前言

身為一個平時寫後端的工程師，偶爾玩玩 maker 專案是我放鬆的方式。最近我開始嘗試把 AI 生成的圖案拿去雷射切割，結果發現中間有不少眉角要處理。AI 生成的圖是點陣圖（raster），但雷切機要的是向量圖（vector），這中間的轉換如果沒處理好，切出來的東西會慘不忍睹。

這篇文章記錄我從「AI 生圖」到「實際雷切成品」的完整流程，包括向量化工具的選擇、路徑清理、以及一些踩過的坑。

整體工作流

[AI 生成圖案] → [後處理/清理] → [向量化] → [路徑優化] → [雷切軟體] → [實際切割]
   Midjourney      Photoshop       potrace      Inkscape     LightBurn
   DALL-E          GIMP           vectorizer.ai  自訂腳本     LaserGRBL
   SD + ControlNet

每一步都有需要注意的地方，讓我們一步步來。

Step 1：AI 生成適合雷雕的圖案

不是所有 AI 生成的圖都適合拿去雷切。雷切需要的是高對比、邊緣清晰、結構簡潔的圖案。

好的 Prompt 策略

# Midjourney 風格的 prompt
"geometric wolf logo, black and white, clean lines, vector style,
 no gradients, high contrast, minimal detail, suitable for laser cutting"


# Stable Diffusion 用的 prompt
"(line art:1.3), (black and white:1.2), geometric pattern, mandala design,
 clean edges, no shading, simple shapes, vector illustration"



# 負面 prompt（很重要！）
"gradient, shading, realistic, photograph, complex texture, watercolor,
 soft edges, blurry, 3d render"

生成後的初步處理

from PIL import Image, ImageFilter, ImageOps
import numpy as np


def prepare_for_vectorization(input_path, output_path, threshold=128):
    """將 AI 生成的圖處理成適合向量化的黑白圖"""
    img = Image.open(input_path)



# 轉灰階
    gray = img.convert("L")



# 提高對比度
    # 用 autocontrast 自動拉開黑白範圍
    enhanced = ImageOps.autocontrast(gray, cutoff=5)



# 輕微模糊去除 AI 生成的細碎雜訊
    blurred = enhanced.filter(ImageFilter.GaussianBlur(radius=1))



# 二值化
    binary = blurred.point(lambda x: 255 if x > threshold else 0, mode="1")



# 儲存為 BMP（potrace 偏好的格式）
    binary.save(output_path)
    print(f"處理完成: {output_path}")
    print(f"圖片尺寸: {binary.size}")



prepare_for_vectorization("ai_generated.png", "cleaned.bmp", threshold=140)

Step 2：向量化工具比較

Potrace（開源免費）

Potrace 是最經典的點陣轉向量工具，完全免費開源。

# 安裝 potrace
# macOS
brew install potrace


# Ubuntu
sudo apt-get install potrace



# 基本用法：BMP → SVG
potrace cleaned.bmp -s -o output.svg



# 進階參數
potrace cleaned.bmp \
    -s \                    # 輸出 SVG
    -o output.svg \         # 輸出檔名
    -t 5 \                  # turdsize: 忽略小於 5 像素的碎片
    -a 1.0 \                # alphamax: 角的平滑度 (0=尖角, 1.334=最平滑)
    -O 0.2 \                # opttolerance: 曲線優化容差
    --flat \                # 不要群組，每個路徑獨立
    -r 300                  # 解析度 (DPI)

# 用 Python 批次處理
import subprocess
import os
from pathlib import Path


def batch_vectorize(input_dir, output_dir, turdsize=5, alphamax=1.0):
    """批次將 BMP 檔案向量化為 SVG"""
    Path(output_dir).mkdir(parents=True, exist_ok=True)



for bmp_file in Path(input_dir).glob("*.bmp"):
        svg_file = Path(output_dir) / f"{bmp_file.stem}.svg"



cmd = [
            "potrace",
            str(bmp_file),
            "-s",
            "-o", str(svg_file),
            "-t", str(turdsize),
            "-a", str(alphamax),
            "-O", "0.2",
            "--flat",
        ]



result = subprocess.run(cmd, capture_output=True, text=True)
        if result.returncode == 0:
            print(f"OK: {bmp_file.name} → {svg_file.name}")
        else:
            print(f"Error: {bmp_file.name}: {result.stderr}")



batch_vectorize("./cleaned_images", "./svg_output")

Vectorizer.ai（線上服務）

Vectorizer.ai 是目前品質最好的 AI 向量化服務。它不只是描邊，而是真正「理解」圖形結構。

import requests


def vectorize_with_api(input_path, output_path, api_key):
    """使用 vectorizer.ai API 進行向量化"""
    with open(input_path, "rb") as f:
        response = requests.post(
            "https://api.vectorizer.ai/api/v1/vectorize",
            files={"image": f},
            data={
                "mode": "production",
                "output.file_format": "svg",
                "output.gap_filler.enabled": True,
                "processing.max_colors": 2,  # 黑白雷雕只需要 2 色
            },
            headers={"Authorization": f"Basic {api_key}"},
        )



if response.status_code == 200:
        with open(output_path, "wb") as out:
            out.write(response.content)
        print(f"向量化完成: {output_path}")
    else:
        print(f"錯誤: {response.status_code} - {response.text}")

兩者比較

| 特性 | Potrace | Vectorizer.ai |
|——|———|—————|
| 價格 | 免費 | 付費 API |
| 品質 | 好（簡單圖形） | 優秀（複雜圖形也行） |
| 速度 | 極快 | 需要上傳等待 |
| 離線使用 | 可以 | 不行 |
| 曲線平滑度 | 普通 | 很好 |
| 適合場景 | 簡潔線條圖 | 複雜有細節的圖 |

Step 3：路徑清理與優化

向量化之後的 SVG 往往有很多問題：多餘的節點、重複路徑、太小的碎片。這些都需要清理。

from lxml import etree
import re


def clean_svg_for_laser(input_svg, output_svg, min_path_length=10):
    """清理 SVG，讓它適合雷切"""
    tree = etree.parse(input_svg)
    root = tree.getroot()



ns = {"svg": "http://www.w3.org/2000/svg"}
    removed_count = 0



# 1. 移除太短的路徑（碎片）
    for path in root.findall(".//svg:path", ns):
        d = path.get("d", "")
        # 簡單估算路徑長度（計算座標點數量）
        coords = re.findall(r"[-+]?\d*\.?\d+", d)
        if len(coords) < min_path_length:
            path.getparent().remove(path)
            removed_count += 1



# 2. 移除不可見元素
    for elem in root.findall(".//*[@opacity='0']", ns):
        elem.getparent().remove(elem)
        removed_count += 1



# 3. 統一線條顏色（雷切通常只需要一種顏色）
    for path in root.findall(".//svg:path", ns):
        path.set("stroke", "#000000")
        path.set("fill", "none")
        path.set("stroke-width", "0.5")



tree.write(output_svg, pretty_print=True, xml_declaration=True)
    print(f"清理完成，移除了 {removed_count} 個元素")



clean_svg_for_laser("raw_output.svg", "laser_ready.svg")

用 Inkscape 命令列進一步優化

# Inkscape 命令列操作（無需開啟 GUI）


# 簡化路徑，減少節點數量
inkscape laser_ready.svg \
    --actions="select-all;path-simplify;export-filename:simplified.svg;export-do" \
    --batch-process



# 轉換所有物件為路徑
inkscape input.svg \
    --actions="select-all;object-to-path;export-filename:paths_only.svg;export-do" \
    --batch-process



# 設定文件尺寸（配合雷切機的工作範圍）
inkscape simplified.svg \
    --actions="select-all;transform-scale:50,50;export-filename:scaled.svg;export-do" \
    --batch-process

Step 4：送進雷切軟體

LightBurn（付費，推薦）

# LightBurn 的 CLI 匯入（如果有支援的話）
# 通常是直接 GUI 操作，但可以用 gcode 前處理


# 基本雷切參數建議（3mm 椴木合板）
# 切割：Power 80%, Speed 10mm/s
# 雕刻：Power 30%, Speed 300mm/s, 0.1mm 間距

直接輸出 G-code（進階玩法）

def svg_paths_to_gcode(svg_path, output_gcode, power=80, speed=600):
    """簡易 SVG 路徑轉 G-code（僅處理直線段）"""
    from svg.path import parse_path
    from lxml import etree


tree = etree.parse(svg_path)
    root = tree.getroot()
    ns = {"svg": "http://www.w3.org/2000/svg"}



gcode_lines = [
        "; Generated from SVG for laser cutting",
        "G21 ; 公釐模式",
        "G90 ; 絕對座標",
        f"M4 S0 ; 雷射待機",
        "",
    ]



for path_elem in root.findall(".//svg:path", ns):
        d = path_elem.get("d", "")
        path = parse_path(d)



for i, segment in enumerate(path):
            start = segment.start
            end = segment.end



if i == 0:
                # 移動到起點（不開雷射）
                gcode_lines.append(f"G0 X{start.real:.3f} Y{start.imag:.3f}")
                gcode_lines.append(f"M4 S{power * 10} ; 開雷射")



# 切割到終點
            gcode_lines.append(
                f"G1 X{end.real:.3f} Y{end.imag:.3f} F{speed}"
            )



gcode_lines.append("M5 ; 關雷射")
        gcode_lines.append("")



gcode_lines.append("G0 X0 Y0 ; 回原點")
    gcode_lines.append("M2 ; 程式結束")



with open(output_gcode, "w") as f:
        f.write("\n".join(gcode_lines))



print(f"G-code 已輸出: {output_gcode}")
    print(f"共 {len(gcode_lines)} 行")

踩過的坑

  1. 開放路徑 vs 封閉路徑：雷切「切割」需要封閉路徑，如果路徑沒閉合，雷切機會切出斷斷續續的線。向量化後一定要檢查路徑是否封閉。
  1. 解析度太低：AI 生成 512×512 的圖向量化效果很差。建議至少 1024×1024，最好用 upscaler 放大到 2048 再向量化。
  1. 漸層問題：AI 喜歡加漸層和光影效果，但雷切只有「切」和「不切」。一定要在前處理階段把漸層消掉。
  1. 路徑重疊：AI 生成的圖向量化後常常有重疊的路徑，雷切時會在同一個地方切兩次。用 Inkscape 的「Union」功能可以合併重疊路徑。
  1. 尺寸問題：SVG 的座標系和實際尺寸要對好。我曾經切出一個 3 公分的東西，結果原本設計是 30 公分。

小結

AI + 雷切是一個很有趣的組合。AI 負責創意和設計，向量化工具負責轉換格式，最後雷切機負責實體化。整個流程中最關鍵的是「向量化」這一步 — 選對工具、調好參數，就能大幅減少後面手動修改的時間。

如果你也想嘗試，建議的入門路線是：

  • 先用 Potrace 處理簡單的黑白圖案
  • 搭配 Inkscape 做路徑清理
  • 等熟悉了再試 Vectorizer.ai 處理更複雜的圖

延伸閱讀：

  • Potrace 官方文件：http://potrace.sourceforge.net
  • LightBurn 官方教學
  • SVG 路徑語法參考：MDN Web Docs
  • Inkscape 命令列操作文件