前言：一张 diffusion 图为什么不能直接当原画用

✅ 已验证

三个缺陷

一张 diffusion 生成的插画，比如本书通篇用的这张 1024×1536 的 origin.png：

它看起来是一张画，但它不是画出来的，这在三个地方露馅：

1. 不可编辑。 它是一张平面位图。想把裙子换个颜色、把头发调亮一点、把眼睛重画——没有图层，只能重新生成。画师拿到它接不了手。

2. 放大就糊，边缘是像素格子。 1024×1536 拿去印刷差 8 倍。bicubic 放大 8 倍之后，1x 的抗锯齿边被摊成 8px 宽的过渡，1x 的像素格被放大成 8px 的阶梯。实测在同一块 1:1 眼部特写上量梯度 p99（边缘锐度）：

放大一次，锐度掉到 1/6。而一次早期尝试——把 origin 分层、逐位无损分解、再 bicubic 升采样写进 8K 图层——输出的 p99 是 23.5，约等于一次放大。它的作画日志里 55 条记录全是 set_pixels，一笔都没落。

3. 没有笔触，没有层次。 人类画的插画靠明确的几档色阶加少量柔和过渡构成层次；diffusion 图是连续糊。放大后一个是笔痕，一个是马赛克。

目标

把它变成可交付的分层原画：

输出的每一个像素，要么来自一条解析曲线，要么来自一笔真的落笔。没有任何一个像素是把源图放大出来的。

具体到交付物：一份 8192×12288 的 Krita .kra，图层树就是作画顺序，画师能接手改任何一层；一份 strokes.jsonl，记录了每一笔的坐标与压感，能回放。

这不是复刻——不要求逐像素对上源图。这是临摹：源图是参考，输出是照着它重新画的一张。所以本书的判据不是 PSNR，而是「边是不是曲线」「有没有放大指纹」「层次像不像人画的」（第八部）。

这本书是怎么来的

它不是从零设计出来的，是一个项目做了五版之后按流程重新组织的。前四版走的是像素复刻路线，第五版推倒重来。每一个数字都是在这台机器（Fedora 44 / Krita 6.0.2.1）上量出来的；每一个坑都是真的栽过。

所以书里有很多「试过，不行，为什么」。这些不是废话——Krita 的大量 API 不校验参数、不报错、静默失效，而「量错了对象」这类错误不会报错、只会给出方向相反的结论。哪些路走不通，和哪些路走得通一样值钱。

状态标记与阅读顺序

每章第一行有状态标记：✅ 已验证（有数据）· 🧪 在做（跑通没收敛）· 📐 设计（只有接口）。

全书按流程分八部。第一部是总览，读完就知道每一步在干什么；第二到第六部是流程本身，按顺序读；第七部是 Krita 无头能力手册，随用随查；第八部是判据，第 34 章的案例集建议先读——它教你怎么不被自己的测量骗。