AI老照片修复常见坑，这4种图别乱修

打开手机或电脑上任意一个AI修复类工具，把泛黄的老照片拖进去，几秒钟后画面变清晰了——这是很多人的初体验。但等到真正把修复结果放大细看，会发现脸上多出了奇怪的皱纹，背景文字变成了乱码，甚至照片里的人多了几根手指。这不是工具不够聪明，而是这类图像本身就不适合交给AI直接处理。

AI修复老照片的本质，是让模型根据学习过的海量图像规律，对模糊、破损的部分进行"推测补全"。这个推测过程对绝大多数照片有效，但遇到某些极端输入时，它的"脑补"会跑偏。如果你近期在收集家庭旧照、为短视频或动画项目做素材准备，下面这4种图往往是最容易出问题的，建议先手动处理过再进AI。

人体密集或侧脸居多的老照片

毕业合影、家族聚会、街道抓拍……这类照片里往往有几十张脸，而每张脸只有几十像素大小。AI在修复这些脸部时，常常会参考固定模板去"画"人脸，导致不同人长得越来越像，眼睛鼻子位置雷同，俗称"模板脸"。更麻烦的是侧脸和背影——训练数据里正脸占绝大多数，模型对侧脸的还原准确度明显不够，容易把侧脸转成正脸。

遇到这种图，不要整体直接修复。可以用裁切工具把单个人物或两三人小组单独切出来，放大到合适尺寸后再修复，最后拼回原图。没有足够清晰参考的侧脸，保留原有模糊反而更自然。

带有文字、水印或特殊图案的旧物照片

报刊剪影、旧书页、老招牌上的文字，在修复过程中会变成一串毫无意义的"符咒"。因为老照片中的文字往往是印刷体或手写体，像素极低，AI很难识别正确字形，它只会生成一些像文字的纹路。照片上的水印、日期戳和胶卷边缘标记也可能被当成图像纹理，修复后留下明显的光斑或条纹。

对策是：修复前先用涂抹工具把文字区域单独框出并打上马赛克，或者修完后再用原图手动贴回文字部分。水印如果覆盖在关键内容上，优先用仿制图章类的手动方式去除，再交给AI做后续清晰化，效果会稳得多。

严重过曝或欠曝的极端光影照片

逆光人像、长时间曝光夜景、强闪光灯造成的过曝自拍——这些照片的问题是高光或阴影区域完全失去了细节信息。AI的逻辑是"缺多少补多少"，当画面里一大块纯白或纯黑时，它没有足够线索去推测下面藏了什么，只能根据周围环境硬编一个结果，常常出现肤色发灰、轮廓扭曲、背景糊成雾团的情况。

这类修复的正确顺序不是先整体修复，而是先做动态范围调整。用修图软件把过曝区域的亮度压下来，欠曝区域的暗部提起来，尽可能让细节重见天日，再交给AI做去噪和清晰化，这时它的判断依据就充足多了。

高噪点且分辨率极低的网络下载图

如果你手头的老照片本来就是别人转发几轮的压缩图——俗称"网图"，分辨率可能只有几百像素，还叠加了一层明显的马赛克或噪点颗粒。这类图对人眼来说勉强能看出轮廓，但在AI眼中，噪点已经被理解为头发纹理、衣物织纹之类的有效信息。修复后，人脸的皮肤会变成密密麻麻的颗粒状，像砂纸一样。

面对这类图，需要先在非AI的修图软件里做一次降噪和轻微锐化，再提升分辨率，让画面的基础信噪比高一些。如果降噪后画质损失过大，宁可保留原有的颗粒感，也不要追求过度平滑——那会让照片失去"老照片"应有的时代质感。

顺手总结

AI修复更像一个手艺活，而不是一键出图。拿到照片先分类判断：清晰但有人物群体的，先切分；带文字或水印的，先隔离；光影极端的，先调整曝光；低清高噪点的，先降噪。把基础打好之后，再让AI做最后一步的补全和清晰化，操作顺畅度和成片效果会提升不少。

如果你刚开始接触老照片修复，不必一口气追求完美画质，先挑一两张主体简单、明暗正常、没有文字的旧照练手，熟悉修复流程后，再逐步挑战上面这几类难处理的照片。毕竟老照片的价值在于它记录的真实瞬间，而不是修复后的技术炫技。