
先认清一件事:AI 补的是猜的,不是你拍的
老照片修复这几年被吹得很神,什么"一键还原几十年前的照片"。实际用下来,效果差距大到离谱:同一张图,有人修出来能看清眉毛,有人修出来变成塑料娃娃。
差别不在工具,在你手上的原图还剩多少信息。AI 放大的本质是"根据已有像素推测缺失像素",推测得准不准,取决于原图给它的线索够不够。
原图信息够,它猜得接近真实;原图信息已经被压缩、失焦、噪点毁掉了,它猜出来的就是一张"看起来合理但不是你"的脸。
这句话要记住:AI 修复不是恢复,是重建。重建出来的东西像不像,跟原图底子成正比。
第一步:先判断原图底子
判断方法很土但很有效:把原图放大到实际显示尺寸,自己看。
看像素密度。一张八百宽的合影,里面有十个人,平均每人八十像素宽。八十像素宽的脸,放大四倍也不会凭空长出睫毛,因为原图里根本没有睫毛的信息。
看压缩痕迹。JPEG 压太狠的图,放大后会看到一块一块的方格,那是压缩块。AI 会把压缩块当成细节放大,结果越修越脏,整张图布满不自然的纹理。
判断压缩痕迹的方法:看画面里大片纯色区域,比如天空、墙面。正常的纯色是平滑的,压太狠的纯色会出现色带和方块。
看有没有失焦。失焦是光学信息丢失,AI 补的是它猜的锐化,不是你拍到的细节。失焦的图修完,边缘会变得又硬又假,像贴了一层贴纸。
还有一个隐蔽的坑:翻拍的图。用手机拍老相纸,会有反光、会有透视变形、会有相纸纹理。这些都会被 AI 当成画面内容放大,修完满是奇怪的纹路。
所以最好的原图是:扫描件、原始数码文件、没有经过社交平台二次压缩的文件。这三个条件满足得越多,修复上限越高。
第二步:放大倍数怎么定
两倍以内基本安全。轮廓、边缘、整体结构都能守住,肉眼看不出明显的算法痕迹。
四倍开始出现塑料感。皮肤变成蜡像,头发变成一束束的条状,衣服褶皱变成光滑的曲面。远看还行,近看很假。
超过八倍只在特定场景有用。比如纯文字截图、纯线条的图纸、黑白扫描的文件,这些内容结构简单,AI 不容易猜错。人物照片超过八倍基本没法看。
实操建议:先做两倍,看效果。如果两倍就已经出现明显失真,说明原图底子差,再加倍数只会更糟。
如果两倍效果不错、还想再大一点,做四倍。四倍之后停下来,别再往上堆。
还有一个技巧:分两次放大比一次到位好。先两倍,保存,再两倍。这样每一步的失真都可控,中间可以人工修一下再继续。
第三步:人脸修复的取舍
人脸模型是最特殊的一块。它有一个"平均脸"的先验,会自动往大众长相上靠。
结果是相似度提高了,个人特征被抹平了。一张有特点的脸,修完变成一张标准好看但不像本人的脸。
最容易被修没的,是老人脸上的皱纹、痣、疤痕、眼袋。这些恰恰是最该保留的东西,因为那才是一个人的经历。
实操做法:修完一定要跟原图并排对照看。如果修得不像本人,就别用这张,宁可接受模糊。
另一个做法是分区处理。人脸用低强度修复,衣服、背景、建筑用高强度。这样既保住了人的辨识度,又让整体画面干净。
还有一点:多人合影要慎用全脸修复。每个人的脸都往平均脸上靠,最后一张合影里所有人都长得差不多,看着瘆人。
第四步:上色值不值得
黑白上色是另一个热门功能,但风险比放大更高。
AI 不知道你的衣服本来是什么颜色。它给的是"统计上最可能的颜色",不是真实颜色。一件祖辈的蓝布衫,可能被涂成灰色。
如果家里有人记得原色,可以手动指定颜色区域再上色,准确度高很多。
如果完全没人记得,上色只是"好看",不是"还原"。这种情况下,我建议保留黑白原样,或者上色后标注"AI 上色,非原色"。
肤色最容易出问题。AI 会把所有人的肤色统一到一个偏亮的色值,一家人上完色肤色全一样,失去了真实感。
实操经验:上色后把饱和度调低一点。AI 给的色通常偏艳,降一点反而更像老照片的味道。
实际流程怎么排
第一步,备份原图。这一步最重要,修坏了还能重来。
第二步,做基础清理。裁掉翻拍的黑边、去掉明显的污渍和划痕。有专门的去划痕工具,比让 AI 一起猜要准。
第三步,无损放大。按上面说的,两倍起步,最多四倍。
第四步,局部修复。只修需要修的地方,别整张一起过。人脸、手、文字这三块最容易出问题,重点看。
第五步,锐化和色彩微调。这一步手工做,比 AI 自动做可控。
第六步,对照检查。原图和成品并排放,逐块看:脸像不像、字有没有变形、边缘有没有奇怪的硬边。
第七步,分开存档。修过的版本单独存一个文件,命名里带"修复"字样,别覆盖原图。
最后几句大实话
修复只做一次。反复修会累积失真,第二遍修的时候 AI 是在修"已经被 AI 改过的图",误差会叠加。
别指望 AI 把一张糊成一片的图救回来。信息没了就是没了,这是硬物理限制,任何算法都突破不了。
真正值钱的不是工具,是你知道该停在哪里。知道两倍够、知道这张脸不该修、知道这个颜色不能瞎上,这些判断比任何一个模型都重要。
对站长来说,这套能力最实用的地方是:文章配图的老照片素材、产品详情页的历史图、站点介绍里的团队合影。这些场景要求"看着舒服"多过"完全还原",AI 修复正好够用。
