GPT Image 2 出图有噪点：三类成因分别怎么救（有一类根本不用重生成）

一张 GPT Image 2 出来的图有颗粒，能走的路只有三条，走哪一条取决于颗粒是谁造成的。整件事分三段：第一段是分诊，用三个不到十分钟的动作，把颗粒归到模型暗部彩噪、链路均匀颗粒、导出压缩伪噪点里的一类；第二段是对症，前两类回到 prompt 和出图链路，第三类压根不用碰模型；第三段是交付前复核，把图放回真实交付尺寸、真实平台上再看一遍，因为有些颗粒是发出去之后才长出来的。跳过分诊直接冲进降噪滤镜，是我见过最常见的一种浪费——它有时候能盖住问题，代价是把质感一起抹平。

图注：同一底图同一区域，唯一的变量是颗粒的来源。

这篇里所有的判据都不依赖任何后台数字，你在自己那张图上就能全部复现一遍。真正硬的那条判据甚至写在国际标准里。

第1步：分诊——把颗粒归到三类里的哪一类

分诊只有三个动作：看分布、看形状、看来源。三个动作都不需要任何后台数据，你在自己那张图上就能跑完，跑完之后再决定要不要花钱重出一张。

先划一条界：颗粒不等于色彩漂移，也不等于色带断层（前者是随机杂点，后者是平滑过渡上出现的阶梯状边界）。这几类结构性翻车在 GPT Image 2 出图的 5 大常见问题 里拆开讲过，这篇只谈颗粒本身。

动作一，看分布。 把图放到 100% 视图（Photoshop 里 Ctrl+1，别用适应屏幕，缩放视图会把颗粒重新糊化一遍），眼睛扫一遍亮部和暗部。颗粒集中在暗部、亮部干净，指向第一类；亮暗均匀铺满整张，指向第二类；颗粒不挑亮暗、却成片贴在平滑渐变和大面积色块上，指向第三类。

动作二，看形状。 放大到 400%。模型噪点是随机散点，一颗一颗互不相干，往往还带颜色（红一点绿一点的杂色像素混在灰里）；压缩伪影是块状的——规整、成片、边界横平竖直，像一层贴在渐变上的马赛克。这一条是三类里判定成本最低、结论最硬的一条：看到规整的方块状色块边界，先怀疑压缩，不要先怀疑模型。

动作三，看来源。 弄清楚手里这份文件是从哪来的：是从 GPT Image 2 直接下载的原始文件，还是已经导出过一次 JPEG、发过一次微信、截过一次屏？这一步最容易被跳过，却经常一句话定案——一张从聊天窗口里另存下来的图，和原始下载件根本不是同一份数据。

先花五分钟给自己做一次标定。 随便拿一张你手上干净的暗调图，另存两份 JPEG：一份最高质量，一份把质量拉到 30。两份都放到 400%，对着同一块渐变区域看。方块结构只会出现在低质量那份上。这个对照做过一次，以后你在任何图上看到那个形态都能立刻认出来——它是本文唯一需要你亲手建立的直觉，也是最省钱的一个。

至于什么算不达标，别拿全尺寸视图当标准。把图缩到实际交付尺寸看（公众号头图就缩到它在手机上的实际宽度），在这个尺寸下一眼能看见的颗粒才是问题；要凑到屏幕前找半天才找到的，那不是交付问题。

第2步：第一类——高清档下暗部的彩色杂点

第一类的形态很好认：颗粒集中在暗部和阴影过渡区，亮部和受光面干净；而且它带颜色——红一点绿一点的杂色像素混在灰里，不是单纯的亮度噪声。深色背景是重灾区：纯黑底、深蓝底、夜景、黑金包装。

图注：提亮才验得出彩噪，压暗是骗自己。

怎么认。 把暗部提亮，不是压暗——Photoshop 里曝光度 +1，只提亮，看完撤回。很多人这一步做反了：把图调暗看，颗粒被藏进黑里，看着像好了。提亮为什么管用，是能讲清楚的：提亮相当于把这块区域的像素值整体拉开，本来只差一两级的杂色差异被同步放大，藏不住。

为什么偏偏是暗部。 模型内部怎么产生这层杂色，官方没有公开，任何斩钉截铁的解释都只能算猜。一种可能的解释是：暗部的像素值贴近地板，可用的取值空间被压得很窄，很小的偏差在这里占比很大；等你在 PS 里提亮、或者印刷把暗部铺开的时候，这些偏差就变成了肉眼可见的彩色杂点。这只是一种解释，不影响下面的改法——改法本身你可以自己出两张图对比着验。

怎么救（重生成）。 四条动作，每条都能自己 A/B：

• 把 film grain、analog、胶片、复古质感、颗粒感这类词从 prompt 里删干净。这些词是在明确要求模型加颗粒。同一句 prompt 加与不加各出一张，差别一眼能看出来。
• 加干净约束：画面整体干净无噪点，暗部色彩纯净，阴影区保留层次而不是压成死黑。
• 别写纯黑背景，给一个带 hex 值的深灰，比如 #1E1E1E。纯黑给不了模型任何层次参考，暗部整体贴着地板；深灰把暗部抬离地板一点，杂色的藏身空间小一些。
• 光源写具体：大面积柔光箱主光，避免硬光在暗部切出噪声状的碎影。

高清档还有一个附带效应：小尺寸下被低分辨率糊掉的东西，到了高清档会被同步放大一遍。这一类和其他几种高清专属翻车的排查顺序，高清出图 5 大常见翻车 那篇按形态排过。

什么时候停手。 同一句 prompt 重生成两次，颗粒还是出现在同一块区域、同一种形态，就别赌第三次了——那不像随机波动。转 Photoshop：Camera Raw 滤镜的减少杂色，配合蒙版只压背景和暗部，别全图降噪。皮革、织物、磨砂玻璃这些质感一旦被抹平，图立刻显得假，而它们往往正是客户掏钱看的那部分。什么时候该从重生成切到 PS 精修，GPT Image 2 接 PS 精修的工序 那篇讲的是同一条判断线。

第3步：第二类——整张均匀的粗颗粒，问题多半在链路上

第二类的形态：颗粒不挑亮部暗部，整张均匀铺着，而且比第一类粗——放到 400% 看，它是一团一团的，不是单像素的散点。它通常不是模型生成时就有的，而是出图之后、交到你手里之前，链路上某一步加进去的。

最常见的那一步是「先出小图再放大」。放大算法在补像素的时候，会把原图里本来看不见的细微噪声一起插值放大；而很多放大器默认还叠一层锐化，锐化提升的是局部对比，噪声的边缘也跟着被描粗了一圈。顺序一旦变成先放大再锐化，噪声就被焊死在图里，后面再怎么降噪都是在损坏的数据上猜。

顺便纠正一条流传很广的归因：步数不够、没算完，所以有颗粒。截至 2026-07，GPT Image 2 面向用户的界面里并没有采样步数这样的可调参数，这个归因在这个产品上找不到落点。如果你的直觉是从开源模型那边带过来的（Stable Diffusion 那一系有步数、有采样器，调低了确实会留下没收敛干净的画面），到这里要先放下——同样的画面症状，在不同产品上不一定是同一个原因。

怎么认。 两个可查的信号：一是追源文件的尺寸，如果眼前这张高清图能追到一个明显更小的爹，基本定案；二是看颗粒有没有方向性，放大器锐化出来的颗粒常常沿着物体边缘发亮，边缘外侧有一圈比周围更亮的粒子，模型自己生成的杂点没有这种沿边分布的规律。

怎么救。 回源头，直接出目标尺寸，别小图放大。要放大，就换不带锐化的放大方式，放大完之后再单独决定要不要锐化——这两步分开，你至少还留着回头路。

什么时候停手。 如果原始小图和工程文件都找不回来，手里只剩这张已经被放大加锐化过的图：降噪确实能把颗粒抹掉，但抹完剩下的是一张没有细节的糊图，那种糊在大图上一眼看得出来。这种情况重出比修划算。

第4步：第三类——压缩造成的伪噪点，模型是清白的

有一类颗粒根本不是模型产生的。图从 GPT Image 2 出来的时候是干净的，是在导出、上传、转发的路上被压出来的。这一类的解法最便宜：换个导出方式，一分钱都不用花，也不用重生成。

它为什么长成方块，是能查到规范的。 JPEG（ITU-T T.81 / ISO 10918）在编码时把图像切成 8×8 的像素块，每块单独做一次离散余弦变换（DCT），再按量化表丢掉高频系数。质量档给得低，等于量化步长变大、丢得多，块内的细节被抹成几个平坦的色阶；而相邻两块是各自独立算的，抹平之后边界对不上，硬边就露出来了。这个 8×8 分块方式写在标准里，不是某家实现的脾气，也不是我的推测——所以「块状 = 压缩」是三类噪点里唯一有公开规范撑腰的判据。

图注：块状只长在导出件上，模型是清白的。

但别把它讲得太绝对。 你在图上看到的方块，未必是一个个对齐得整整齐齐的 8 像素小格：

• 量化表不一样。不同软件、不同质量档用的表不同，块内被抹平的程度也不同：有的块还留着细节，有的块整块塌成一个色。
• 色度抽样会改变斑块的尺度。常见的 4:2:0 会先把色度通道缩掉一半再分块，所以彩色斑块的实际跨度往往比亮度上的块更大、更糊。
• 图像内容决定它露不露。平滑渐变和大面积暗部最容易露块；繁杂纹理会把块边界盖住，同一张图上有的地方看得见、有的地方看不见。
• 反复重编码会让格子走形。每转发一次就压一次，块边界会叠加、错位，看着就不那么正了。

所以判据落在形态上：规整、成片、边界横平竖直、集中出现在平滑区域。而不是拿放大镜去数它是不是正好 8 个像素。

三个典型来源：低质量档的 JPEG 导出；平台的二次转码（图发进微信、贴上公众号、传到小红书，平台会按自己的规则再处理一遍，本地那份干净，落地页上那份不一定）；拿屏幕截图当交付件（先经过一次显示端缩放，再存成 JPEG，颗粒和摩尔纹一起来）。

关于平台转码，还有一句流传很广的话是错的：提前把体积压到平台阈值以下，平台就没理由再压了。平台要不要转码，不是文件体积单独就能决定的——不少平台是按自己的规则统一处理一遍，跟你有没有先压过关系不大。而且这类规则会变，也基本不对外公开细节：我写这篇的时间是 2026 年 7 月，你读到的时候可能又不一样了。你真正能控的只有两件事——送进去的那份尽量干净（压缩是有损的，进去时已经带块，再处理一遍只会更烂），以及留一份母版不参与任何上传。

怎么认（三条都可判定，不用猜）：

1. 放到 400%，看形态是不是规整成片的方块。是，就去查导出环节。
2. 把原始下载件和导出件的同一块区域并排看。只有导出件上有颗粒，结论已经出来了。
3. 拿第 1 步那次高低质量的自我标定当参照，对着形态比一比。

怎么救（全程不碰模型）。 从源头重新导出：交印刷、交客户走无损（PNG / TIFF）；上网页用 WebP，质量别压得太狠；实在要 JPEG，也别用低质量档。转格式这件事一分钱都不用花——图叮的图片格式转换工具 直接在你自己浏览器里跑，图片不上传服务器，注册后免费、不限次数（它和站内那些 AI 功能是两条独立的线）。还有一条最要紧的：母版单独存一份，不参与任何平台上传。没有母版的图，任何降噪都是在已经损坏的数据上猜。

顺便划一条工具边界，免得力气花错地方：局部的脏点、划痕、多余的杂物，这类看得见的具体东西可以交给 AI 去瑕疵修图（这是 PS 插件里的 AI 功能，注册就送 50 张试用，订阅会员之后无限生成）；但整片弥漫的颗粒不归它管——它擅长的是把一个东西擦掉，不是把一层噪声重算一遍。

什么时候停手。 手里只剩被压过的那一份、原始文件已经找不回来，就别修了，重新导出或者重新出图。在压缩伪影上跑降噪，等于用一层模糊去盖一层马赛克，两层都留在图上。

第5步：交付前的终检清单

图发出去之前按这张单子过一遍，5 分钟以内能跑完。它拦的不是审美问题，是那种发出去之后才被人放大截图来问的问题。

• 在实际交付尺寸下看，不是在全尺寸下看。给公众号的图就缩到它在手机上的实际宽度再看，给印刷的按实际输出尺寸看。
• 100% 视图扫一遍暗部，把暗部提亮一档看（别调暗，调暗是在骗自己）。
• 400% 视图找规整成片的方块。找到了，回去查导出环节，不要碰模型。
• 导出前后的同一块区域并排对照一次。
• 母版单独存一份，不参与任何平台上传。
• 交付格式核一遍：印刷走无损，网页 WebP，社媒送高质量的那一版进去。
• 图要上线的话，在手机上打开真实链接再看一眼。

这几条里最容易被省掉的是并排对照那一条，可它的执行成本接近于零：两次点击，一次对照，直接判掉「要不要重生成」这个花钱的问题。

第6步：交付之后盯三个信号

图交出去，事情才开始。截至 2026-07，我在交付之后盯的是这三个信号——它们都不需要任何后台数据，你自己就能看到。

第一个是落地页上的那份图，不是本地那份。在手机上打开真实链接，双指放大，看暗部有没有块状色斑。平台的二次转码只有在这里才现原形，在你的大屏幕上、在本地文件上，永远看不出来。

第二个是对方拿什么截图来找你。如果客户发来的所谓噪点证据本身就是一张被聊天软件压过的截图，那问题可能压根不在你那张图上。把 400% 的并排对照发给他，比你解释十句管用。

第三个是你自己的第一反应。遇到颗粒，手先伸向降噪滤镜，还是先放大到 400% 看形状？这个反应改不过来，前面五步就没真正进流程——降噪是最后一招，不是第一招。