用 AI 修复并给老照片上色

一箱家庭老照片是有限的资源。一旦某张褪色或撕裂,除非有人做过一份好的副本,否则里面的信息就永远消失了。细致地扫描,再用 AI 修复,可以救回一张几乎看不清的脸——但前提是你把原件当作需要保护的东西,而不是拿来处理的素材。

纸质照片是怎么老化的

• 褪色与偏色。 染料层老化速度不同,照片会逐渐偏黄、偏品红或偏青。
• 划痕与折痕。 浮在画面之上的物理损伤。
• 灰尘、霉斑与污点。 在潮湿的盒子或相册里很常见。
• 颗粒与噪点。 胶片本身就有,扫描方式粗糙时会被放大。
• 结构性损坏。 撕裂、缺角、水渍和化学污斑。

每一种问题的应对方式都不同,这也是"一次性猛修"很少能解决全部问题的原因。

决定成败的扫描要点

1. 用你的设备支持的最高光学分辨率扫描,纸质照片通常需要几百 dpi。
2. 让照片保持平整。卷曲的话,用干净的重物压住边角。
3. 避免闪光灯和直射光,它们会在光面相纸上产生反光,掩盖细节。
4. 没有平板扫描仪时,用手机上的扫描 App,而不是随手一拍,并让手机与照片平行。
5. 只裁到照片边缘,留一点白边。
6. 保存一份无损母版——PNG 或 TIFF——之后都从副本上作业。
7. 趁还有人记得,把日期、地点和照片里的人物写进文件名。

AI 修复擅长的部分

• 降噪和去除颗粒。
• 清理灰尘斑点和细小划痕。
• 恢复褪色照片的对比度与层次。
• 温和锐化,把面部细节找回来。
• 放大扫描件,让它能印得更大。
• 轻度校色,去掉偏黄或偏品红的色偏。

AI 修复做不到的部分

• 重建从未被记录下来的信息,比如模糊背景里的一张脸。
• 辨认看不清的题字或远处的招牌。
• 在没有虚构内容的前提下补全大块缺失区域——那属于另一种更冒险的操作,而不是修复。
• 在上色时保证历史准确。

上色,而不是改写历史

上色是推断,不是还原。模型会猜肤色、猜那条裙子是蓝色、猜那辆车的颜色。几条实用规则:

• 做好后期手动修正肤色的准备,第一遍很少是对的。
• 要求自然、低饱和的色调。老照片上鲜艳的颜色一眼就假。
• 单独留一份黑白版本的副本,两个版本都要留。
• 如果从别的照片或记忆里知道真实颜色,记下来并朝那个方向调整,而不是直接接受模型的猜测。
• 不要添加画面里本来没有的人、物或细节。

合影与破损怎么处理

合影更难,因为每张脸都更小,而且同一张照片里不同人的肤色受当时的现场光影响。先把整张图修复好,再逐张脸评估。面对物理损伤要小步走:先整体降噪,再修一处撕裂,再修下一处。每一步都比"一次性全上"更容易判断,出问题时心理上也更容易回退。

归档结果

用日期、地点和人物给修复后的文件命名。保留未经处理的原始扫描件。至少在两个地方各存一份,其中一个不要在你主力设备上。如果这张照片很重要,就把它印出来——一份好的纸质照片能扛过那些已经杀死所有消费级数字格式的格式变迁。

动手前的检查清单

• 有没有无损扫描件?
• 有没有在别处备份?
• 是否知道文件名要用的姓名和大致的日期?
• 目标是修复、上色,还是两者都要?
• 有没有保留黑白版本?

接下来做什么

先从一张真正重要的照片开始,而不是一整本相册,按降噪、修损、恢复层次、最后才上色的顺序慢慢来。这些步骤可以在 Bylo AI 上一步步执行,每做完一步都和原图比一次再进入下一步。