一、胶片实物手工修复（摄影早期‑1990年代）
方式：直接在相纸、底片上操作。用颜料、修相笔、刮刀、修补液，涂抹底片或照片，盖住划痕、霉斑；破损撕裂照片用裱补、拼接，暗房放大冲洗做校正。
优点：直接修复原始实物，是最早的照片保护手段。
缺点：门槛极高，全靠技师经验；不可逆，修坏就彻底损毁原件；无法还原大面积缺失；不能提升清晰度，只能遮盖损伤；耗时长、成本昂贵。
局限：不能增加细节，只能掩盖瑕疵，不能把模糊变清晰。
二、数码人工修复时代（1990‑2010年，Photoshop为主流）
照片扫描数字化之后，不再改动实物，全部在电脑图层上处理。
方式：PS仿制图章、修复画笔、手工绘制缺失部分，手动调色、去黄、补撕裂缺口。
优点：无损原件，可以反复修改；可控性强，可以大面积手绘补破损；可以做黑白上色；适合珍贵历史老照片。
缺点：完全靠人，一张严重破损照片要几小时到数天；学习门槛高；批量几乎不可能；价格贵；人很难凭空脑补五官、衣物细节，大面积缺失只能凭经验猜。
、传统计算机算法修复（2000‑2016，半自动算法）三
计算机图像处理算法，不需要AI学习，靠数学公式运算。
早期偏微分扩散算法：把周边像素慢慢扩散填补划痕，适合细小划痕，大缺口就糊成一团。
块匹配纹理合成（Criminisi算法）：在图片里找相似小块复制粘贴补缺损。
配套：非局部均值降噪、对比度自动调整，做老照片去噪、去黄。
优点：小划痕、噪点可以自动处理，速度比人工快。
缺点：没有语义理解，只复制像素，不懂人脸、物体结构；遇到大块破损、五官缺失，会乱复制纹理，修人脸会崩坏；不能把模糊照片变高清，只能降噪。只能做辅助，不能独立完成重度修复。
四、深度学习AI修复时代（2016至今）
1）CNN卷积网络阶段（约2016‑2018）
代表ContextEncoder，用卷积网络学习大量照片，第一次让计算机“看懂”物体轮廓，而不是单纯复制像素。
可以自动补小部分人脸、自动做超分变高清。但经常画面模糊，五官容易扭曲。
2）GAN生成对抗网络爆发（2018‑2022）
代表：LaMa、CodeFormer、GPEN，国内大量老照片小程序基于这类模型。
GAN的生成网络负责修复，判别网络判断真假；专门训练人脸模块，可以一键老照片高清、补五官、黑白自动上色、去除折痕霉斑。
普通人一键使用，秒级完成，可批量；手机小程序、APP普及，老照片修复走入大众。
AI会“脑补”，人脸容易“网红脸换脸”，衣服背景乱生成；严重大面积缺失，生成不一定符合本人真实样貌。
3）扩散模型时代（2022‑现在）
扩散模型进一步提升细节，可调节保真与生成强度，配合ControlNet约束人脸五官轮廓，减少乱改样貌；可以控制“少生成、多保留原图信息”，现在高端修复工具、商用服务大量使用该技术。
当前行业主流模式：AI做基础自动修复+PS人工精修纠错，结合两者长处，AI快速处理划痕降噪，人工修正AI生成错误的五官、服饰，兼顾效率与真实性。
