# 32｜修复旧照片，区分细节恢复和生成式改写

旧照片修复可以改善可读性，也可能生成原片没有保存下来的细节。这个教程把清洁修复、放大、上色与生成式改写分开交付，避免把猜测的人脸、衣服纹理或背景文字说成历史事实。

## 保存原始扫描与修复目标

用最高可获得质量保存一份未修改扫描，记录照片来源、日期信息来自哪里、是否允许处理肖像。先列损伤：折痕、污点、褪色、模糊、缺损各自的位置。只想去划痕时，不要默认增加上色、磨皮、年轻化或改变背景。

> 用 Atlas 处理这张有使用权的旧照片，优先清理划痕和污点，保留人物年龄、脸型、衣服和构图。先说明当前编辑模型能做什么、哪些细节可能被生成性补写，确认后处理一个版本。不默认上色；交付原片对照、处理范围和不确定细节说明，不把修复图当成历史证据。

## 从低风险变化开始

先检查原图真实尺寸和方向，按参考编辑流程确认模型确实接收图片。若照片文字、勋章或面部辨识有重要用途，优先采用受控局部修补，避免全图重新解释。缺损区域太大时，输出可以叫“视觉重建尝试”，不能承诺还原原貌。

按照 [13](13-product-reference-edit.md) 预览、授权上传和提交，保存原任务 ID。将“清理划痕”和“上色实验”作为不同版本，分别记录变化。费用与失败恢复仍使用同一任务契约，没有专属 `atlas restore` 命令。

## 做同尺度对照

从原图和结果中选相同区域，以相同尺寸查看眼睛、嘴角、耳朵、文字和高频纹理。对齐与比较过程中不要额外给某一张锐化。需要制作说明用预览时，可先统一展示画布：

```bash
python3 scripts/media_ops.py fit-image --inputs ./assets/scan.png \
  --output tutorial-output/scan-preview.png --width 1200 --height 900 --mode contain
python3 scripts/media_ops.py fit-image --inputs ./assets/restored.png \
  --output tutorial-output/restored-preview.png --width 1200 --height 900 --mode contain
```

两张预览仅方便看布局；细节仍需查看原始文件。较小的原片被放大后变得平滑，并不能证明模型找回了真实纹理。家庭成员可辅助辨认人物特征，但意见应作为人工核对记录，而非完美一致性的测量。

## 哪些结果应退回

面部比例变了、眼神不同、增添饰物、把模糊字补成可读但错误的字，都应明确标注。可以保留背景修复成功部分，重新局部处理；不要因为整体更漂亮就忽略身份漂移。重新调用模型是新尝试，需处于批准范围内，下载恢复则不应再生成。

交付未改母版、修复版本、可选上色版本、变化清单和生成式补写说明。重要档案应把衍生图与原片严格区分，公开展示时清楚标识修复/重建性质。

## 依据与复现范围

依据：[S1、S2、S5、S7](../SOURCES.md)。本文使用本包约定的教学文件；模型能力与价格以执行时实际目录为准。线上付费步骤未代用户执行，离线验证结果见 [测试报告](../verification/REPORT.md)。通用路径、授权和状态约定见 [执行约定](../common/EXECUTION.md)。
