AI修图清楚到什么程度：四类糊图的对比实验
我的判断是：能不能修清楚，取决于糊的原因，跟用哪家的工具关系不大。四类糊图我各做了一组对比实验，结论先放前面。
AI修图清楚的宣传随处可见，但没人告诉你上限在哪。上个月我集中收了四类有代表性的糊图：手抖糊、失焦糊、低分辨率小图、压缩糊块，每类挑五张，用两套AI清晰化工具跑同一遍流程，把结果一张张对着原片看。动机很实际——客户总以为糊图都能救，我想拿到一份能甩给对方看的账。四类图的命运差得很远，先说结论：有的值得修，有的趁早认赔。
四类糊图，命运完全不同
压缩糊块最好救，小图放大次之，失焦看运气，手抖基本没救。这是三十张图跑出来的排序。
| 糊的类型 | AI处理后成活率 | 典型表现 | 我的建议 |
|---|---|---|---|
| 压缩糊块 | 5张救回4张 | 色块边缘清晰度恢复明显 | 先重新解码再AI，值得修 |
| 低分辨率小图 | 5张救回3张 | 放大4倍后轮廓立得住 | 文字边缘会起毛，慎用于印刷 |
| 失焦糊 | 5张救回2张 | 轮廓能拉出，纹理靠编 | 人脸看运气，物件别指望 |
| 手抖糊 | 5张救回0张 | 重影被抹成「油画感」 | 趁早重拍或裁切另用 |
这张表里最意外的是压缩糊块的成绩。微信传过三手的图，600 乘 800 的尺寸，AI 放大到 2400 宽之后居然能看清衣服褶子。原因是压缩损失的是数据编码，不是光学信息，有底子可挖。手抖糊正相反：像素在曝光那一瞬间就混在一起了，AI 只能编，编出来的眼睛经不起放大看，十张里没有一张能过客户那关。手抖那五张我没全删，留了一张做对比素材：左边原片，右边AI处理，给客户一看就明白为什么这类图不接，实物展示比口头解释省力，现在我报价单后面都挂着这张图。
每类糊图的具体处理记录
压缩图先重解码，小图分两次放大，失焦图圈脸处理，手抖图直接淘汰。四条路径分开走。
压缩糊块的顺序很关键。先把图转回无损格式解码一遍，让色块「摊开」，再交给AI，成活率比直接扔进去高得多——直接处理的结果是AI把压缩纹当纹理复刻了一遍，越修越花。那次翻车的结果我存着：压缩纹被放大成满图碎纹，比不修还难看，正好用来给客户解释为什么流程不能省。
小图放大我固定分两步：先放大两倍，人工检查轮廓，没糊边再放大到四倍。一步到位放大八倍的尝试失败过三次，AI 在大倍率下开始自作主张补结构，证件用的头像图补出了不存在的双眼皮，这种图拿去用是要出事的。
失焦图只圈脸处理，范围越窄成功率越高。整图丢进去，背景会被AI编出大量假纹理；只圈脸，五官的恢复效果反而最稳。至于手抖糊，我试过把抖动方向手动告诉工具，结果只好了半档，不划算，裁切成小图配文用是它最后的归宿。
「清楚」不等于「好看」，别把糊修成油画感
AI清晰化在补细节的同时会补出一层塑料底，收尾必须手动去那层腻。判断方法是看皮肤和布纹。
所有跑过AI清晰化的图都有一个共同后遗症：质感发腻，像糊了层清漆。我的收尾固定两步，纹理滑块往回拉 10 到 15，再叠一层轻微噪点，大约 3 到 5 的量。加了噪点反而更真实，因为零噪点的画面在人眼里本身就是假的——老照片修复这个领域尤其明显，之前写过的模糊照片变清晰：AI 能救的和不能救的里那套判断，跟我这轮实验的结论完全对得上。
这层噪点我还分了强弱：人像用 3，静物用 5，风景不用——风景里的噪点会被当成沙尘。这套小规矩是给一张修花了的湖面照片交过学费后立的，湖面的波纹被AI抹成绸缎，加了噪点才回来一点水感。从那以后风景类我只做轮廓恢复，质感一律交给原片。
给客户的预期管理也有一条经验：报价前先跑一张样图发过去确认。三十张实验里客户最满意的全是「修完后顺眼」的，不是「修完后清楚」的，这两件事在他们的评价体系里不是一回事。
实验做完，我把那张表设成了聊天软件的置顶，接单前先问一句「怎么糊的」，能省下大半无效工。AI修图清楚的边界，工具厂商不会替你画，只能自己试出来——手抖那批图我一张都没收进作品集，它们安静地躺在回收站里提醒我：工具的本事是放大你的判断，不是替代它。
常见问题
老照片那种年代糊能用这套方法吗？
能，而且成活率偏高。年代糊多是原片尺寸小加岁月磨损，属于「有底子」的类型，修之前先把划痕霉斑点掉，AI补细节的效果会干净很多。
AI清晰化会把人脸修得不像本人吗？
放大倍率越高风险越大。两倍以内基本稳，四倍以上五官细节是AI补的，重要用途的图一定要本人确认过再用，别跳过这步。
视频截图糊，值得跑一遍清晰化吗？
截图用可以，正式用途不行。截图还有压缩叠加的问题，先按压缩糊块的流程解码再处理，效果能上一个台阶，但天花板仍在。
多张糊图能批量跑吗？
同类型可以批量，混着跑容易漏检。我的习惯是按糊的类型分堆，每堆先用中位参数跑一张样张，确认后再铺开，比逐张调省时间。