修复了30张老照片之后，我发现有些坑提前知道就好了
外婆今年八十多了，前阵子收拾老房子翻出来一箱旧照片，有的泛黄了，有的折了角，有的糊得人脸都看不清。她说想看看这些照片"变清楚一点"是什么样子。
于是我用了一周时间，把30张老照片挨个修复了一遍。中间翻车了不止一次，有些照片修出来连我自己都不认识是谁。下面记的是这一周的真实过程，按天写的。如果你也打算修复老照片，有些坑提前知道能省不少事。
第一天：以为很简单，结果翻车了
我拿的第一张照片是外婆年轻时候的一张黑白照，巴掌大小，脸有点模糊，边角有折痕。想着应该不难，直接打开了一个在线修复工具，上传，一键处理。
十几秒后结果出来了。照片确实变清晰了，但人也变了——外婆的脸被磨得像开了十级美颜，皮肤光滑得不像是一个生活在上世纪五六十年代的人。鼻子和嘴巴的比例也有点别扭，眼睛看着像另外一个人。
我妈看了说："这谁啊？"
我把照片拿给外婆看，她端详了半天，说："是我吧……但好像又不太像。"
第一张就翻车了。问题出在工具上——那个在线工具用的是通用修复模型，默认会磨皮美白，没有控制修复强度的选项。老年人脸上的皱纹、皮肤的质感，在老照片里是"年代感"，在AI眼里是"噪点"，直接给你抹了。
后来换了个工具，用CodeFormer，把保真度参数调到0.7（默认是0.5，越高越保真）。调完之后修复出来的照片就好多了，脸上的纹路保留了，但模糊的地方确实变清晰了。外婆一看就说"这是我"。
第一天的教训：修复老人照片别用磨皮太狠的工具，控制修复强度比一味追求清晰度重要。
第二天：合影翻车翻得比较狠
第二张是一张全家福，十几个人站三排，照片尺寸不大，人脸都挺小的。我以为修复这种合影应该跟修复单人照差不多，结果——
前排的人脸修得还行，后排的人脸变得很奇怪。有个人眼睛一只大一只小，有个人嘴巴歪了，还有个人额头多了一道皱纹，像被刀划了一下。
AI处理合影的时候，算法会优先处理它认为"重要"的人脸区域——通常是画面中间、面积比较大的。后排的人脸太小，AI的信息不够，就开始瞎猜。猜错了，就成了各种奇怪的五官组合。
后来我把合影裁成几块，每块单独修复，修完再拼回去。效果好了不少，但拼接处多少有点不自然。只能说比整体修复强，也不是万全方案。
合影的另一个问题是光线不一致。老照片用闪光灯拍的，前排人特别亮，后排人偏暗。AI修复的时候没法自动平衡光线，修复完之后前排人脸亮得发白，后排人脸暗得看不清。
第二天的教训：合影别一次修，分块修好再拼回去。光线不均衡的提前手动调一下亮度再修。
第三天：黑白上色，年代感全没了
第三天开始给几张黑白照片上色。第一张上完色，怎么说呢，颜色倒是都填上了——蓝天绿树红衣服——但看着特别假，像是用彩色铅笔画在黑白照片上的。
问题出在年代的色彩体系。上世纪五六十年代的衣服颜色、建筑色调、街景配色，跟现在完全不一样。AI上色用的是它从现代照片中学到的色彩规律，给一件五十年代的棉布衬衫配上了现代快时尚品牌的亮色，看着就出戏。
后来我换了个思路。先不直接上色，而是手工挑了一张照片里一个确定颜色的区域——比如外婆说她年轻时候最喜欢的那件深蓝色外套——然后告诉AI"以这个颜色为参考，保持整体色调偏暖偏暗，不要过于鲜艳，年代感优先"。
这样调完之后上色效果好了不少。虽然颜色不一定100%还原，但至少看着像真的，有那个年代的感觉。
第三天的教训：上色容易失真，年代感比颜色准不准更重要。先确定一个参考色，让AI往那个方向靠。
第四天：划痕和折痕，AI补得不太对
有一张照片，外婆抱着我妈，照片中间有一道深折痕，正好从我妈的脸上穿过。折痕把脸分成了两半，AI要补全被折痕遮挡的那部分。
AI补完之后，折痕没了，但脸也变了。因为折痕占了脸差不多三分之一，AI看到的"原始信息"不够，剩下的就只能靠猜。它猜了一个我妈的脸——但猜错了，修出来的脸跟我妈本人对不上。
我后来用了一个比较笨的办法：先找一张我妈其他照片里清晰的脸部，用AI做参考图，然后再修复这张。修复的时候在提示词里加了一句"参考提供的人脸特征，保持一致性"。这样修出来的脸，虽然细节上还是有点差异，但至少能认出来是谁了。
还有几张照片边角有缺损，AI补了一块上去，但补的内容跟原图不对——它把照片里一个木制窗框补成了铝合金窗框。因为训练数据里现代建筑照片多，老建筑照片少，AI倾向于往"它更熟悉"的方向猜。
第四天的教训：大面积缺损的，AI补得不一定对。有参考图的用参考图，没参考图的最低限度人工检查一下补的内容合不合理。
第五天：分辨率太低，放大之后更糊了
有两张照片特别小，一寸照大小，分辨率大概320×240。原本想着修复就是把模糊变清晰，结果放大之后人脸更糊了——AI把本来看得清的五官也糊成了一团。
这是因为我搞错了顺序。分辨率太低的照片，应该先放大再修复，而不是先修复再放大。先把分辨率提到一个合理的水平（比如用RealESRGAN放到800×600），让AI有足够的像素去"填充细节"，再做修复和上色。顺序反了，AI在低分辨率下看到的细节太少，修复就是在瞎猜。
另外扫描的时候也出了点问题。有张照片我是用手机拍的，不是用扫描仪扫的。拍的时候有反光，照片上多了几块亮斑。AI把亮斑当成了照片的一部分，修复的时候不仅没去掉，反而加强了——亮斑修成了更亮的白块。
第五天的教训：低分辨率先放大再修复，顺序别反。尽量用扫描仪别用手机拍，反光和阴影会影响修复效果。
第六天：敏感照片要不要上传云端的纠结
第六天修到一张老照片，是外婆的全家福，上面有已故的亲人和一些家庭私密信息。我犹豫了一下要不要上传到在线工具。
在线工具确实方便，点一下就好。但照片上传到云端之后，数据去了哪里、会不会被用于模型训练、有没有被泄露的风险，这些你都不知道。大多数在线工具的用户协议里，关于照片数据怎么处理，写得都不太清楚。
最后我换了本地工具——用Topaz Photo AI在本地跑，照片不出电脑。虽然处理速度比在线工具慢一点，而且需要一张一张手动调参数，但至少不用担心数据安全。
如果你修复的是普通生活照，在线工具用着没问题。涉及家庭隐私、已故亲人、敏感信息的照片，建议优先用本地工具。
第六天的教训：有隐私顾虑的照片用本地工具，别图方便全往云端传。
第七天：回头看，哪些值得修哪些不值得
30张照片全部修完，花了大概一周，平均每天处理四五张。回头总结一下：
轻微模糊、有折痕、有划痕的——AI修复效果比较好，值得修。修出来能明显看出改善，而且不会走样。
大面积缺损、人脸严重变形的——AI帮不上什么忙，或者说修复之后跟原图差距太大，不太值得修。这时候"AI+人工"配合效果会好一些，先用AI生成基础修复版，再用Photoshop手动微调关键部位。
有情感价值但画面质量很差的——这类照片修不修看个人。如果是为了"看清楚一点"，AI能做到。如果是为了"还原真实"，AI做不到，也没必要纠结。
外婆看到修复后的照片，有一张看了很久。那是她和我外公年轻时候的合影，照片角上缺了一块，AI补了但补得不太对的地方我也没调——就那样了。她说："能看清他的脸就够了。"
也许修复老照片这件事，追求的不是毫厘不差，而是够用的清晰。
