网点，网点印刷术的效果老祖宗。但AI做网点，网点不是效果把图片变回老古董，是网点拿数学重新发明轮子。上次我让AI给一张黑白肖像做网点，效果它没直接套个滤镜，网点反而问我：“你要FM网点那种随机撒盐的效果颗粒感，还是网点AM网点那种规矩排列的十字星？”——这玩意儿居然懂行话。

传统做网点靠照相机加网屏，效果物理光栅一挡，网点灰阶变大小不一的效果点。AI不这么干。网点它直接分析像素亮度，效果把每个像素映射成点的网点大小或密度。关键在“阈值抖动”这步——不是简单粗暴地二值化，而是用误差扩散算法，把量化误差像倒水一样泼给相邻像素。结果就是暗部密不透风，亮部疏可走马，中间调藏着细微的噪点纹理。我拿一张渐变灰测试图跑了一遍，暗部居然能看到类似银盐颗粒的有机感，不是那种死板的机械排列。

但AI的高明之处不在算法多花哨，在于它懂“适可而止”。网点效果有个致命伤：过度处理会让图像像被砂纸磨过。我试过用Stable Diffusion的ControlNet，把网点密度作为条件输入，模型能自动在皮肤纹理和网点颗粒之间找平衡。人脸部分自动降低网点频率，背景则保持粗犷的印刷感。这种局部自适应，传统Photoshop动作流程做不到，得手工蒙版修半小时。

真正惊艳的是生成对抗网络（GAN）的用法。让生成器输出网点图，判别器去分辨“这是真印刷品扫描图还是AI伪造的”。训练到后期，AI会自己发明网点排列规律——比如在曲线边缘自动改用细密点，平面区域用大点距。我见过一个案例，AI生成的网点在放大镜下能看到微小的随机旋转角度，这反而让画面更接近真实印刷的物理偏差。人脑觉得“对”，但说不出哪儿对。

实际操作更简单。现在有现成工具，比如用Python的Pillow库加几行代码就能实现Floyd-Steinberg抖动，但效果生硬。我更推荐用ONNX模型跑预训练的网点风格迁移，输入一张图，输出已经带好网点信息的TIFF文件，直接发印刷厂都没问题。唯一要留意的是分辨率——AI生成网点时容易忽略输出设备的实际DPI，比如做丝网印刷时，你得把模型输出尺寸设为最终物理尺寸的1.5倍，否则网点会糊成一片。

说到底，AI做网点不是替代印刷师傅，是替代那些繁琐的参数试错。以前调三十分钟的网点角度，现在模型一秒给出五个方案。但别指望AI替你审美——它给的网点可能技术上完美，但缺少手工做网点那种“故意错位”的呼吸感。所以我的用法是：让AI生成80%的基础网点，剩下20%自己拿画笔手动加几个粗点，或者删掉几排规则排列。这种混合方式，既省时间，又保留人味。