AI 老照片修复教程 2026：新手从零开始手把手变清晰完全攻略

开篇介绍

随着深度学习技术的飞跃，AI 老照片修复已成为连接过去与现在的桥梁。本教程将带你掌握 2026 年最前沿的生成式修复技术，不仅能去除划痕、噪点，还能智能还原模糊的人脸细节甚至自动上色。无论你是想修复家族珍贵合影，还是希望系统掌握图像处理技能，学完本教程后，你都将具备独立操作专业级 AI 工具的能力，让泛黄的记忆重新焕发光彩。

前置准备

在开始修复之旅前，请确保完成以下基础准备工作，这将决定后续操作的流畅度：

1. 账号注册与环境搭建：访问主流 AI 绘图平台（如 Stable Diffusion WebUI 云端版或本地部署包），注册账户并登录。若选择本地部署，需确保显卡显存不低于 8GB，并安装 Python 3.10 及以上版本。
2. 模型资源下载：下载专用的老照片修复大模型（Checkpoint），推荐Realistic_Vision_V6.0或专为人脸优化的CodeFormer插件，将其放入对应的models文件夹。
3. 素材整理：准备需要修复的高清扫描图（建议分辨率大于 1000x1000 像素），格式支持 JPG 或 PNG。避免使用过度压缩的网络图片，以免干扰算法判断。
4. 前置知识：了解基本的“提示词（Prompt）”概念，知道如何描述画面风格（如"vintage photo", "high detail"），无需编程基础即可上手。

步骤详解

第一步：导入素材与基础设置

启动软件后，进入“图生图（Img2Img）”模式。点击上传按钮，将你的老照片拖入预览区。在右侧参数面板中，将重绘幅度（Denoising strength）设置为0.35至0.45之间。注意：数值过高会导致人物五官失真，过低则无法有效去噪。预期结果是原图被加载，且保留主要轮廓特征。

第二步：启用专用修复插件

向下滚动找到"ControlNet"或"Extras"扩展栏。勾选启用Tile控制模型以增强细节纹理，同时务必开启CodeFormer或GFPGAN人脸修复功能。将人脸修复权重（Visibility）调整为0.75。这一步是核心关键，它能利用生成对抗网络重新构建模糊的五官。预期效果是预览图中人脸部分瞬间变得清晰锐利。

第三步：编写提示词与负面提示词

在提示词框输入：old photo restoration, highly detailed face, 8k, sharp focus, natural skin texture。在负面提示词框（Negative Prompt）中输入：blurry, noise, scratches, low resolution, distorted face, cartoon。警告：切勿添加“艺术化”或“抽象”类词汇，否则会将照片变成绘画风格。此步骤旨在引导 AI 仅做修复而非创作。

第四步：高清放大与最终输出

点击“生成”按钮等待初步结果。若满意，立即进入“高清修复（Hires. fix）”环节。选择放大算法为4x-UltraSharp，重绘幅度设为0.2，迭代步数（Steps）设为25。点击最终生成，系统将输出一张分辨率提升 4 倍、无划痕且色彩自然的照片。保存时请选择无损格式以防二次压缩。

进阶技巧

想要成为修复高手，需掌握以下窍门：首先，对于严重破损的照片，可采用“分块修复法”，即利用蒙版（Inpaint）单独圈选破损区域进行局部重绘，避免影响完好部分。其次，遇到黑白照上色需求，可在提示词中加入colorized, vibrant colors，并配合专门的着色 LoRA 模型。常见问题如“脸部像蜡像”，通常是因为 CodeFormer 权重过高，尝试降至0.5可恢复皮肤质感。专业玩家还会结合 Photoshop 的手动修饰，先用 AI 打底，再人工微调光影，达到完美平衡。

总结与实践

回顾全程，从环境配置、插件启用到参数微调，核心在于平衡“去噪”与“保真”。建议你选取家中不同年代、不同受损程度的三张照片进行对比练习，体会参数变化带来的差异。更多高阶玩法可关注官方文档中的 ControlNet 进阶指南，持续探索 AI 在影像修复领域的无限可能。