老照片修复与家庭档案数字化：AI上色是猜测，不是史实

家里的抽屉、相册和旧硬盘里，躺着大量正在失效的记忆：泛黄的合影、发霉的证件照、被压出折痕的胶片扫描件。它们面临的问题不只是难看，而是载体本身在衰退——相纸酸化、染料褪色、磁介质失效。2026 年，AI 已经能把这类图像的观感修复到相当高的水准，但修复与篡改之间那条线，必须自己划清楚。

先看技术能做什么。划痕、霉斑、折痕与污渍这类物理损伤，靠修复模型或生成式填充基本可以清除干净，Photoshop 的生成式填充与 Neural Filters、讯连相片大師的 AI 画质修复都属于这一类。分辨率不足交给放大模型，Topaz 最高支持 6 倍放大，配合面部修复与文字保留，能把一张手机翻拍的小图放大到可打印尺寸。人脸崩坏是老照片最常见的痛点，Remini 这类应用擅长重建眼睛、毛孔与皮肤纹理，Topaz 的面部修复则更偏向对焦不实与压缩损伤的补救。黑白上色由 Neural Filters 与各类在线工具承担，Google Photos、Pixlr、Fotor、MyEdit 覆盖更轻量的日常需求。

但上色这件事必须说清楚：AI 给出的颜色是猜测，不是史实。模型根据画面内容、材质与时代特征推断军装是褐色、裙子是靛蓝、墙面是米黄，这些推断在统计上合理，却没有任何档案依据。对于家庭影像，这通常无伤大雅；但如果图像进入展览、出版或研究语境，就应当明确标注为 AI 推断上色，并保留原始黑白版本。同理，用模型补全缺失的半张脸或缺失的建筑细节，属于重建而非修复，性质完全不同。

比修复更重要的是数字化本身。修复做得再好，也建立在扫描质量之上。平板扫描仪优于手机翻拍，分辨率建议不低于 600 到 1200 dpi，色彩深度选 48 位，保存为 TIFF 这类无损格式；照片表面先除尘，倾斜摆放的原件先摆正再扫，避免后期插值损失。数字化之后，原件与原始扫描文件永不覆盖，所有修复结果另存副本，这样任何一步都可以回到起点。

存储策略同样不能省。业内通行的 3-2-1 原则依然是最实用的方案：三份副本、两种介质、一份异地。具体到家庭场景，可以是本机一份、移动硬盘一份、云端或异地一份；同时补上元数据，把拍摄时间、地点、人物姓名写进文件的 IPTC 字段，这些信息一旦丢失就再也找不回来。很多人修完图只留了一张美化过的 JPEG，原始扫描件反而被覆盖，这是最可惜的一种损失。

展望来看，老照片修复正在从让画面变好看，转向让档案可用。随着本地化模型普及，处理不再依赖上传云端，隐私顾虑减少；批量处理与自动损伤检测，让一个家族几千张照片的系统整理变得现实。但无论技术怎么演进，有两条原则值得守住：修复以可回退为最高前提，标注以不误导为底线。记忆的价值在于真实，而不是在于它被修得有多干净。