上周末整理储物柜，我从一本旧书里翻出一张泛黄的黑白合照。相纸边缘已经发脆，画面中间有一道横跨人脸的折痕，右下角还缺了两小块。说句实在话，这种照片以前我是真不敢接——纯手工修复的话，光是把裂痕补完、再判断每个地方原本该是什么颜色，就得耗掉半天，还得有相当的美术功底。这次我却花了不到二十分钟，就让它变成了一张干净清晰、细节自然的彩色照片，靠的就是AI老照片修复插件。
现在这类AI修复插件已经不少，大多提供PS插件版本，也有独立软件。界面名字可能各不相同，但核心功能基本都围绕四个方向：划痕修复、自动上色、人脸增强、超分辨率增强。这篇内容适合两类人：一是家里堆着不少老照片，想自己动手修一修的非专业用户；二是平时修图碰到年代久远的客户照片、档案照片，想提高效率的设计师。把底层逻辑讲清楚之后，你换什么插件都能用上，参数逻辑也差不多。
1. 老照片修复的痛点：为什么以前没人愿意做
1.1 手工修复的难度到底在哪
以前处理老照片，主流方式是这样的：先扫描成数字文件，在PS里复制一层；用仿制图章把折痕部分一点点复制周边纹理盖上；遇到污渍用修复画笔；裂痕太大的还要自己画纹理再叠加；最后再处理偏色、对比度。如果这还是一张模糊的黑白照片，又顺便想要看彩色效果，好戏还在后头——你得把整张图按照区域一块块手动上色。裙子的颜色、墙面的颜色、领带的颜色，每一块都要判断、都要画笔填充，做完还要让颜色的过渡自然。一个熟练的修图师，一张图四小时起步是常态。
这就像修一只打碎的瓷碗。手工修复的做法是把碎片一块块对回去，裂痕处细小缺失还要自己烧制釉料补上，非常讲究耐心和眼力。问题是老照片的"碎片"往往不是清晰的几何边缘，而是模糊的灰度渐变，修着修着很容易把五官修歪，或者把背景修出明显补丁感。所以很多修图师见到老照片就头疼：活儿累、价格低、风险高，修完还不一定让客户满意。
1.2 AI插件改变的不只是速度
最早的一批PS去污功能只能处理细小灰尘点，碰到横贯人脸的折痕就会直接"摆烂"：要么把脸糊成一团，要么留一道明显的灰边。直到深度学习模型被用在这类任务上，情况才真正变了。现代AI老照片修复插件本质上是拿大量"破损照片+清晰原图"的配对数据训练出来的。它看的不是裂痕本身，而是裂痕周围的纹理、边缘和颜色走势，再根据学习到的概率补出一块几乎无法察觉的细节。所以它能把几十年前的老折痕修复得很干净，甚至可以把衣服褶皱、墙面砖缝这种重复纹理顺势补出来。
这也是AI插件"改变"的核心：它把传统修复里最高成本的部分——理解图像内容并重建缺失区域——变成了自动操作。你不需要美术功底，只需要会看预览、会调参数。但别高兴太早，AI的高效也带来了新问题：它经常在缺少线索时"脑补"，脑补得好看，但不一定正确。后面的章节我会专门讲哪些场景它容易撒谎、怎么让它闭嘴。
2. 开修前必做的三件事：扫描、安装与备份
2.1 扫描环节：分辨率与格式直接决定修复上限
很多人拿到老照片第一反应是拿手机翻拍，这是最大的坑。手机翻拍容易出现透视变形、光照不均、玻璃反光，而且拍出来的照片往往只有一两百万像素，细节少得可怜。AI修复再强，也是"有多少线索干多少活"，你给它一张糊到五官都不分的图，它只能自己编一张"看起来像人"的脸。
正确做法是把纸质照片放进平板扫描仪，把玻璃清洁干净，盖好盖子，扫描参数可按这样设：
| 用途 | 建议分辨率 | 文件格式 | 备注 |
|---|---|---|---|
| 普通纪念照 | 300dpi | TIFF或PNG | 原图已有破损，分辨率太低不好修 |
| 大合影/细节丰富照片 | 600dpi | TIFF | 方便后期裁切局部放大 |
| 手机翻拍 | 尽量不用 | —— | 实在没有扫描仪时，也要平拍＋补光 |
扫描时相纸边缘发脆的，不要用力压盖板，可以用无酸纸板轻轻托住，或者隔着干净玻璃压平。如果照片本身有卷曲，扫描一次不够平整，可以压一晚再扫。还有一个很实用的习惯：扫描前先用气吹把灰尘吹掉，因为AI修复划痕时是分不清灰尘和真实脏点的，扫描干净的图能省很多后续功夫。
2.2 插件安装与调用方式
我日常用的是以PS扩展面板形式存在的AI修复插件，打开PS后从"扩展功能"或"窗口"菜单调出，也有不少人用独立版。安装完成后首先检查两件事：一是显卡是否开启GPU加速，二是插件模型是否完整加载。AI修复的大部分计算都在显卡上跑，显存建议2GB以上，手头只有集成显卡的话，小图还能跑，遇到几千像素的大图会慢得让人怀疑人生。
首次使用这类插件通常会要求注册登录，或者自动下载模型文件。模型动不动几百MB，网络不好容易失败，失败后不要反复重试，先看日志或断点续传。这些盘外事听起来琐碎，但能直接影响修复体验。我的建议是第一次使用别拿珍贵照片测试，先用一张普通照片把流程跑顺，摸清楚按钮分别在什么位置、参数默认值是什么，再正式开工。
2.3 图层和备份：让每次操作都能反悔
AI修复最大的风险不是"修不好"，而是"修过头了还不知道怎么回去"。有些插件会直接在当前图层上执行算法，一旦效果不满意，后悔药都找不到。我的习惯是，原图在PS里永远作为最底下的锁定图层，任何AI处理前都先复制一层，命名带上用途，比如"01修复前备份""02去划痕结果""03上色结果"。整个项目存成一个PSD，导出JPG、TIFF都在最后另存。
另外建议准备一个专门的项目文件夹，里面放原始扫描文件、PSD工作文件、最终导出文件这三个子目录。修到一半电脑崩溃、插件崩溃，至少原始文件还在。这个习惯在批量修复几十张老照片时尤其重要，别问我是怎么知道的。
3. 它到底是怎么"修"的：AI插件的工作原理拆解
3.1 划痕破损修复：不是消除，是重建
我观察过不少第一次用AI修复插件的朋友，他们以为这东西就是PS里的"内容识别填充"，点一下就完事。其实AI修复模型比简单的纹理填充复杂得多。它的工作流程大致是：先识别出破损区域，再分析周边像素的结构，推断出边缘走势和纹理周期，最后逐像素生成填补内容。你修一条衣领折痕时，它能顺着衣领的线条方向补，不会把格子布纹补成横条纹。
用生活里的类比来说，它像一个阅读经验丰富的人读一篇被墨水涂掉几个字的文章，会根据前后文的语感和字距推断出被涂掉的内容是什么。多数情况下推断得挺靠谱，但遇到大段文字被涂掉、上下文没有线索时，它就只能编一个语法正确但含义可能不对的句子。这也是为什么照片上大面积缺块不能指望AI完美修复，后面我会详细说手工怎么补位。
3.2 上色：语义识别加颜色推断
自动上色的逻辑同样分两步。第一步把黑白照片切成语义区域：天空、皮肤、头发、衣服、植物、车道、墙壁等；第二步给每个区域套用训练数据里统计出来的"常见颜色"。天空大多是蓝色，草地大多是绿色，肤色根据黑白影调映射出不同深浅的暖色。这套逻辑对付一般风景照和人像照很有效，所以早期自动上色效果就已经很惊艳。
局限在于它不知道历史与事实。照片里如果是某个特定年代的制服，它大概率会上成现代常见的深蓝或灰绿；如果背景当年是刷了红漆的木门，它可能因为影调偏暗直接给成棕色。所以自动上色可以保证"看起来自然"，但不保证"符合事实"。想要更准确，就要用插件的提示色功能，在图上用画笔涂几个颜色种子，告诉它这块区域上什么色。这一步看似简单，却是决定修复照片"真实感"的关键。
3.3 人脸与清晰度：最惊艳也最容易出问题的地方
人脸增强和超分辨率是这类插件最吸引人的两个卖点。人脸增强模型面对一张模糊的脸，会先从图像中找到五官关键点，再把五官区域与训练库里大量清晰人脸的结构做匹配，重新生成清晰的五官轮廓。效果立竿见影，一张糊到只能看见轮廓的脸可能变得眉目清晰。但代价也在这里：模型会倾向于把人脸拉向"平均脸"或"好看的脸"，原本的单眼皮可能变双眼皮，微胖的脸颊可能被修尖，甚至年龄都会看着小十岁。
超分辨率增强的原理也类似，它猜出高频细节后补充到画面里，2倍增强通常很安全，一次性拉到4倍就很容易出现"蜡像皮肤"。总结成一句话：AI是在用概率替代缺失的信息，线索越少，它替你做的决定就越多。理解了这一点，你就知道什么时候该关掉某个功能、什么时候该手工接管。
4. 完整实操流程：一张泛黄破损旧照的修复记录
4.1 第一轮处理：预处理与一键修复的参数选择
拿一张典型的泛黄破损旧照举例：纸面泛黄、折痕明显、局部污渍、人脸偏糊、黑白影调。先在PS中打开扫描图，复制背景层，命名"00原图副本"，再裁掉扫描产生的黑边白边，用拉直工具校正倾斜角度。这里要注意，预处理阶段千万不要先做全局提亮或自动色阶。我试过很多次，提前加强对比度会让AI模型把折痕阴影误当成真实阴影，修复时反而会保留一部分折痕。让AI在尽量接近原始灰度的图像上干活，效果最稳。
随后调出插件面板，在修复模块下把参数调成较低默认值。不同插件参数名不完全一样，但通常有三个要关注：去划痕强度、去噪强度、人脸增强开关。我个人经验是去划痕强度放0.4到0.6之间，去噪放中档，人脸增强先关闭。第一次运行前，最好先在预览分辨率下跑一遍，观察三点：折痕是否干净、衣服纹理是否还在、人脸是否变形。预览没问题，再切到全分辨率正式执行。
4.2 第二轮处理：手工清理残留瑕疵
AI处理完一遍之后，不要立刻进入上色。把图片放大到100%到200%检查，屏幕上往往还能看到三种残留：一是大裂痕边缘有轻微半透明的补丁感，二是污渍没完全清除，三是折痕经过AI修复后留下方向不对的纹理。这些不是AI修不了，而是它在追求整体和谐时，牺牲了局部细节。
这时我会用PS的修复画笔或仿制图章，把采样点设在附近纹理类似的干净区域，一圈圈向裂痕中心收拢。修补人脸部分时，放大到300%到400%再动手，笔刷硬度保持0，流量放20%左右，慢慢叠。别小看这几分钟手工操作，我修了几十张照片后得出结论：AI负责把90%的脏活累活干完，剩下10%的手工清理恰恰是决定最终观感的部分。如果担心自己手抖，可以把AI结果复制一层，加蒙版，用黑色画笔把不满意区域擦掉，露出下一层更自然的修复结果。
4.3 第三轮处理：上色与色彩调整
上色之前要确认图像已经转成RGB模式。很多人直接把灰度图拖进插件，结果上色模块是灰的，或者导出后颜色偏绿，都是模式没转。然后开始自动上色，第一次跑出来的颜色往往会让人又惊又喜：惊的是居然这么自动，喜的是确实整体和谐。但这时候先别满足，仔细看皮肤、衣服、背景三个大区域的色相。
皮肤发灰发绿是很常见的问题，用可选颜色里的红色与黄色通道微调；衣服颜色太鲜艳，比如自动上色把一条本来素色的裙子整成荧光蓝，就单独选中裙子的范围，降低饱和度再压暗一些。如果插件支持提示色，更推荐在上色前就手动给几个关键区域涂上参考颜色：皮肤涂浅黄、头发涂深棕、背景墙面涂米白，再让模型根据这些种子颜色完成整图。出来的结果会比纯自动上色真实很多，也更有记忆点。最后再做一道柔和的S形曲线，把黑位和白位收一点，避免修复图层出现生硬的数码感。
4.4 第四轮处理：清晰度增强与出片
如果原图分辨率不高，比如扫描出来长边只有1500像素，需要放大时，最后再跑超分辨率模块。先跑一倍预览确认人脸、衣服纹理没有明显变形，再正式以2倍增强输出。记住顺序：先超分，再锐化，不要反过来。如果先锐化再放大，会把噪点和锯齿也一起放大，效果惨不忍睹。建议在超分后用USM锐化，数量110%到130%，半径1.0到1.5像素，阈值2到3，让边缘变硬而不是整体发脏。
导出是收尾动作，却最容易被人忽略。我的习惯是：PSD保留全部图层，作为一个完整工程存档；再导出一份存档级TIFF或PNG，长边尽量保持原始扫描尺寸；最后单独导出一份分享级JPG，质量放到80到85，长边控制在2000像素左右，方便发微信和打印。整个流程走下来，一张普通老照片实际用时15到20分钟，熟练之后更快。
5. 最容易翻车的四个场景与挽回方法
5.1 翻车场景：脸被"AI换脸"
这是老照片修复里最常见的投诉：修完确实清晰了，但怎么看都不像照片里的那个人。原因就是人脸增强模型在重建五官时，往"平均脸"方向拉了很多。解决办法不是放弃AI，而是把工作拆开：先单独跑去划痕，不点人脸增强，然后对局部五官做手工强化。眼睛部位可以用低强度锐化，让眼睛轮廓稍微清晰一点，嘴唇和发际线用1到2像素的修复画笔轻扫，把明显伤口补掉就行。
如果插件已经在全图上跑过了一轮人脸重建，也别急着删掉重来。把结果图层复制一层，加蒙版，用黑色画笔把整张脸擦出来，露出下面没做AI人脸重建的底层。这样既能保留背景和衣物的修复效果，又能避开"换脸"问题。我在实操中发现，家人对"有点糊但确实是我长辈"的接受度，远高于"很清晰但看着像别人"。修老照片不是追求最清晰，而是追求最像。
5.2 翻车场景：颜色上得离谱
自动上色最让人哭笑不得的是，它会上出一些"理论上不该出现"的颜色：白色蚊帐变成紫色，深色地砖变荧光蓝，墙面被刷成粉红色。原因是黑白照片里不同材质的明度关系不够区分，模型只能猜。遇到这种局部离谱颜色，不要尝试整体降低饱和度，那样会把正确的皮肤颜色也拉灰。正确做法是用快速选择工具或磁性套索把问题区域选出来，羽化2到3像素，再做色相/饱和度或可选颜色微调。
更省事的方法是在上色前就干预：用提示色工具手动指定几个颜色种子，尤其是皮肤、衣物、背景这三个大色块。颜色种子不需要很精细，画几笔有代表性的颜色就行，模型会把它当作约束条件来执行。只要种子的颜色方向对，自动上色的结果基本不会跑偏。所以说一键上色不是终点，它只是帮你完成最繁琐的第一步，后面至少还有几分钟的色彩校正等着你。
5.3 翻车场景：修完还是很模糊
有一种情况是扫描分辨率太低，原图本来只有二十万像素，AI修复之后轮廓清晰了，但细节还是"糊成雾"。这与模型能力无关，是源信息不够。我的处理思路是分步放大：先在低倍率下跑一遍修复去噪，再在2倍超分基础上做一次轻度锐化，隔一层再做一次1.5倍超分。这样分阶段放大比一次性拉4倍要稳，纹理更真实，不会出现那种光滑得像塑料的皮肤质感。
另外，要把"修复"和"增强"的期望分开。老照片里的人脸如果本来就模糊成一团，AI修复能做到的是把五官轮廓和光影理清楚，但绝对做不到无中生有地还原每一根睫毛。能还原到"看得出是谁、表情自然"的程度，就已经值得庆祝。对实在模糊的区域，与其反复放大，不如接受它，并把这部分处理交给手工绘制承担，千万不要硬放大。
5.4 翻车场景：插件卡死或内存不足
AI修复插件对资源的消耗比很多人想象中大。一次两千万像素图片的超分，显存占用可以到好几GB，再叠加其他图层和软件，很容易弹出内存不足或直接卡死。我总结了几条防崩溃经验：第一，工程文件长边尽量控制在4000像素以内，必要时先裁剪关键区域再修复；第二，第一次跑正式效果前，一定在预览分辨率模式下试跑，确认参数正确再全分辨率输出；第三，一个时间段只跑一个模型模块，不要同时勾选去划痕、上色和人脸增强三个高消耗任务硬跑。
如果还是崩溃了，也不要慌。PS本身有自动恢复机制，但前提是你提前存过PSD。所以我的习惯是每处理完一步就按一次保存，批量修复时更是如此。这些小习惯看起来很笨，但碰到一次软件崩溃就能让你找回几十张照片的工作量。
6. AI修不了的部分，恰恰是最值钱的部分
6.1 大面积缺块：AI的想象力不够
遇到照片缺了一大块，比如墙角被撕掉、半张背景没了，纯AI修复的结果通常是一块平滑的"虚拟纹理"：颜色接近、纹理均匀，但仔细看就会发现缺少真实的透视关系，也没有当初照片拍摄时的光影层次。这种情况下，AI不是补不上，而是它只会按一个平均值去补，补出来的区域像一块贴纸。
我的建议是人工介入。先复制一块纹理特征类似的区域，用透视变形调整方向，叠加蒙版慢慢融进缺口；再用仿制图章把细节一点点补充，最外层加一点杂色滤镜模拟老照片颗粒。整个过程不需要美术基础，但需要耐心。更极端的情况，如果残缺区域包含人脸，我个人不建议让AI硬补——人脸的特征太敏感，AI补出来大概率是另一张脸。宁可用模糊修旧的方式把它做成艺术留白，也不要给自己找麻烦。
6.2 眼神与高光：手工处理往往起决定性作用
修完一张老照片，如果总感觉哪里不对劲，通常问题出在眼睛。老照片的黑白影调里，眼珠和高光往往都糊在一起，AI修复会把它处理成一片均匀的深色，结果整张脸看起来没神。这时候手工处理只需两分钟：新建一个图层，用5%到10%不透明度的白色画笔，在眼球合适位置点一小笔作为高光，再用模糊工具轻轻晕开，让高光不显得突兀。就这一小笔，人的精气神马上就不一样。
同理，嘴唇边缘、发丝受光面、衣领折痕这些地方，也可以用低透明度的白色或浅色画笔增强受光感。这个手工补光步骤如果放在AI修复和锐化之后做，效果立竿见影。我会把它放在整个流程的最后，只花两三分钟，但恰恰是这两三分钟，让照片从"电脑修过的旧照片"变成了"有温度的老照片"。
6.3 修复尺度的把握：存档级修复与分享级修复
修复老照片之前，先想清楚修来做什么。如果是做家庭档案、宗谱资料，我建议走"存档级修复"路线：尽量保持原始影调结构，只做去划痕、去污渍、降噪、适度锐化，不增加那些无法证实的信息。上色可以只在副本上做，原图不动。导出用TIFF，保留完整图层，这样将来技术升级了还能重新修。
如果是发给亲戚朋友看、纪念册印刷，就可以走得更大胆一些：自动上色、人像增强、适度美化都做，怎么取悦眼睛怎么来。重点是两种路线必须分开做，别混杂在一个文件里。先出存档版，再复制一份做分享版，是我处理家庭照片项目时的固定顺序。这个习惯能让所有人各取所需，也能避免"我明明要的是修复，你怎么给我换了个新头"的尴尬。
修完那张泛黄合照之后，我把成品发给家里长辈，长辈看了半天说："这颜色还挺正的。"那一刻的感觉，比做成任何商业案例都踏实。要说我现在最想分享的个人经验，就一条：别等原件彻底碎裂才考虑修复。扫描要趁早，备份要趁早，修图时可以分两层思路——先出存档级，再出分享级。AI插件只是把门槛降低了，但照片里那个人的眼神、轮廓和一家人的记忆，还得由拿着鼠标的人亲自守着。工具会不断换代，泛黄却不会等人。
