AI修图还原老照片实测：深度学习修的到底行不行

AI修图还原深度学习这摊东西，我断断续续玩了大半年，工具装了七八个，翻车样例攒了一文件夹。起因是我妈翻出一本旧相册，最底下压着一张爷爷和奶奶一九七几年的结婚照：边角碎了，脸上有道白痕，纸面泛着霉斑。她问我，网上那种AI修图还原的工具，真能把这张修好不？正好，我干脆把手上还能用的工具全拉出来跑一遍这张照片，效果好坏都留档。先说结论：有的工具修完我奶奶差点没认出自己，也有的工具把我爷爷修成了另一个人。

先搞懂：AI修图还原深度学习在猜什么

原子答案：它不是在"修复"，是在"猜"。深度学习模型看过几百万张人脸照片，学会了人脸该长什么样，再把缺的像素按统计规律补出来。所以照片里破的地方不是找回原样，是模型画了一个最可能的版本。这也是为什么破得越狠的照片，修出来越不像本人——脸没了，模型只能给你画一张平均脸。

我第一次明白这个原理，是修一张我外婆三十岁时的单人照。照片右眼位置有一块指甲盖大的霉斑，工具直接给它生成了"一只右眼"。眼睛是有了，可外婆生前是内双，修出来成了大平行双眼皮。我妈看了一眼就说：这不是你外婆。挺离谱的，但也没辙，深度学习猜不出一个逝去的人年轻时的眼皮。

所以我的态度很明确：脸还完好的照片，AI修图还原效果确实顶用；五官有损的，别抱太大期待，人工修图师更靠谱。

实测一：模糊翻新，我拿三张图挨个跑

原子答案：轻度模糊改善明显，皮肤质感和轮廓最见效。重度模糊或整脸糊掉的，各工具表现差距很大，有一家直接把脸"修"变形了。

测试素材是我自己选的三张：一张一九八几年的全家福（轻度模糊，颗粒感重），一张我爸当兵时的证件照翻拍（中度模糊，反光），还有一张九十年代傻瓜相机拍的游客照（整个脸都糊成一团）。同一张图分别丢进三个不同的修复工具，导出来放进同一个文件夹对比着看。

先说最惊艳的。全家福那张颗粒噪点很重，最好的那版修完，脸部颗粒几乎全退了，我姑的刘海一缕一缕都能看清，连她当年别的那枚发卡都浮出来了。我发给家族群，我姑自己都愣了下，说没想到当年照得这么清楚。

再说翻车的。那张重度模糊的游客照，三个工具里有两个把嘴修歪了，一个把眉毛修没了。最气人的是其中一个，脸部锐化过头，修出一张塑料假脸，油光锃亮，像我爸顶着张蜡像出门旅游。所以模糊翻新这事，得看你照片糊到什么程度。

顺带一提我踩过的一个坑：修复工具默认会把图"放大两倍"，图是变大了，细节并没有多出来，纯插值。导出前记得把放大倍数关掉或者调回一倍，不然文件虚胖。

实测二：智能上色，猜对是惊喜猜错是事故

原子答案：黑白照上色靠的是深度学习对场景的颜色统计，衣服、天空、草地这类大面积颜色猜得挺准，小物件颜色纯靠蒙。

上色是我觉得最有意思也最玄学的环节。还是那张爷爷的结婚照，黑白底。修完色我拿给我妈验收：中山装是蓝灰的，我妈说对，爷爷就一件蓝灰的；背景墙是土黄的，也对，老家那面墙就刷的黄土浆。

但我奶奶外套被上成了暗红色。我妈盯着看了半天，说她记得好像是深绿的，不确定。这就尴尬了——没人说得准。上色算法面对老照片，给出的只是"那个年代最可能的颜色"，不是真实颜色。你要是拿上色照去考证历史，那就跑偏了。

还有一个细节我必须说：皮肤上色普遍偏黄偏暗，可能是训练数据里老照片本身的色调带偏的。同一张图我分别上色了三次，两次蜡黄，一次还算自然。手气成分不小。说实话，智能上色更适合当"氛围参考"，真要讲究，人工调色师按长辈口述来配色，才是对照片的尊重。

这里插一段我的私人建议，跟工具测评无关。修老照片这事，技术只是手段，翻拍才是起点。我一开始偷懒，手机对着照片随手一拍就丢给工具，结果反光、透视变形全被当成"破损"处理，修出来的人脸是歪的。后来我学乖了：照片平铺在窗边自然光下，手机正对着拍，关掉闪光灯，一张图拍五六次挑最清楚的一张。翻拍质量上去了，修复效果至少多三成。这话有点绕口，但你记住一句就行：垃圾进，垃圾出。工具再神，救不了糊到家的翻拍图。

另外提醒一句，某些小程序要求上传原图才能"解锁高清版"，读读用户协议，照片可能被拿去当训练数据。家里长辈的照片，我还是介意这一点的。

效果、速度、代价一张表看清

原子答案：我的排序是清晰度优先，再看细节保留，价格最后考虑。修复这事儿免费额度基本够个人用，贵不贵不是重点，修坏了才是真损失。

我个人的偏好很明确：正式的、有纪念意义的照片走工具B那类本机方案，效果可控还不上传；日常晒朋友圈的随手修，工具A够用了。工具C那种修出来"每张脸都年轻二十岁"的效果，长辈可能喜欢，可那就不是修图，是换人了。

至于机器学习原理本身，如果你想搞明白AI为啥能"无中生有"地补像素，可以看看我们这篇不写公式讲机器学习的白话版，思路是相通的。

哪种照片值得送去做AI修图还原？

原子答案：五官清晰只是模糊、褪色、有划痕的，放心交。五官缺失的、整张脸糊掉的、以及有历史价值的原件，谨慎。

按我这大半年的经验，值得修的远比想象中多。家里翻出来的老照片，八成以上都是"底子还在，就是脏了旧了"的，深度学习修复属于对口。剩下两成里，五官损毁的是重灾区，工具再强也是给人换脸，不如找人工修图师，或者干脆保留破损——破损本身也是记忆的一部分，这话是我妈说的，我觉得有道理。

年代特别久远的，比如民国或者更早的照片，我建议先咨询专业修复机构，扫描留档再动。老照片的纸基、相纸工艺都有讲究，自己上手压平、擦拭反而可能造成不可逆伤害。我外婆有一张一九五几年的照片，当时我不懂事，拿橡皮擦划痕，结果纸面直接擦薄了一块。这个教训我记到现在。

常见问题

AI修图还原老照片会把脸修成别人吗？

有这个可能，概率取决于照片破损位置。深度学习修脸是"按大概率补脸"，五官缺失时它会生成一张模板化的脸，跟本人未必像。我实测十来张里出过两次明显不像的。辨别方法很简单：修完给家里的长辈看，他们认不出本人就该重来。

网上免费的AI修复和付费的差在哪？

多数免费版限次、限分辨率，或者带水印。付费解锁的是完整分辨率和优先算力，底层模型未必是更好的那一个。我的做法是免费的先试，效果满意再考虑付费导出，别上来就充会员。正式照片建议本机跑开源方案，原图不外流。

修好的照片打印出来会失真吗？

会有一点。屏幕上看着细腻的皮肤，打印出来可能显得过磨。老照片原尺寸普遍不大，按原尺寸打印基本无碍；要放大挂墙的，别超过两倍，再大就是插值硬撑了，细节是假的。

长辈的照片上传到修复平台安全吗？

选大平台、读隐私条款，注意是否声明"上传内容可能用于改进模型"。介意的话走本机开源模型，数据不出自己的电脑，这是最稳的方案。

写到最后，工具清单和链接我就不放了，这类服务迭代太快，你看到这篇文章时可能又换了一茬。核心判断标准不变：破在皮、五官在，深度学习修复是真有用；伤在脸，就得靠人。想继续看AI在图像上的其他玩法，可以看看这篇AI绘图与深度学习基础，技术来路上是近亲；想了解学习机里那些AI功能的真面目，什么是AI学习机也值得一读。原理层面，维基百科的深度学习词条讲得比我清楚，微软官网也有不少图像修复的研究介绍。

要是你家也有这么一张舍不得扔又修不好的老照片，先翻拍个电子版，拿免费额度试一轮再说。觉得这篇有用的话，转给正在纠结老照片怎么处理的家人朋友，省得他们花冤枉钱。