我外婆有一本厚厚的老相册，里面有一张她和外公结婚那天的合影，1958 年拍的。
照片是 6×9 厘米的小幅，泛黄，边缘磨损，最关键的是——脸上的细节几乎都糊了，能看出五官位置但看不清表情。我妈想把这张照片放大到 A4 框起来挂在客厅。
这是 AI 老照片修复最常见的需求。但很多人对它的期望有个偏差，需要先纠正：AI 不能"复原"老照片，AI 只能"重建到一个合理的版本"。
这两件事差很多。
老照片为什么会糊
要理解 AI 在修什么，先要理解照片是怎么"坏"的。
扫描分辨率太低。家用扫描仪的常用扫描精度是 300 DPI，这个精度扫一张 6×9 厘米的小幅，得到的数字图片大概是 700×1050 像素。这个像素量对于"原片大小看清楚"够用了，但你想把它放大到 A4（约 3500×2480 像素）就严重不够，每个原始像素要"撑开"到 3-4 个新像素的位置，中间靠插值算法填补——传统的双三次插值会让图像看起来"平滑但糊"。
胶片本身的颗粒。1958 年的胶片化学颗粒度本来就有限，加上当时的相机镜头分辨率，照片上人脸的细节信息可能本来就只够支撑现在 3 厘米×4 厘米大小的清晰显示。再大就是无中生有。
压缩损失。如果中间这张照片经过手机拍照转存、微信发送、压缩保存这些环节，每一步都会损失高频细节。JPEG 压缩会丢掉人眼看不太出来的高频信息，但叠加多次后会明显糊化。
老化损伤。泛黄是化学褪色（蓝色感光层最先衰减），划痕、霉斑是物理损伤，颜色偏移是不同感光层衰减速度不同导致的色彩失衡。
这些退化加在一起，让一张 1958 年的老照片在数字化后看起来糊、暗、黄、有点脏。
AI 修复的真实原理
AI 修复不是"还原 1958 年那一刻的光子"——那些信息已经永久丢失了。AI 做的事情是基于训练数据里学到的"清晰人脸应该长什么样"，把糊的部分重建成一个合理的版本。
这是关键。"合理"不等于"原样"。
具体来说，主流的 AI 修复用两种思路，常常组合使用：
Real-ESRGAN：通用放大
Real-ESRGAN 是目前最常用的开源超分辨率模型。它的训练方式是：拿一张高清图，人为加上各种退化（模糊、噪点、压缩、缩小），让模型学习"看到退化版，怎么输出原版"。
实际推理时，你给它一张糊图，它输出一张 2 倍或 4 倍尺寸的清晰图。它的擅长场景是通用场景的整体清晰化——风景、建筑、动物、文字。
但 Real-ESRGAN 在人脸上经常翻车。原因是它的训练数据里人脸只是众多内容之一，它学到的"人脸应该长什么样"是统计平均，不是你外婆那张脸应该长什么样。结果就是输出的人脸"看起来清晰，但不像本人"，五官位置对，但细节是模型猜的。
GFPGAN / CodeFormer：专门修人脸
针对人脸有专门的修复模型，GFPGAN（腾讯出品）和 CodeFormer 是两个代表。
它们的思路不同——基于 StyleGAN 这种生成式人脸模型的"人脸先验"，模型大脑里有一个"人脸长什么样"的统计分布，遇到糊的人脸时，把它往这个分布里靠拢，输出一张"看起来很像高清人脸"的图。
这种思路的副作用很明显：
所有人脸都会被"美化"。皱纹被磨平、毛孔被简化、皮肤变得过于光滑。你外婆 1958 年那张沧桑而真实的脸，可能被修成一个 40 岁不到的"年轻版"。
人脸特征会向训练集均值靠拢。如果模型主要训练数据是当代亚洲人脸，输出会带有当代人脸的特征，丢失原本那个年代独特的面相特征（比如发型、眉形、表情习惯）。
眼睛容易出问题。糊到看不清眼睛的原图，AI 经常给出"通用版的眼睛"——双眼皮、瞳孔位置标准、有眼神光。但本人可能是单眼皮，或者拍照时眼睛半闭。
颜色与去噪
除了清晰化，老照片修复还涉及颜色复原。
黑白照片上色用的是另外一类模型（Deep Colorization、DDColor 等），它的工作方式是根据语义识别图中物体，给每个物体上"统计上最常见的颜色"——草是绿的，天是蓝的，皮肤是肉色。但具体到你外婆当年穿的那件旗袍是什么颜色，AI 完全不知道，它只会给一个"最常见的旗袍颜色"。
去黄、去褪色用色彩校正算法。去划痕、去霉斑用 inpainting（图像内补全）算法。这些都是相对成熟的技术，效果通常比清晰化更可靠——因为它们不是"重建"，是"去除"。
修出来的照片该怎么用
我对老照片修复的建议是：把"修复"和"原图"两份都留着。
修复版用来日常展示——挂客厅、打印相册、家族群分享。原图保留在硬盘里作为档案，因为修复版本质是 AI 的一次"创作"，几年后 AI 模型迭代了，你可能想用新模型重新修一遍。
另外，重要的家庭历史照片，修复时要谨慎。
举个例子，我外公已经过世了。如果我用 AI 把他那张糊的脸"修复"成清晰的，但 AI 修出来的人不太像他本人——这件事在情感上是有风险的。你以后看到的、记得的，可能是 AI 生成的那张"近似版"，而不是他真实的样子。
更稳妥的做法是分步修：
- 先去黄、去褪色、去划痕、去噪点。这些操作不重建细节，只是清理，相对安全。
- 再做温和放大（2 倍以内，不开人脸增强）。让照片整体清晰度提升，但不强行让模糊的脸变"清楚"。
- 如果一定要做人脸清晰化，单独做一份，并且和原图对比，确认重建后的脸还像本人。如果不像，宁可用模糊的真版本，也不要用清晰的假版本。
哪些照片 AI 修不好
我列几种 AI 当前确实救不回来的情况：
严重过曝或过暗的照片。原图整片白或整片黑的区域，没有任何信息，AI 没办法凭空猜出来该有什么。这种照片只能接受。
严重的撕裂、缺失、烧毁。AI 的 inpainting 能补小划痕、小霉斑，但补不了"半张脸不见了"这种大面积缺失。
远景中小到几个像素的人脸。一张合影里某个人的脸如果只有 10×10 像素，AI 输出的脸基本是凭空生成的，不要相信。
多人合影中混在一起的脸。AI 处理时容易"串脸"——把 A 的部分特征用到 B 上。建议这种照片用框选工具一张一张脸单独修。
字迹、印章、签名。这些是"信息性"内容，AI 重建后字会变，签名会丢失个人特征。重要文件不要用 AI 通用放大处理。
实操步骤
如果你手头有一张老照片要修，可以按这个顺序走：
第一步：用扫描仪或者用手机平拍，尽可能拿到高分辨率原始数字版。手机拍的话用专门的扫描 App（如 Office Lens、Microsoft Lens），它会做透视校正和增强。直接用相机拍的，对焦要准，光线要均匀。
第二步：做物理清理。降低饱和度去掉黄色色偏，用色阶或曲线把对比度拉回来，让画面整体干净。这一步用普通修图软件就能做。
第三步：送进 AI 放大。一开始用 2 倍放大试试，看效果是否自然。如果出现了不自然的纹理或者脸变得不像，回到原图重来，调小放大倍数。
第四步：如果是人物照，单独看一下脸。脸清晰了但不像本人，宁可用模糊版本。脸清晰且像本人，再考虑用增强版。
第五步：导出多个版本，原图、清理版、清理+放大版各存一份。
想自己上手试，可以打开 AI 图像高清放大工具 上传一张老照片或者一张低清图。工具自带 Real-ESRGAN 风格的通用放大，对老照片、模糊截图、低清图都有效果。
回到我外婆那张照片。
我后来给我妈的方案是：扫描成 600 DPI，做了去黄、降噪、补划痕，整体 2 倍放大；但没有用强力的人脸重建模型。最终输出的照片不算特别"高清"，但每个细节都还是原图本来的样子，没有 AI 编造的部分。
我妈把它打印出来挂在客厅。来串门的亲戚都说："还是当年那张啊，看着真亲切。"
这是我能给老照片修复的最好结果——清晰得刚好，真实得完整。