怀旧照片 AI 修复

解决什么问题

旧照片常存在发黄、褪色、划痕、撕裂、低清噪点，人物面部细节缺失。人工修图需要识别问题区域、保持原貌和人脸自然度，普通滤镜容易把老照片修成失真或过度平滑。这个技能把常见修复流程工程化：先分析照片，再选择颜色、人脸、损伤修复策略，最后输出可比较的版本。

技能如何工作

核心入口是 scripts/restore_photo.py，可读取图片并进行处理。关键步骤：

• 照片诊断：识别褪色、色偏、划痕、模糊、缺失区域，检测人脸数量和位置，判断是否需要上色或人脸增强。
• 修复策略：用直方图均衡、白平衡、颜色校正处理色偏；用 OpenCV 做人脸检测，并用 CodeFormer、GFPGAN 一类模型增强面部；用 inpainting 和降噪处理小划痕与噪声。
• 输出控制：支持 --enhance-faces、--color-correct、--colorize、--remove-scratches、--intensity 等选项，可输出 PNG 或高质量 JPEG，并建议保存前后版本。

适用边界

该技能适合轻度到中度损伤的旧照，尤其是正面人脸、褪色、划痕和黑白上色。大撕裂、大面积缺失、极低清图片仍需人工修图。上色受模型训练影响，不保证历史准确；过度增强会产生不自然纹理，建议低强度、多版本比对，并保留原片。