老照片承载着家庭记忆，但物理介质的老化几乎不可逆——泛黄、霉斑、折痕、银盐颗粒流失，都会让影像细节持续衰减。宁海县圆点信息技术有限公司在承接多批家庭影像数字化项目后，逐步沉淀出一套可复用的老照片翻新实施方案，本文从技术原理到效果评估做一次完整梳理。

一、翻新的技术底座：超分重建而非简单插值

传统双三次插值只是像素层面的平滑放大，无法恢复已丢失的高频信息。我们的方案以ClearAi：AI图像优化引擎为核心，采用退化感知的盲超分模型：先估计输入图像的模糊核与噪声分布，再由生成网络重建缺失的纹理细节。针对人像场景，人像高清修复分支会单独对面部区域做特征对齐，避免五官在放大后出现"塑料感"。

实操流程中的三个关键控制点

• 预处理分诊：按损伤类型（霉斑、划痕、失焦）分流，霉斑类先做色彩通道分离再修复，避免污渍被模型误判为纹理；
• 分块推理：512×512滑窗重叠32像素，抑制大尺寸图片的拼接缝；
• 后处理锐化：对修复结果做轻度USM，锐化半径控制在0.8像素以内，防止振铃。

二、清晰度提升的效果评估要点

效果评估不能只看"观感变清晰"。我们采用客观指标与主观评分双轨制：客观侧用PSNR、SSIM衡量结构保真度，用LPIPS衡量感知距离；主观侧由3名编辑独立盲评，按五官可辨度、纹理自然度、色彩还原度三维打分。照片清晰度提升的合理区间通常是PSNR提升4–7dB，超过则需警惕过度生成带来的"幻觉细节"。

需要强调的是，老照片修复的边界在于"恢复"而非"创作"。对于大面积缺失区域，我们坚持标注修复置信度，供客户判断是否接受模型补全。而图片超分增强在4倍放大时，边缘锐度与噪点抑制往往需要权衡，参数配置应随素材类型动态调整，而非一套参数走天下。

方案的落地价值最终体现在可复现性上——同一批素材在不同批次处理中保持指标稳定，才是工程化交付的前提。这也是我们持续迭代ClearAi引擎的出发点。