手机里那张模糊毕业照别扔用免费工具5分钟恢复清晰

你是不是也在手机相册的角落里，翻到过那么几张照片？毕业照、老相册翻拍、或者小时候被长辈随手拍下的瞬间——画面糊得像隔着一层毛玻璃，人脸勉强能辨认，但细节早就被时间和像素谋杀了。扔掉？舍不得。留着？又看着闹心。

别急，今天就跟你聊聊，怎么用免费工具，把这些”废片”救回来。

为什么老照片会模糊

在动手之前，先简单了解一下”凶手”是谁。照片模糊，通常逃不出这几类原因：

对焦失败。 手机或相机没对上焦，整个画面糊成一团。毕业照拍集体照时最常见——有人往前站，有人往后缩，相机不知道该对焦谁，结果全员虚焦。

运动模糊。 拍摄时手抖，或者被摄对象在动。比如小时候跑过来抱你，快门速度跟不上，照片就拖影了。

分辨率不足。 当年用低像素手机拍的，或者从网上保存的压缩图，本身就不清楚，放大更是灾难。

扫描或翻拍失真。 把纸质照片翻拍进手机，反光、角度不对、光线不均，都会让效果大打折扣。

不管哪种原因，核心问题就一个：画面里的高频信息丢了，细节没了，边缘不锐利。 而现在的AI修复工具，本质上就是在”猜”那些丢失的细节，然后用算法把它补回来。

推荐工具一：GFPGAN——人脸修复的利器

如果你修复的照片主要是人脸，比如毕业照里那些熟悉的面孔，GFPGAN是目前效果最好的免费工具之一。

它是什么？

GFPGAN是由腾讯ARC实验室开发的人脸生成与修复模型。它专门针对模糊、损坏的人脸进行修复，能还原眼睛、鼻子、嘴唇的细节，效果非常自然。

怎么用？

最简单的方式是通过在线平台，不需要自己装环境：

方法A：使用Replicate在线版

打开这个链接：https://replicate.com/tencentarc/gfpgan

上传你的模糊照片，点击”Run”，等待几十秒到一分钟，下载修复后的结果即可。免费额度每天有，对于个人使用完全够用。

方法B：本地部署（适合懂一点技术的朋友）

# 安装依赖
# pip install gfpgan basicsr facexlib

import torch
from gfpgan import GFPGANer
from basicsr.archs.rrdbnet_arch import RRDBNet

def restore_face(input_path, output_path):
    # 初始化修复器
    restorer = GFPGANer(
        model_path='checkpoints/GFPGANv1.4.pth',
        upscale=2,  # 放大倍数
        arch='clean',
        channel_multiplier=2,
        bg_upsampler=None
    )
    
    # 读取图片
    img = cv2.imread(input_path)
    
    # 修复人脸
    _, _, restored_img = restorer.enhance(
        img,
        has_aligned=False,
        only_center_face=False,
        paste_back=True
    )
    
    # 保存结果
    cv2.imwrite(output_path, restored_img)
    print(f"修复完成，已保存到: {output_path}")

# 使用示例
restore_face('blurry_grad.jpg', 'restored_grad.jpg')

运行后，你会发现模糊的人脸变得清晰多了，眼睛有了神，轮廓分明。

推荐工具二：Real-ESRGAN——通用超分辨率修复

如果说GFPGAN专攻人脸，那Real-ESRGAN就是全能选手。它不仅修复人脸，还能提升整张照片的清晰度，消除压缩噪点，修复模糊的边缘。

核心优势

支持通用图像，不限于人脸
能处理各种退化类型：模糊、噪点、压缩伪影
免费开源，效果对标付费工具

实操演示

同样提供在线和本地两种用法：

在线版（无需安装）：

访问 https://huggingface.co/spaces/sczhou/Real-ESRGAN

上传图片，选择”RealESRGAN_x4plus”或”RealESRGAN_x4plus_anime_6B”，点击运行，等待生成。

本地版代码示例：

# 安装
# pip install realesrgan

from realesrgan import RealESRGANer
import cv2

def restore_photo(input_path, output_path):
    # 加载模型
    model = RealESRGANer(
        scale=4,           # 放大4倍
        model_path='weights/RealESRGAN_x4plus.pth',
        model_name='general',
        device='cuda' if torch.cuda.is_available() else 'cpu'
    )
    
    # 读取图片
    img = cv2.imread(input_path)
    
    # 修复
    output, _ = model.enhance(img, outscale=4)
    
    # 保存
    cv2.imwrite(output_path, output)
    print(f"修复完成！输出已保存至: {output_path}")

restore_photo('blurry_photo.jpg', 'restored_photo.jpg')

跑完后打开图片对比，你会惊讶地发现：原本糊成一团的脸，现在能看清表情了；背景里的模糊文字，也重新变得可辨认。

推荐工具三：Upscayl——最友好的桌面端工具

如果你不想敲代码，也不想依赖在线服务，Upscayl是最佳选择。它是免费的开源软件，界面简洁，支持Windows、Mac和Linux。

下载安装

访问官网：https://upscayl.org

下载安装包，安装过程和普通软件一样。

使用步骤

打开软件，选择图片文件夹或直接添加单张图片
选择模型——推荐”Real-ESRGAN”或”Digital Art”
设置放大倍数（2x、4x、8x）
点击”Upscayl”，等待处理
保存修复后的图片

整个流程不需要任何技术背景，点几下鼠标就搞定。对于批量修复相册里的老照片，这个工具特别方便。

实际操作：修复一张毕业照的完整流程

光说工具不够，咱们来模拟一个真实场景。

假设你翻到了一张2018年的毕业照，是用老款手机拍的，整体偏模糊，人脸辨认困难。

第一步：选择工具组合

先试用Real-ESRGAN做全局提升，把整张照片的分辨率拉高，细节初步恢复。然后再用GFPGAN专门处理人脸区域，让人脸更清晰自然。两步叠加，效果最好。

第二步：调整参数

Real-ESRGAN：选择”RealESRGAN_x4plus”，放大4倍
GFPGAN：保持默认设置， upscale=2

第三步：批量处理（多张照片）

如果你有十几张老照片要修复，可以用Python写个简单的批量脚本：

import os
from realesrgan import RealESRGANer
import cv2
import torch

def batch_restore(input_dir, output_dir):
    os.makedirs(output_dir, exist_ok=True)
    
    # 初始化模型
    restorer = RealESRGANer(
        scale=4,
        model_path='weights/RealESRGAN_x4plus.pth',
        model_name='general',
        device='cuda' if torch.cuda.is_available() else 'cpu'
    )
    
    # 遍历所有图片
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(('.jpg', '.jpeg', '.png')):
            input_path = os.path.join(input_dir, filename)
            output_path = os.path.join(output_dir, f'restored_{filename}')
            
            img = cv2.imread(input_path)
            output, _ = restorer.enhance(img, outscale=4)
            cv2.imwrite(output_path, output)
            print(f"已修复: {filename}")
    
    print("全部完成！")

# 使用
batch_restore('blurry_photos/', 'restored_photos/')

运行后，所有照片都会自动修复并保存到输出文件夹，省时省力。

修复后的细节调整

AI修复不是万能的，有时候会出现一些不自然的地方，比如人脸过于平滑像”假人”，或者边缘出现伪影。这时候需要手动微调：

1. 控制锐化程度

用Photoshop或免费的GIMP，适当调整”锐化”和”清晰度”滑块，让画面更自然。

2. 修复异常区域

如果人脸出现了不合理的细节，可以用修复工具（GIMP里的修复画笔）手动处理。

3. 颜色校正

老照片往往偏色，用调整色温、饱和度等工具，让画面更接近真实色彩。

一些实用建议

原图保存很重要。 修复前一定要备份原始照片，避免反复处理导致质量下降。

不要过度放大。 放大4倍通常是安全上限，再大容易出现不自然的细节。

多工具组合使用效果更好。 先用Real-ESRGAN提升整体，再用GFPGAN专修人脸，最后手动微调细节。

在线工具注意隐私。 如果照片涉及敏感内容，建议本地部署使用，避免上传到第三方服务器。

写在最后

那些模糊的老照片，记录的是再也回不去的时光。毕业照里年轻的脸庞，小时候家人的笑脸，爷爷奶奶泛黄的照片——它们不该被时间遗忘。

现在的AI修复技术，已经能让这些”废片”重获新生。不需要花几百块买专业软件，也不需要懂复杂的编程，几分钟就能让模糊变清晰，让回忆重新鲜活起来。

你相册里那张舍不得扔的模糊照片，今天就可以试试修复。说不定修复完那一刻，你会感谢当初没有删掉它。