AI线稿二值化阈值：让矢量图通过Adobe QC

批量上传的40个AI线稿矢量图被Adobe Stock以同一条理由打回：「技术质量问题，可见噪点或伪影」。屏幕上看着没问题，放大到400%才暴露——描摹出的线条由无数小岛和斑点构成。这次拒稿换来一周返工，也逼我把二值化这一步彻底系统化。

为什么阈值比描摹更关键

如果你靠出售AI生成的线稿矢量图获利，典型流水线是：生成栅格图→二值化为纯黑白→描摹成路径→导出。描摹这一步是诚实的：你给它什么，它就画什么。二值化图像边缘若残留杂散像素，描摹会将其变成微小的路径碎片。Adobe的QC审查员会放大检查，其自动检测也会标记路径碎片过多的文件。Vecteezy的审核稍宽容，但杂乱的描摹同样会被拒；Dreamstime在其15列元数据表中也要求干净的可编辑矢量。

修复点在更上游——把位图弄干净，描摹自然没问题。

二值化是将灰度或彩色图像转换为只有黑白两个像素值的图像的过程，像素值通常为0（纯黑）和255（纯白）。在AI线稿的场景中，二值化决定了哪些像素被视为线条、哪些被视为背景。如果阈值选择不当，抗锯齿产生的浅灰色边缘像素会被归入线条或背景，从而在描摹时生成大量微小的路径碎片。理解二值化的本质有助于明白：描摹工具只是忠实地将黑白像素边界转换为矢量路径，因此位图阶段的任何噪声都会被放大为矢量中的瑕疵。

选一个阈值，别信默认值

大多数描摹工具在输入灰度或彩色图像时会自动应用阈值。这个默认值是为照片调校的，不是为AI线稿。AI生成器会产生抗锯齿边缘和线条周围的浅灰色晕影。一个中间范围的阈值会把晕影变成密密麻麻的小斑点。

经过数百个素材测试，对我有效的做法是：

• 先转灰度，观察直方图。AI线稿几乎总是双峰的——一个峰靠近白色，一个靠近黑色。
• 将阈值设在两峰之间的谷底。我的生成器输出大约落在0-255刻度的140到160之间。你的会不同，要观察，不要猜。
• 如果线条断裂，降低阈值；如果晕影变成毛边，提高阈值。每批做一次目视检查，胜过50次被拒上传。

对于要做贴纸或印刷的素材，我会把二值化做得比感觉上更狠：纯0和纯255，中间不要任何灰阶。切割机和打印机不在乎你的灰色。

描摹之前先清理位图

两个操作，按顺序执行，能消除大部分拒稿：

1. 去斑（Despeckle）：移除像素数低于阈值的连通分量。在1000px画布上我用约8像素作为门槛。比这更小的几乎总是噪点，不是细节。
2. 闭合小间隙：AI艺术有时会在笔画上留下极细的断裂。1到2像素的形态学闭运算就能修复，不会明显加粗线条。

这两步在我的脚本里用Pillow加一点不依赖numpy的逻辑实现，在1 vCPU、2 GB内存的服务器上每张图耗时不到一秒。我一次处理一个文件，每处理完一个调用gc.collect()，并用resource.getrusage(RUSAGE_SELF).ru_maxrss测量峰值内存，而不是凭感觉。这个习惯来自一次并行批处理把小机器拖入交换的教训。

连通分量是指图像中相互连接的同值像素组成的区域。在二值化后的线稿中，每个独立的线条或斑点都是一个连通分量。去斑（Despeckle） 操作通过计算每个连通分量的像素数量，将小于设定阈值的分量视为噪声并移除。这一操作的关键在于阈值的选择：太小会残留噪点，太大会丢失细节。作者在1000px画布上使用约8像素作为门槛，这是一个值得参考的起点，但实际值应根据画布尺寸和线条粗细调整。

形态学闭运算是一种图像处理操作，由先膨胀后腐蚀组成，用于填充小孔和闭合细小的断裂。在AI线稿中，笔画偶尔会出现1-2像素的断裂，闭运算可以在不明显改变线条粗细的前提下修复这些间隙，避免描摹时产生断开的路径。

用低成本方式验证描摹结果

你不需要在Illustrator里打开每个SVG。把矢量按相同尺寸渲染回栅格图，再与二值化源图做差异对比。如果像素差异小，且渲染图中没有微小的孤立区域，描摹就是干净的。批处理期间我用60 dpi预览检查，只在最终输出时全分辨率渲染，让小服务器保持轻松。

还要数路径数量。如果同一批中某个素材的路径数是其他素材的十倍，说明阈值这一步出了问题。这个单一数字帮我发现的问题比任何目视审查都多。

路径数量是衡量描摹质量的一个简单而有效的指标。每个独立的矢量路径对应位图中的一个连通区域。如果某个素材的路径数量远高于同批其他素材，通常意味着二值化后存在大量孤立的小斑点，描摹工具将它们各自转换成了独立路径。Adobe QC等审核系统会自动检测路径碎片过多的文件，因此路径数量可以作为批量筛查的报警信号，帮助在提交前发现阈值设置不当的素材。

元数据是另一个隐形杀手

一个干净的矢量配上错误的CSV表头，照样会被秒拒。Adobe的上传CSV有固定的5列表头，Vecteezy用4列，Dreamstime要15列。三者只要表头不完全匹配就立即拒收。在手动改错两次电子表格之后，我写了make_metadata.py，从成品文件夹为每个平台生成精确表头；又写了upload_tracker.py，确保重跑批处理时不会重复上传同一个素材。重复上传是账号被标记的最快方式，而在凌晨3点跑批处理时，你根本记不住已经传过什么。

老实说

二值化并不光鲜。它就是一个直方图、谷底处的阈值、一次去斑、一次路径计数检查。但正是这一点，决定了矢量图能通过Adobe QC，还是第四次收到同一条拒稿通知。以上所有流程都跑在一台1 vCPU、2 GB内存、无GPU的机器上，一次一个进程。

整套工作流——元数据生成器、上传台账、把文件打包并渲染1280x720封面和600x600缩略图的打包器——是我用这种方式打包39个产品（在那台小服务器上约856 MB成品输出）之后构建的工具包。