OldPhoto 与 Photoshop：一张破损老照片各自会怎么修

在 Photoshop 里修一张老照片实际要做的事

在 Photoshop 里修一张受损照片通常要过四道，没有一道是自动的。

• 先校色。银镜效应和洋红偏色要在通道里逐个处理，顺序排在锐化之前。发黄校正之所以被列成前期步骤而不是收尾，就是这个原因。
• 再除尘去划痕。仿制图章和修复画笔从画面别处借纹理，一个点一个点地补。
• 补空洞。撕裂的地方和翘起来的乳剂要重建结构，时间主要花在这里。
• 最后锐化和输出。锐化力度取决于最终用途。按屏幕锐化完再打印，会得到一圈光晕。

这也是为什么专业修图按小时报价，而不是按像素算。一张只是有点灰的扫描件二十分钟能收工；乳剂已经翘起来的人脸要重建，同样细致的借纹理工作要做上几个小时，价格自然跟着走。成本那一侧写在专业修复值不值和免费还是付费里。

还有一条前提常被忽略：Photoshop 是订阅制，学习曲线也陡。为了一个鞋盒里那两百张照片去学通道混合器和仿制图章，无论这工具在专家手里多强，这笔账都不划算。

OldPhoto 做的事和它不做的事

修复模型看过大量"受损图 vs 完好图"的配对，它推断的是一张说得过去的干净照片。它对统计性问题很强：灰尘、轻微划痕、轻度褪色、发灰、略软。这些毛病出现得最频繁，而统计方法正好能解。

它在只有唯一正确答案的地方就弱了。缺了半张的脸会被填成统计学上的平均脸，制服会被填上说得过去但可能错军团的颜色。这和上色准确度里写的是同一种失败模式，动手之前先接受这一点更省事。

第二个实际限制是重复叠加。增强跑两遍几乎不会更好：皮肤变蜡，细节变塑料感。一遍干净的来自好扫描件的结果，抵得过三遍堆出来的，这也是为什么只放大一次通常是最后一步而不是早期步骤。

各自在哪里崩

• 表面划痕与灰尘：OldPhoto 完胜，几秒钟对一个小时的逐个点掉。
• 褪色与发灰：OldPhoto 胜出。拉曲线是机械劳动，为它付小时费不划算。
• 水渍与乳剂剥落：Photoshop 胜出。补一个空洞需要判断那里原本应该有什么，而这恰恰是推断最容易出错的地方。这类损伤见水渍照片修复。
• 损坏严重的人脸：Photoshop 胜出，而且差距不小。这正是人们一开始去找专业人士的原因。
• 一整本相册两百张：OldPhoto 胜出。没有人手工修一鞋盒的照片，也不该有人为此付钱。分拣思路见相册数字化。
• 事后要能解释每一步改了什么：Photoshop 胜出。图层和操作历史就是证据，模型那一遍不是。

时间与费用

这两组数字随地区和接电话的人差别很大，所以把它们当走势看，别当报价。Photoshop 那条路是订阅费加上你自己的时间，而时间才是贵的那部分；自动那一遍是几分钱点数和几秒钟。中间地带写在免费还是付费里，人们最后实际付了什么写在专业修复值不值里。

• 照片很多、都是轻度损伤：走自动，没什么可争的。
• 只有一张，而那张脸承载着记忆：手工，那几个小时最容易说通。
• 两者都有：最常见的安排。所有照片先跑便宜的那一遍，再为打算装框的两三张付费请人。

两边合用时最有效的顺序

1. 先扫描，而且扫好。采集时没留下的细节，后面任何环节都拿不回来。擦干净玻璃，分辨率比自认为需要的再高一点。
2. 在副本上跑自动那一遍。永远别在原文件上跑。这一步不到一分钟就能清掉灰尘、发灰和轻微划痕。
3. 先放大到 100% 看一遍，再做别的。眼、嘴角轮廓和发际线，是编造出来的细节最先露出来的地方。
4. 还要深加工的，把这份文件交给修图师。对方从"已清理"开始，双方都省钱。
5. 分开存版本。原始扫描、自动那一遍、手工成品，三个文件命名清楚。能扛住真实家庭使用的命名方案见存档整理。

一张具体的照片该怎么定

只问一个问题：这张图要用来做什么。要连日期姓名一起进家史的照片是凭据，里面编进去的细节以后会变成别人手上的麻烦；要重新印一张送生日的照片是念想，说得过去就够。同样的区分在App 与桌面工作流里从工具那一侧讲了一遍。

常见问题

• Photoshop 是不是修老照片的标准答案？它是行业标准，但"标准"指的是专业修图师用的工具，不是指普通人该学的工具。要修的是日常灰尘和褪色，学它的时间成本远高于收益。
• 不会用 Photoshop，能修到什么程度？常见损伤里的大部分，现在的自动工具已经够用。真正需要手工的是结构性缺失，比如半张脸没了、大片乳剂脱落，这类活最后还是落到人手上。今年的对比见OldPhoto vs Remini 2026。
• 先用 OldPhoto 还是先用 Photoshop？先 OldPhoto。让修图师从清理过的文件开始更便宜，反过来等于按小时付费让人重做一遍模型已经做完的机械劳动。
• 修完的照片要标注吗？要，两个方向都要。公开发布的上色结果标注为演绎；进家史的照片保留原始扫描件作为凭据。更大的取舍写在AI 修复与传统修复里。

← 全部文章