用AI把老照片修复清晰：三步搞定

2026-09-20

用AI把老照片修复清晰：三步搞定

前阵子回老家，翻出一鞋盒的旧照片。我妈指着一张她二十岁时的黑白照说，这张要是能放大挂墙上就好了。照片本身已经泛黄，边角还有折痕，脸部的细节基本糊成一团。我当时就用手机拍了张照，回去试了几个AI修复工具，结果还真能用。这篇文章就把我踩过的坑和总结出来的三步流程写下来，顺便对比一下目前主流的几个工具。

第一步：别急着喂给AI，先把照片数字化做对

很多人修复效果差，问题不出在AI模型上，而出在输入的那张照片。

手机直接拍是下策。手持拍摄会有透视变形、反光、阴影，AI拿到这种图会把这些当成人脸特征去"修复"，结果就是越修越怪。我第一张测试图就是用手机随手拍的，修出来我妈说"这谁啊"。

正确的做法是用扫描仪，如果有的话，600dpi起步，24位彩色模式，哪怕原片是黑白的也扫成彩色——这样能保留纸张的色偏信息，后面反而好处理。没有扫描仪就用手机+Google PhotoScan这类专门做文档扫描的App，它会引导你拍四个角度然后自动拼合去反光，效果比单张直拍好太多。

扫描完还有一个容易被忽略的步骤：手动裁掉照片外的背景。桌面、相框、手指这些内容如果留在图里，AI会浪费算力去处理它们，甚至把桌面的纹理当成照片的一部分来"补全"，边缘就会出现奇怪的伪影。

这一步做完，你手里应该是一张干净的、分辨率不低于2000px长边的照片文件。

第二步：选对工具，不同损伤类型对应不同方案

这是最关键的一步。市面上工具很多，但没有一个能通吃所有情况。我拿同一张有折痕+噪点+轻微模糊的老照片测了四个主流工具，结果差异挺明显的：

具体说说我的实际体验。

Remini的人脸重建是真的强。我妈那张照片里五官已经糊成一片色块了，Remini硬是给还原出了双眼皮和鼻梁的轮廓。但它的毛病是"过度脑补"——有张我爷爷戴帽子的照片，帽子边缘被它修出了一圈不存在的毛领。所以Remini适合脸部清晰度不够、但整体构图完整的人像。

Topaz Photo AI走的是另一条路。它不会瞎猜内容，主要是做去噪、去模糊和超分辨率。折痕这种结构性损伤它处理得比Remini好，但脸糊了它救不回来。我一般用它做最后一步的放大和锐化。

GFPGAN是开源的，需要自己配Python环境。好处是免费、可调参数、能批量跑。我拿它跑了一组30张的老照片，RTX 3060大概每张8秒。缺点是划痕处理基本靠运气，而且对黑白照片的自动上色效果时好时坏。

我的建议是组合使用：先用Topaz或美图做去噪和划痕处理，再用Remini或GFPGAN做人脸重建，最后如果需要放大再用Topaz做一次超分。

第三步：参数别全默认，这几个地方要手动调

大部分人直接点"一键修复"就完事了，但默认参数往往偏保守或者偏激进。几个我实测下来值得手动调的地方：

去噪强度。默认值通常在50%左右，对老照片来说偏低。胶片颗粒和扫描噪点如果不压下去，后面人脸重建时AI会把这些噪点当细节放大。我一般拉到70%-80%，但注意别拉满，拉满会丢失皮肤纹理，人脸会变成塑料质感。

人脸重建的相似度权重。GFPGAN里有个--weight参数，默认0.5。调高到0.7-0.8会更"忠于原图"，但修复力度下降；调到0.3以下就会开始"换脸"。我的经验是0.6左右比较平衡。

放大倍数。别一步到位。想放大4倍的话，先2倍再2倍，比直接4倍效果好。直接4倍容易出现棋盘格伪影，尤其是背景是纯色的时候。

输出格式。一定要存PNG，别存JPG。JPG的压缩会把你刚修复好的细节又糊掉一部分，尤其是高频纹理区域。

还有一个技巧：修复前后做对比图层。Photoshop里把修复后的图叠在原图上，透明度调到50%，能快速看出AI在哪里"编"了内容。如果编得太离谱，就降低修复强度重跑一遍。

最后说两句实话

AI修复不是万能的。它能做的是"合理推测"，不是"还原真相"。照片里原本就丢失的信息，AI只能根据训练数据里的常见人脸特征去补，补出来的东西不一定是你家人的真实长相。我给家里老人修照片的时候，会先跟他们说清楚这一点，免得修出来一张"像但不是"的脸，反而让人失望。

另外，如果照片本身有重要的历史或情感价值，修复前一定备份原图。我见过有人修完不满意，原图又被覆盖了，那就真找不回来了。

现在我那个鞋盒里的照片已经全部数字化，修好的大概有四十多张。我妈那张二十岁的照片放大了挂在客厅，她看了半天说"眉毛好像不太对"，但还是挺高兴的。这大概就是AI修复最真实的样子——不完美，但够用。