AI按颜色抠图怎么抠干净？抠图方法与技巧

一个做基础款卫衣的商家要给同一版型出新配色，处理完之后把图放到详情页上预览，同事看完说了一句：这件衣服像糊了一层色纸。他把图放大看，红色确实换上了，但衣服原来的褶皱阴影全被压平，袖口的罗纹结构也被盖住，整体像一块平面的色块贴在了人形轮廓上。

按颜色抠图，处理的是”某个颜色范围内的区域”。这件事听起来简单，做干净却不容易，最容易出问题的地方只有三处：目标区域的边界上残留一圈旧色、替换时丢掉了原有的明暗层次、产品上的相近色被一起改掉。三个问题对应三组参数，参数对了，颜色处理就能做得干净可控。

这篇文章沿着”定位残留、取色、控容差、批量执行”的顺序展开，每一步都给判断标准。工具环节用青虎AI 完整跑一遍：青虎AI 是一套对话式 AI 电商作图工具，把商品图片上传进去，用一句需求描述说清要什么，比如”把瓶身的深蓝色换成墨绿，logo 和银色泵头保持不动”，它就能直接出图，并且支持批量处理。

颜色处理和去背景、做白底图经常配合使用。理解这一篇的做法之后，把 AI抠图、AI去背景、AI白底图 几个环节串起来，同一组产品素材可以派生出配色版、白底版、场景版等多种成品。

一、按颜色抠不干净，三种残留最典型

把不干净的表现归拢，一共三种。三种表现的成因不同，判断和改法也不同，混在一起调参数只会越调越乱。

第一种是边界旧色残留。改动区域和保留区域交界的位置，有一条细窄的旧颜色线，放大之后尤其明显。成因是交界像素本身是两种颜色的混合，严格的容差把它们排除在改动范围之外，剩下来就成了一条线。

第二种是明暗丢失。颜色换上了，但产品的褶皱、高光、暗部全被压平，看起来像贴了一块色纸。成因是替换时把区域的像素统一成了同一个色值，没有保留原有的明暗关系。

第三种是相近色误伤。产品上不需要改的部位颜色和背景接近，一起被改掉了，比如深色 logo 和深色背景、浅色说明文字和浅色包装底。成因是容差范围过大，覆盖到了不该覆盖的区域。

图1：边界旧色、明暗丢失、相近色误伤三种残留问题示意

三种问题里，明暗丢失最容易被忽略，因为颜色换上了，第一眼看不出问题，只有和原图并排对比才会发现产品变”扁”了。判断动作很简单：把处理结果和原图并排放在一起，眯着眼看，看体积感和材质感有没有变化。

有一类结构需要单独提醒：镂空。网状面料、镂空格栅、打孔饰品的孔洞，在处理时容易被当成同一片颜色一起改掉，孔洞被填平，产品结构就消失了。处理这类产品时，要把镂空部位明确写进保留清单。

二、取色：在哪儿取、取几个点

取色决定后面所有参数的基准。取的位置不对，容差怎么调都调不准。

取色的基本原则是在颜色干净的区域取，避开被环境光染色的部位。同一个产品，靠近窗户的一侧往往偏蓝，靠近暖色墙的一侧往往偏黄，这些位置取到的不是产品本色。稳妥的做法是在产品正对镜头的区域取色。

取色的数量也有讲究。同一个颜色在产品上有亮部、中间调、暗部三种状态，只取一个点的话，容差很难同时覆盖三种。做法是在亮部、中间调、暗部各取一次，三个值之间的差距就是容差下限的参考区间，容差至少要覆盖住这个区间，改动区域才不会出现斑块。

多色产品要逐个颜色分别取。一款产品上有主色、辅色、装饰色时，一次性取一个色值不可能覆盖全部，正确做法是把要改的颜色单独取出来处理，其余颜色列入保留清单。把改动范围一次缩小到一个颜色，出错的概率会低很多。

取色之后建议做一次记录：把原色值和目标色值都写下来。批量处理时这张记录就是色值表的基础，也是后续复用时最有价值的参数。

三、容差与过渡：两个参数决定干净程度

容差控制的是”多大的颜色差异算在改动范围内”，过渡控制的是”边界处的替换程度怎么变化”。两个参数配合得当，边界既不会有残留，也不会出现生硬的断层。

容差偏小时，改动范围包不住目标的明暗区间，产品上会出现花斑，边界处残留旧色。容差偏大时，相邻的相近色被一起卷进来，不该改的部位跟着变了。合适的容差有一个明确的判断标准：覆盖范围刚好包住目标颜色的全部区域，还没有蔓延到其他部位。

调整方式是先从小的容差起步，一边看结果一边往上加，加到接近目标区域边缘就停手。产品明暗反差特别大时，不要继续加大容差，改用按明暗分区处理，把亮部、中间调、暗部分别处理一遍，比一味放大容差更准。

图2：同一区域在容差偏小、合适、偏大三种情况下的处理结果对比

过渡的处理思路是让边界像素的替换程度从满到零逐步变化。过渡宽度太窄，边界看起来还是硬的；过渡宽度太宽，产品上的结构线会被糊掉。经验做法是过渡宽度控制在一个很窄的范围内，做到看不出分界线为止。

有一个细节值得单独说：几何结构的边界和材质的边界处理方式不同。直线边缘、直角转折这些几何结构，边界要处理得干净利落；布料纹理、喷涂渐变这些材质边界，过渡要柔和一些。同一张图上两类边界都存在时，需要分别处理，不要用同一组参数一刀切。

四、不同背景类型，处理方式不一样

背景的类型直接影响容差的可操作空间。背景越复杂、和产品颜色越接近，按颜色的方式就越难控制。

纯色背景是最理想的情况。产品颜色和背景色差明显时，容差可以设得比较从容，边界也容易处理干净。这类图片处理起来最稳，批量执行时几乎不会出错。

渐变背景要谨慎。渐变意味着背景的色值在一个连续区间里变化，容差要覆盖整个区间，覆盖范围一大，就很容易和产品上的颜色重叠。这类图片更稳妥的处理方式是先用 AI去背景 把主体分离出来，再在干净底色上做颜色处理，确定性高得多。

复杂场景背景的处理顺序需要倒过来。先明确哪些区域属于产品、哪些属于环境，再决定要不要做颜色替换。如果场景里也有和产品同色的元素，比如同色系的桌面道具、同色的背景装饰，这两个区域必须分别处理，或者先把产品分离出来。

产品颜色和背景非常接近时，处理顺序可以做一次调整：先把背景换掉，在干净底上做颜色替换。背景不需要再参与容差判断，容差就可以设得更精确，误伤的概率大幅下降。这个顺序调整能解决大部分”背景和产品打架”的情况。

五、适用边界：哪些品类适合按颜色处理

按颜色处理不是万能方法。它的能力边界很清楚，用在对的品类上效率极高，用错品类会反复返工。

判断一个品类适不适合，有一个快速测试：把图缩小到很小时，产品上各个颜色区域是否还能清楚分开。能分开，说明颜色边界明确，适合按颜色处理；缩小之后颜色糊成一片，说明明暗过渡连续、相近色多，处理时更适合用分离主体的方式。

产品结构越复杂，按颜色处理的难度越高。一款产品上同时存在主色、辅色、装饰色、文字、logo 时，改动范围必须一次缩小到一个颜色，其余全部列入保留清单。清单写得越清楚，返工越少。

六、用青虎AI做按色抠图的四步操作

参数和边界都清楚了，落地还有一道坎：逐张调色很费时间。把要求写进需求交给工具执行，效率完全不同。青虎AI 的操作路径是上传素材、输入需求、生成调整、导出上传。

图3：从上传素材到批量输出的按色抠图四步流程

人工在这套流程里负责两件事：定色值和列保留清单。区域选择、边界过渡、批量执行由 AI图片处理 承担。以前要逐张调色的工作，现在变成写一段需求描述加一张色值表。

需求描述有几套可以复用的写法：说部位用范围语言，比如瓶身主体、侧面装饰条、盖子下沿，比说坐标有效；说颜色用参照语言，比如墨绿、藏青、雾霾蓝，比写十六进制色号更容易对齐感觉；说保留用清单语言，把不能动的部位一条条列出来，比笼统说”其他不变”有效。

七、批量换色：色值表怎么建

批量换色的成败，取决于一张表建得好不好。表建对了，几百个款式可以一次跑完；表建错了，容易出现颜色错配和漏改。

色值表的第一列是款式编号，第二列是图片文件名，第三列是原色值，第四列是目标色值，第五列是保留部位说明。每一行对应一个款式的处理需求，提交时按行套用，出图后按行核对。原色值这一列尤其重要，它既是处理的输入，也是后续复核的依据。

同一款产品需要出多个配色时，把这款产品复制成多行，每行换一个目标色值。这样一次任务就能出完整套配色，比反复重跑效率高得多。

批量执行之前要做一次小批试跑，挑三到五张差异最大的图先跑：颜色最深的那款、颜色最浅的那款、带镂空结构的那款、保留部位最多的那款。四种情况都过关，再全量提交。

出图之后按颜色分文件夹归档，文件名带上款式和颜色标识，避免上传时拿错版本。原图和色值表一并留档，下一季再出新配色时可以直接复用，不必重新取色。

八、四个把颜色做脏的做法

颜色处理做得不干净，往往不是因为参数没调好，而是踩了几个固定坑。下面四个动作出现的频率最高。

四个做法的共同点是把颜色处理当成了一次性的整体操作。实际做法应该是一次只解决一个问题：先解决区域覆盖，再解决边界过渡，最后解决明暗保留。三步分开做，每一步都能验证，出错也能定位到具体环节。

九、四个提升颜色处理质量的动作

参数之外，还有几个动作能明显拉开成品差距，都是操作层面的细节，贵在固定执行。

四个动作分别对应整体检验、细节检验、明暗验证和参数留存。让颜色处理质量稳定下来的，不是把容差调到最优，而是每次都用同一套动作检验一遍。

十、三个店铺的按色处理记录

看三个不同类目的实际做法，覆盖上新配色、品牌色更换、元素提取三种情况。

图4：服装、美妆、五金三个类目按色处理的落地场景

三个记录的共通点是：颜色处理的效率提升来自参数复用，而不是单次操作有多快。色值表建好一次，后面的每一季都可以直接套用，这才是批量处理真正的价值所在。

十一、总结：把颜色处理变成可控的参数

十二、常见问题解答