前阵子一个老同学发来一张家庭合影的扫描图，想让我“修复一下”。 图片只有1500×1000，脸基本是糊的。 我第一个想法就是上Topaz Gigapixel AI，这软件吹得神乎其神，我也一直没在实际老照片上试过。 放大到4倍后我愣住了——人脸像打了蜡的假人，毛衣的纹路变成了一种奇怪的“编织状”伪纹理，甚至比原图还脏。 我又试了ESRGAN的预训练模型，结果更糟，直接给照片添了整容式的高光。说实话，那一刻我很怀疑人生。
冷静下来之后，我把同一张图用Python的PIL库做了双三次插值放大，全程不到0.5秒，然后再用Photoshop做USM锐化。 输出效果反而最自然，虽然细节没有变多，但颗粒和色调都保留下来了。 这里要明白一个基本事实：传统插值算法是“拟合”，是在已知像素点之间平滑过渡； 而AI超分是“推测”，它试图从训练集里寻找相似模式，再填充不存在的信息。 对数码照片里的建筑边缘或皮肤毛孔，AI确实能“脑补”出合理结构，但面对老照片的扫描噪点、胶片颗粒、压缩痕迹，AI往往会把这些噪声当成特征，结果就是过度增强。 我拿同一条街道的数码照片和翻拍旧照片做对比，AI超分在数码照片上表现不错，在旧照片上直接翻车。
如果你也想处理类似的老照片，建议放弃一上来就套AI的想法。 我用的完整流程是这样：先检查原图噪点，如果颗粒感太强，可以用一次轻微的降噪（比如Neat Image降噪，但是强度别超过30%，否则会抹掉纹理）。 然后放大，在Photoshop里把图像大小设为300%，重定图像素选择“两次立方（较平滑）”，这个选项比“两次立方（较锐利）”少了振铃。 放大后复制背景层，执行“高反差保留”，半径设为1.0像素左右，图层混模式改成“柔光”，不透明度调到60%左右，就能让边缘干净一些。 如果觉得线条还不够实，再叠加一个USM锐化，半径0.7像素，数量150%，阈值0。 注意高反差保留的半径不宜超过2像素，否则会出现光晕。这一步我调了整整一晚上，最后发现参数越保守越好。
当然，我并不是说AI超分一无是处。 如果是处理动漫图、设计素材，ESRGAN确实能让线条更顺滑，而且这类图像本身是扁平颜色，不容易产生伪纹理。 但照片，特别是老照片，它最珍贵的地方恰恰在于那些不完美。 AI把不完美都补得干干净净，反而丢掉了真实。我的观点是：先弄明白传统方法怎么算，才知道AI在哪个环节帮你。 或者反过来，如果你就是用AI调的，拿回Photoshop里把锐化图层复制一份，高斯模糊几个像素，反相，改变混合模式，也能部分抵消AI的那种塑料感。 有一次我为了省事直接套用了别人的AI预设，结果客户说“你把爷爷的脸磨皮过度了”，当时真想挖个洞钻进去。
