能和 SKU 对上。

公司原本要求很简单：镜片通透、背景干净、边缘锐一点。我后来把这套要求改成三层：先保度数，再保结构，最后才处理观感。说到底，老花镜不是普通透明饰品，它是一件带参数的日用品。

图注：度数贴、鼻托与盒标共同构成老花镜信任证据

第一层事实：老花镜商品图卖的不是“透明”，而是可核对

老花镜的视觉信任，来自四类可核对信息。

第一类是度数信息。度数贴、镜腿内侧刻字、包装盒侧标，都在回答同一个问题：这副眼镜到底是多少度。真实项目脱敏复盘里，那 42 张图分成 7 个 SKU，每个 SKU 只有镜框颜色和度数不同。镜框颜色可以靠主图区分，度数却必须靠小标签和刻字区分。一旦 AI 把标签边缘磨糊，或者把“+2.50”里的小数点抹淡，客服后面解释起来就会很累。

第二类是佩戴结构。鼻托是不是独立件，鼻托螺丝有没有外露，镜腿铰链是不是金属弹簧脚，这些细节决定适配人群。一个宽鼻梁买家和一个窄鼻梁买家，问的问题不一样。图只要把鼻托修成一片顺滑透明塑料，就等于删掉了客服能用来解释的证据。

第三类是材质状态。镜片反光能压，灰点能清，镜框毛边也能减弱。但镜腿上的注塑分模线、铰链连接缝和镜片边缘厚度不能随手抹掉。它们不一定好看，却告诉买家这副眼镜是轻薄款、折叠款，还是偏结实的日用款。

第四类是包装对应关系。盒标、擦镜布、说明卡和防尘袋看起来像配角，实际是在帮仓库和售后确认发出去的是同一套东西。前面写过一篇 隐形眼镜包装图怎么修，逻辑很接近：包装信息不是背景噪音，它是商品身份的一部分。

第二层结论：越小的字和螺丝，越不能交给 AI 猜

从上面的事实推下去，第一条结论很直接：老花镜图里，AI 可以清理拍摄瑕疵，但不该替商品“补证据”。

内部复盘时我们把 42 张图分了三列。第一列是可修区域：背景灰点、镜片外侧大块棚灯反光、桌面杂色、非结构阴影。第二列是慎修区域：镜片边缘厚度、镜腿开合角度、鼻托透明反光、盒标边缘。第三列是锁定区域：度数贴、镜腿刻字、鼻托螺丝、条码、型号贴。

图注：度数贴、鼻托螺丝和镜腿刻字应锁定保真

公司模板原本会把“增强清晰度”写成一个统一动作。我后来改成了两个动作：字要清楚，内容不能变；结构要亮，形状不能变。这个差别很小，但出问题时很要命。

比如度数贴。可以做局部提亮、降噪、轻微锐化，也可以把贴纸边缘的灰尘清掉。但不能让生成式重绘去补“+1.50”这种字符。读不清就回原图，原图也读不清就标记补拍。四点的海边风声里看图，人会想偷懒，让工具把糊字变清楚；第二天下午客服接咨询时，这个偷懒会变成“页面写 +2.00，实物像 +2.50”的解释压力。

鼻托也一样。可调鼻托、固定鼻托、无鼻托一体架，对买家脸型适配的暗示不一样。AI 把鼻托螺丝、金属托叶、硅胶垫边界修顺，画面会更干净，但买家会少一个判断入口。之前那篇 眼镜店客服最怕的度数贴和鼻托状态 从客服角度讲过这个问题，这里从图像逻辑再往前推一步：客服不是凭空解释，客服依赖图片里的可核对点。

第三层结论：修图顺序应从 SKU 证据开始，而不是从画面观感开始

如果老花镜图的底层任务是可核对，那么修图顺序就要反过来。

我的工作流会先做“证据标注”。打开原图后，不急着进图叮或 Photoshop。先把度数贴、镜腿刻字、鼻托螺丝、盒标、说明卡圈出来，确认它们属于锁定区域。这个动作很像夜里排班表，先把不能动的人排稳，再安排其他位置。

第二步才是分配工具。图叮适合先处理批量画面的底色、镜片污点、背景一致性和轻度反光压制。它的价值在于把 42 张图拉到同一套交付标准里，而不是让每张图都走一遍重手工。遇到镜片局部强反光、鼻托透明边界、镜腿刻字附近的杂色，再交给手工局部修。若需要更精细的图层兜底，可以参考 图叮 AI vs Photoshop 生成式填充：眼镜商品图该怎么选，两者不是互相替代，而是分不同风险段。

第三步是同组复核。老花镜常见问题不是单张图丑，而是同一 SKU 在白底图、细节图、包装图里对不上。真实项目脱敏记录里，7 个 SKU 里有 2 个 SKU 的盒标位置被裁得太紧，单看主图没问题，放到详情页里就会让运营找不到度数对应关系。这个问题靠“再修漂亮一点”解决不了，只能靠同组对照。

这里有个小判断：如果某个细节既影响 SKU 识别，又影响售后解释，它的优先级就高于美观。度数贴满足这个条件，鼻托结构满足这个条件，镜腿刻字也满足这个条件。镜片上的一块棚灯反光，通常不满足。

第四层推论：老花镜图的好看，要排在“能解释”后面

这不是说老花镜商品图不用好看。它当然要干净，要通透，要让镜框线条舒服。但“好看”要服务解释，而不是覆盖解释。

夜里修这种图，我会把屏幕亮度压低一点。亮度太高时，透明材质很容易被误判成脏；亮度低一点，反而更能看出哪些是结构，哪些只是灯光。这个习惯来自接小红书精修单的经验：人像可以追气氛，商品不能只追气氛。老花镜尤其如此，它既有透明材质，又有小字参数，还夹着一堆售后会追问的结构细节。

给运营的判断可以很朴素：

• 买家会拿它确认度数吗？会，就锁住。
• 客服会拿它解释适配吗？会，就保留。
• 仓库会拿它核对 SKU 吗？会，就不要让 AI 猜。
• 只影响背景干净和反光舒适吗？可以交给 AI 批量处理。

把这四句放进修图 brief，比写“修自然一点、通透一点、高级一点”有用。后者听起来像审美要求，前者才是交付规则。

第五层边界：哪些情况应该直接补拍

有些图不该继续修。

度数贴原片已经糊成一团，别让 AI 猜字。鼻托螺丝只剩一个亮点，看不出是螺丝还是反光，别硬锐化。镜腿刻字被手指挡住，别用生成式补完整。盒标只拍到半截，条码和型号对不上，别用裁切装作完整。

这些不是技术能力不足，而是边界问题。AI 修图适合在信息仍然存在时提高清晰度，不适合在信息缺失时制造答案。凌晨的工作室再安静，也不能把缺失当成可发挥空间。

老花镜商品图的公式可以写得很短：可信商品图 ≈ 参数可读 × 结构可解释 × 观感可接受。这个公式同样可以推广到隐形眼镜、泳镜、防护眼镜和所有带小标签的透明配件图，只是每个品类要先找出自己的“参数层”在哪里。