1. 问题到底出在哪：从一张“修完更假”的照片说起你肯定遇到过这种情况：用AI工具把照片里乱入的路人、垃圾桶、电线杆抹掉，乍一看挺干净，但放大一瞧，那块区域总像贴了块膏药——颜色对但纹理糊，边缘对但光影飘，整体看就是“不自然”。这不是你的错觉，也不是工具太菜，而是**图像修复（Inpainting）**这件事本身就存在几个硬骨头。我前后用过不下十款去杂物工具，从早期的内容感知填充到现在的扩散模型方案，踩过的坑能写满一个笔记本。最典型的一次是帮朋友处理一张老街照片，想把背景里一辆违停的车去掉。AI确实把车抹了，但留下了一块灰蒙蒙的“雾区”，地面的砖缝纹理到那里就断了，像被橡皮擦用力蹭过。朋友看了一眼说：“还不如不修。”这个问题的核心在于：AI去杂物不是“删除”，而是“猜测并重绘”。它要根据周围像素推断被遮挡区域原本长什么样。推断得准不准，取决于三个要素——上下文信息够不够、算法对纹理和光影的理解深不深、以及后处理有没有做足。任何一个环节掉链子，那块区域就会露馅。这篇文章就是要把这三个要素拆开揉碎，讲清楚为什么会有“不自然”的残留，以及怎么通过操作手法和工具参数把这种不自然压到最低。适合所有用AI修图但总觉得“差口气”的人，不管你是刚上手的新手，还是已经能熟练跑工作流的老手，下面这些细节都能直接拿去用。2. 不自然的根源拆解：AI到底在“猜”什么2.1 纹理断层的成因：AI没有“材质记忆”人眼对纹理的连续性极其敏感。一面砖墙、一片草地、一块木地板，它们的纹理是有规律的重复和渐变。AI去杂物时，如果被遮挡区域周围的纹理信息不足，模型就只能“编”一个纹理填进去。编出来的纹理和周围的真实纹理在频率、方向、密度上很难完全对齐，于是就出现了断层。举个具体例子：你抹掉草地上的一个瓶子。草地纹理是高频的、方向随机的细碎线条。AI如果只根据瓶子周围一圈像素来推断，它可能生成一片过于平滑的绿色，或者生成方向一致的条纹。前者看起来像“塑料草皮”，后者看起来像“刷了绿漆”。这就是纹理频率和方向不匹配导致的。实操心得：遇到高频纹理区域（草地、砂石、毛发、织物），不要一次性大范围涂抹。把选区拆成多个小区域，分次修复，每次只让AI处理一小块，给它更近的上下文参考。我试过用这个方法处理一张地毯照片，分四次修复后，纹理衔接自然了很多，一次全选修复则会出现明显的“补丁感”。2.2 光影错位的逻辑：光源方向被忽略了光影是照片的“骨架”。一个物体被移除后，它原本投射的阴影、它对周围环境光的遮挡关系、它表面的高光反射，都会消失。AI如果只做像素填充而不重建光影逻辑，那块区域就会显得“平”，像一张贴纸浮在画面上。比如你移除一个站在窗边的人。这个人原本挡住了部分窗外的光，他身体边缘有轮廓光，他脚下的地面有他投射的影子。AI把人物抹掉后，如果只是用周围墙面颜色填充，那么窗光该有的渐变、地面该有的阴影过渡就全丢了。人眼一看就知道“这里原来有东西”。判断方法：修复完成后，把图片缩小到50%以下看整体。如果那块区域在缩略图里依然显眼，大概率是光影没对上。放大看细节反而容易骗过自己，因为细节纹理的瑕疵在缩小时会被平均掉，但光影的大关系不会。2.3 语义合理性的缺失：AI不懂“这里该有什么”这是最隐蔽也最难解决的一层。AI可以学会“砖墙旁边应该是砖墙”，但它不一定理解“这个位置在物理上应该有什么”。比如你移除一张餐桌上的盘子，AI用桌布纹理填充了。纹理没问题，光影也凑合，但那个位置原本应该有盘子留下的轻微压痕、可能还有一点油渍或水渍。这些“语义细节”AI很难主动补上。再比如移除建筑外立面上的空调外机。AI用墙面填充后，墙面是平的，但真实情况下外机支架可能在墙上留下锈迹或钉孔。这些痕迹的缺失会让修复区域“太干净”，反而显得假。经验之谈：对于这类语义细节，纯靠AI自动修复很难做到位。我的做法是修复完成后，手动用画笔工具在修复区域边缘加一点点噪点或纹理，模拟自然磨损。这个操作只需要几秒钟，但效果提升非常明显。具体参数后面会讲。3. 工具与算法选型：不同方案的不自然表现差异3.1 传统内容感知填充：快但“糊”这类算法（如经典的PatchMatch系列）的思路是从周围区域找相似的纹理块，直接复制粘贴过去。优点是速度快、对简单背景效果好。缺点是它不做语义理解，遇到复杂结构（比如直线、人脸、文字）就容易糊成一团。不自然的表现通常是：修复区域像被“涂抹”过，纹理模糊，边缘有重复的块状痕迹。如果你要处理的区域背景是纯色墙面或天空，这类算法够用。但如果是复杂纹理或结构，它基本没戏。3.2 扩散模型方案：强但“飘”现在主流的AI去杂物工具大多基于扩散模型。它的优势是能生成非常逼真的纹理和细节，甚至能“脑补”出合理的结构。但它的不自然表现是另一种：修复区域可能过于“完美”或“风格不一致”。比如原图是手机拍的，有噪点和轻微模糊，但AI生成的修复区域是“单反级”的干净锐利。两者拼在一起，修复区域反而因为太清晰而突兀。或者原图是暖色调老照片，AI生成的区域偏冷，色调不统一。关键参数：使用这类工具时，一定要找“降噪强度”或“重绘幅度”这类参数。把它调低，让AI少发挥一点，多保留原图风格。我通常会把重绘幅度设在0.6到0.75之间，具体看原图质量。原图噪点多就调低，原图干净可以适当调高。3.3 混合方案：先结构后纹理这是我目前最推荐的思路。先用传统算法或低重绘幅度的扩散模型把大结构补上（比如墙面的直线、地面的透视），然后再用高重绘幅度但小范围的扩散模型补纹理细节。分两步走，结构不容易崩，纹理也更自然。具体操作上，很多工具支持“蒙版分层”。你可以先画一个大蒙版做结构修复，然后缩小蒙版范围，只针对纹理断裂的边缘做二次修复。这个流程稍微麻烦一点，但对质量提升是值得的。方案类型优势不自然表现适用场景传统内容感知填充速度快，简单背景效果好纹理模糊，块状重复纯色墙面、天空、简单背景扩散模型直接修复纹理逼真，能补结构风格不一致，过于干净复杂纹理，但需调低重绘幅度混合方案（结构+纹理）结构与纹理兼顾操作稍复杂高质量要求，复杂场景4. 实操全流程：从选区到后处理的每一步4.1 选区怎么画：边缘羽化是双刃剑很多人画选区时习惯性加羽化，觉得边缘过渡会自然。但羽化用不好反而会坏事。羽化的本质是让修复区域和原图之间有一个渐变过渡带。如果羽化太大，AI会把这个过渡带也当成“需要修复的内容”，导致修复区域向外扩张，把原本好的像素也改掉了。我的建议是：羽化值控制在1到3像素。对于高分辨率图片，可以适当增加到5像素。但不要超过10像素。另外，选区边缘最好稍微超出你要移除的物体边界2到3像素，给AI一点“余量”去推断边缘。注意：如果物体有投影或倒影，选区一定要把投影和倒影也包含进去。只抹物体不抹影子，修复后影子还在，等于白做。4.2 分次修复的操作节奏前面提过，大范围一次修复容易崩。具体怎么分？我的经验是按“结构单元”来分。比如移除一排栅栏，不要一次全选，而是按每根栅栏柱分次修复。每次修复一根，让AI参考旁边已经修好的柱子。这样纹理和间距的连续性会好很多。对于不规则物体，可以按“从上到下”或“从左到右”的顺序分块。每修完一块，检查一下边缘衔接，没问题再修下一块。这个流程比一次全选慢，但返工率低。时间分配参考：一张2000万像素的照片，移除一个中等大小的物体，分3到4次修复，每次等待10到20秒，总耗时约1分钟。一次全选修复可能只要20秒，但后续调整可能要花5分钟。哪个更划算，你自己算。4.3 后处理的关键三步：降噪、调色、加纹理AI修复完成后，那块区域通常需要三步后处理才能融入原图。第一步：降噪匹配。如果原图有噪点，修复区域往往太干净。用“添加噪点”滤镜，强度设为原图噪点水平的70%到80%。怎么判断原图噪点水平？放大到200%，看纯色区域的颗粒感。修复区域加噪后，颗粒感应该和周围接近。第二步：调色匹配。用曲线或色阶工具，取修复区域和周围区域的色值对比。重点看三个指标：亮度、对比度、色相。修复区域通常偏亮或偏冷。用曲线微调，让直方图峰值和周围对齐。第三步：加纹理细节。对于纹理区域，用“纹理化”滤镜或手动画笔加一点高频细节。比如修复草地后，用细笔刷画几根草叶；修复砖墙后，用画笔加几条砖缝。这一步不需要很精确，只要打破修复区域的“平滑感”就行。4.4 参数计算示例：重绘幅度怎么定假设原图是手机拍摄，ISO 800，有明显噪点。修复区域面积占全图5%。我的参数设置如下：重绘幅度：0.65（偏低，保留原图风格）蒙版羽化：2像素修复次数：分3次后处理加噪强度：原图噪点估计值的75%调色目标：修复区域亮度比周围高不超过3%，色温差不超过200K这套参数不是固定的，但逻辑是通用的：原图质量越差，重绘幅度越低，后处理越重要。原图质量好，可以适当让AI多发挥。5. 常见问题与排查技巧实录5.1 修复区域发灰怎么办这是最常见的问题。原因通常是AI在填充时把周围颜色的平均值填了进去，导致修复区域缺乏对比度，看起来灰蒙蒙的。排查思路：先看原图那块区域原本应该是什么颜色。如果是深色物体被移除，修复区域应该偏深；如果是浅色，应该偏浅。AI填了平均值，说明它没有正确判断“这里原本是什么”。解决方法：用“颜色取样器”取修复区域边缘的颜色，和修复区域中心对比。如果中心偏灰，用“色彩平衡”或“曲线”把中心区域的对比度拉回来。具体操作：新建曲线调整层，蒙版只覆盖修复区域，把曲线两端向中间压缩，增加对比度。5.2 边缘有“光晕”或“描边”修复区域和原图交界处出现一圈亮边或暗边，像描了轮廓。这是羽化过渡带和AI填充不匹配导致的。解决方法：用“仿制图章”工具，硬度设为0%，不透明度设为30%，在边缘轻轻涂抹一圈，把过渡带打散。注意不要涂到修复区域内部，只处理边缘。这个操作相当于手动做一次“融合”。5.3 修复后纹理方向不对比如修复木地板，AI生成的木纹方向和周围垂直。这是AI对纹理方向理解错误。解决方法：不要依赖AI自动修复。用“消失点”工具或“透视裁剪”先确定纹理方向，然后手动用“内容感知移动”工具把周围正确的纹理块拖过来。或者用“修补工具”在周围画一个正确的纹理选区，拖到修复区域。这个操作比让AI重绘更可控。5.4 修复区域“太干净”像塑料这是扩散模型的通病。AI生成的纹理过于均匀，缺乏自然的不规则性。解决方法：用“添加杂色”滤镜，单色，数量2%到5%。然后用“动感模糊”滤镜，角度设为纹理方向，距离1到2像素。这两个操作叠加，能模拟出自然纹理的轻微不规则感。我试过在修复后的墙面上用这招，效果比单纯加噪好很多。问题表现根本原因快速修复方法修复区域发灰AI填了平均值，对比度不足曲线调整层增加对比度边缘光晕/描边羽化过渡带不匹配仿制图章低透明度涂抹边缘纹理方向错误AI对纹理方向理解偏差手动拖拽正确纹理块覆盖区域太干净像塑料扩散模型生成过于均匀加噪+动感模糊模拟不规则5.5 独家避坑：先备份，再动手我踩过最大的坑是：修复到一半发现效果不对，想撤销但历史记录已经满了，回不去原图。所以动手前一定先复制一个图层，或者保存一个副本文件。AI修复是不可逆操作，尤其是分多次修复时，中间步骤很难精确回退。另一个坑是：不要在有重要文字或人脸的区域附近做大范围修复。AI可能会把文字边缘或人脸特征也“猜”进去，导致变形。如果必须处理，选区要精确到像素级，并且修复后仔细检查边缘。6. 进阶技巧：让修复区域“隐身”的细节处理6.1 利用频率分离做纹理融合频率分离是修图里的经典技巧，把图像分成高频（纹理）和低频（颜色光影）两层。修复完成后，把修复区域的高频层和周围的高频层做混合，低频层单独调整。这样纹理和光影可以分开匹配，比整体调整更精准。具体操作：复制原图两层，一层做高斯模糊（低频），一层做应用图像减去低频（高频）。修复区域在两层上分别处理。高频层用“修复画笔”从周围取样纹理，低频层用“曲线”匹配颜色。这个方法稍微复杂，但对高质量要求场景非常有效。6.2 手动补细节的“三笔原则”对于语义细节缺失，我总结了一个“三笔原则”：在修复区域边缘加三笔手动细节。比如修复草地，就在边缘画三根草叶；修复砖墙，就在边缘画三条砖缝；修复木地板，就在边缘画三条木纹。这三笔不需要很精确，只要方向、颜色、粗细和周围接近，人眼就会自动把修复区域“脑补”成自然的。这个原则的原理是：人眼对边缘的细节最敏感，对区域内部的细节反而不那么在意。只要边缘衔接自然，内部稍微平滑一点，整体看起来就是自然的。6.3 利用AI二次修复做“微调”如果修复区域整体不错但局部还有瑕疵，不要重新大范围修复。把瑕疵区域单独画一个小蒙版，重绘幅度调到0.3到0.4，让AI做一次“微调”。低重绘幅度下，AI只会在原基础上做小修改，不会大改结构。这个技巧适合处理边缘的小块不自然。我试过用这个方法处理一张建筑照片的修复区域，第一次修复后边缘有点硬，二次微调后边缘柔和了很多，而且没有破坏已经修好的纹理。6.4 不同场景的参数速查场景类型重绘幅度羽化值分次修复后处理重点纯色背景（墙面、天空）0.5-0.62-3px1次即可调色匹配高频纹理（草地、砂石）0.6-0.71-2px3-4次加噪+纹理化结构线条（砖墙、地板）0.55-0.652px按结构单元分方向匹配+手动补线人像附近0.4-0.51px多次小范围边缘融合+肤色匹配老照片/低质量图0.5-0.63-5px2-3次降噪+整体调色这套参数是我自己反复试出来的，不一定适合所有人的工具，但逻辑是通的：原图越复杂、质量越差，越要保守，越要依赖后处理。7. 我个人的操作体会说到底，AI去杂物后的“不自然”不是某一个参数能解决的，它是一个系统工程。选区、算法、参数、后处理，每个环节都要照顾到。我现在的习惯是：修复前先花30秒分析原图的纹理类型、光影方向、噪点水平，然后决定用哪种方案、分几次修、后处理重点是什么。这30秒的思考，能省下后面5分钟的返工。还有一个体会是：不要追求“完美修复”。有些区域，AI修完后你手动补两笔，比反复让AI重绘效果好得多。人眼对“自然”的判断很宽容，只要大关系对了，细节上有点小瑕疵反而更真实。那些修得“太干净”的照片，往往才是最容易露馅的。最后分享一个小技巧：修复完成后，把照片发到手机上，用手机屏幕看一遍。手机屏幕小、像素密度高，修复区域的不自然在手机上往往比在电脑显示器上更明显。如果手机上看着没问题，那基本就稳了。这个习惯帮我抓出了不少在电脑上没注意到的瑕疵。
1. 问题到底出在哪：从一张“修完更假”的照片说起你肯定遇到过这种情况：用AI工具把照片里乱入的路人、垃圾桶、电线杆抹掉，乍一看挺干净，但放大一瞧，那块区域总像贴了块膏药——颜色对但纹理糊，边缘对但光影飘，整体看就是“不自然”。这不是你的错觉，也不是工具太菜，而是**图像修复（Inpainting）**这件事本身就存在几个硬骨头。我前后用过不下十款去杂物工具，从早期的内容感知填充到现在的扩散模型方案，踩过的坑能写满一个笔记本。最典型的一次是帮朋友处理一张老街照片，想把背景里一辆违停的车去掉。AI确实把车抹了，但留下了一块灰蒙蒙的“雾区”，地面的砖缝纹理到那里就断了，像被橡皮擦用力蹭过。朋友看了一眼说：“还不如不修。”这个问题的核心在于：AI去杂物不是“删除”，而是“猜测并重绘”。它要根据周围像素推断被遮挡区域原本长什么样。推断得准不准，取决于三个要素——上下文信息够不够、算法对纹理和光影的理解深不深、以及后处理有没有做足。任何一个环节掉链子，那块区域就会露馅。这篇文章就是要把这三个要素拆开揉碎，讲清楚为什么会有“不自然”的残留，以及怎么通过操作手法和工具参数把这种不自然压到最低。适合所有用AI修图但总觉得“差口气”的人，不管你是刚上手的新手，还是已经能熟练跑工作流的老手，下面这些细节都能直接拿去用。2. 不自然的根源拆解：AI到底在“猜”什么2.1 纹理断层的成因：AI没有“材质记忆”人眼对纹理的连续性极其敏感。一面砖墙、一片草地、一块木地板，它们的纹理是有规律的重复和渐变。AI去杂物时，如果被遮挡区域周围的纹理信息不足，模型就只能“编”一个纹理填进去。编出来的纹理和周围的真实纹理在频率、方向、密度上很难完全对齐，于是就出现了断层。举个具体例子：你抹掉草地上的一个瓶子。草地纹理是高频的、方向随机的细碎线条。AI如果只根据瓶子周围一圈像素来推断，它可能生成一片过于平滑的绿色，或者生成方向一致的条纹。前者看起来像“塑料草皮”，后者看起来像“刷了绿漆”。这就是纹理频率和方向不匹配导致的。实操心得：遇到高频纹理区域（草地、砂石、毛发、织物），不要一次性大范围涂抹。把选区拆成多个小区域，分次修复，每次只让AI处理一小块，给它更近的上下文参考。我试过用这个方法处理一张地毯照片，分四次修复后，纹理衔接自然了很多，一次全选修复则会出现明显的“补丁感”。2.2 光影错位的逻辑：光源方向被忽略了光影是照片的“骨架”。一个物体被移除后，它原本投射的阴影、它对周围环境光的遮挡关系、它表面的高光反射，都会消失。AI如果只做像素填充而不重建光影逻辑，那块区域就会显得“平”，像一张贴纸浮在画面上。比如你移除一个站在窗边的人。这个人原本挡住了部分窗外的光，他身体边缘有轮廓光，他脚下的地面有他投射的影子。AI把人物抹掉后，如果只是用周围墙面颜色填充，那么窗光该有的渐变、地面该有的阴影过渡就全丢了。人眼一看就知道“这里原来有东西”。判断方法：修复完成后，把图片缩小到50%以下看整体。如果那块区域在缩略图里依然显眼，大概率是光影没对上。放大看细节反而容易骗过自己，因为细节纹理的瑕疵在缩小时会被平均掉，但光影的大关系不会。2.3 语义合理性的缺失：AI不懂“这里该有什么”这是最隐蔽也最难解决的一层。AI可以学会“砖墙旁边应该是砖墙”，但它不一定理解“这个位置在物理上应该有什么”。比如你移除一张餐桌上的盘子，AI用桌布纹理填充了。纹理没问题，光影也凑合，但那个位置原本应该有盘子留下的轻微压痕、可能还有一点油渍或水渍。这些“语义细节”AI很难主动补上。再比如移除建筑外立面上的空调外机。AI用墙面填充后，墙面是平的，但真实情况下外机支架可能在墙上留下锈迹或钉孔。这些痕迹的缺失会让修复区域“太干净”，反而显得假。经验之谈：对于这类语义细节，纯靠AI自动修复很难做到位。我的做法是修复完成后，手动用画笔工具在修复区域边缘加一点点噪点或纹理，模拟自然磨损。这个操作只需要几秒钟，但效果提升非常明显。具体参数后面会讲。3. 工具与算法选型：不同方案的不自然表现差异3.1 传统内容感知填充：快但“糊”这类算法（如经典的PatchMatch系列）的思路是从周围区域找相似的纹理块，直接复制粘贴过去。优点是速度快、对简单背景效果好。缺点是它不做语义理解，遇到复杂结构（比如直线、人脸、文字）就容易糊成一团。不自然的表现通常是：修复区域像被“涂抹”过，纹理模糊，边缘有重复的块状痕迹。如果你要处理的区域背景是纯色墙面或天空，这类算法够用。但如果是复杂纹理或结构，它基本没戏。3.2 扩散模型方案：强但“飘”现在主流的AI去杂物工具大多基于扩散模型。它的优势是能生成非常逼真的纹理和细节，甚至能“脑补”出合理的结构。但它的不自然表现是另一种：修复区域可能过于“完美”或“风格不一致”。比如原图是手机拍的，有噪点和轻微模糊，但AI生成的修复区域是“单反级”的干净锐利。两者拼在一起，修复区域反而因为太清晰而突兀。或者原图是暖色调老照片，AI生成的区域偏冷，色调不统一。关键参数：使用这类工具时，一定要找“降噪强度”或“重绘幅度”这类参数。把它调低，让AI少发挥一点，多保留原图风格。我通常会把重绘幅度设在0.6到0.75之间，具体看原图质量。原图噪点多就调低，原图干净可以适当调高。3.3 混合方案：先结构后纹理这是我目前最推荐的思路。先用传统算法或低重绘幅度的扩散模型把大结构补上（比如墙面的直线、地面的透视），然后再用高重绘幅度但小范围的扩散模型补纹理细节。分两步走，结构不容易崩，纹理也更自然。具体操作上，很多工具支持“蒙版分层”。你可以先画一个大蒙版做结构修复，然后缩小蒙版范围，只针对纹理断裂的边缘做二次修复。这个流程稍微麻烦一点，但对质量提升是值得的。方案类型优势不自然表现适用场景传统内容感知填充速度快，简单背景效果好纹理模糊，块状重复纯色墙面、天空、简单背景扩散模型直接修复纹理逼真，能补结构风格不一致，过于干净复杂纹理，但需调低重绘幅度混合方案（结构+纹理）结构与纹理兼顾操作稍复杂高质量要求，复杂场景4. 实操全流程：从选区到后处理的每一步4.1 选区怎么画：边缘羽化是双刃剑很多人画选区时习惯性加羽化，觉得边缘过渡会自然。但羽化用不好反而会坏事。羽化的本质是让修复区域和原图之间有一个渐变过渡带。如果羽化太大，AI会把这个过渡带也当成“需要修复的内容”，导致修复区域向外扩张，把原本好的像素也改掉了。我的建议是：羽化值控制在1到3像素。对于高分辨率图片，可以适当增加到5像素。但不要超过10像素。另外，选区边缘最好稍微超出你要移除的物体边界2到3像素，给AI一点“余量”去推断边缘。注意：如果物体有投影或倒影，选区一定要把投影和倒影也包含进去。只抹物体不抹影子，修复后影子还在，等于白做。4.2 分次修复的操作节奏前面提过，大范围一次修复容易崩。具体怎么分？我的经验是按“结构单元”来分。比如移除一排栅栏，不要一次全选，而是按每根栅栏柱分次修复。每次修复一根，让AI参考旁边已经修好的柱子。这样纹理和间距的连续性会好很多。对于不规则物体，可以按“从上到下”或“从左到右”的顺序分块。每修完一块，检查一下边缘衔接，没问题再修下一块。这个流程比一次全选慢，但返工率低。时间分配参考：一张2000万像素的照片，移除一个中等大小的物体，分3到4次修复，每次等待10到20秒，总耗时约1分钟。一次全选修复可能只要20秒，但后续调整可能要花5分钟。哪个更划算，你自己算。4.3 后处理的关键三步：降噪、调色、加纹理AI修复完成后，那块区域通常需要三步后处理才能融入原图。第一步：降噪匹配。如果原图有噪点，修复区域往往太干净。用“添加噪点”滤镜，强度设为原图噪点水平的70%到80%。怎么判断原图噪点水平？放大到200%，看纯色区域的颗粒感。修复区域加噪后，颗粒感应该和周围接近。第二步：调色匹配。用曲线或色阶工具，取修复区域和周围区域的色值对比。重点看三个指标：亮度、对比度、色相。修复区域通常偏亮或偏冷。用曲线微调，让直方图峰值和周围对齐。第三步：加纹理细节。对于纹理区域，用“纹理化”滤镜或手动画笔加一点高频细节。比如修复草地后，用细笔刷画几根草叶；修复砖墙后，用画笔加几条砖缝。这一步不需要很精确，只要打破修复区域的“平滑感”就行。4.4 参数计算示例：重绘幅度怎么定假设原图是手机拍摄，ISO 800，有明显噪点。修复区域面积占全图5%。我的参数设置如下：重绘幅度：0.65（偏低，保留原图风格）蒙版羽化：2像素修复次数：分3次后处理加噪强度：原图噪点估计值的75%调色目标：修复区域亮度比周围高不超过3%，色温差不超过200K这套参数不是固定的，但逻辑是通用的：原图质量越差，重绘幅度越低，后处理越重要。原图质量好，可以适当让AI多发挥。5. 常见问题与排查技巧实录5.1 修复区域发灰怎么办这是最常见的问题。原因通常是AI在填充时把周围颜色的平均值填了进去，导致修复区域缺乏对比度，看起来灰蒙蒙的。排查思路：先看原图那块区域原本应该是什么颜色。如果是深色物体被移除，修复区域应该偏深；如果是浅色，应该偏浅。AI填了平均值，说明它没有正确判断“这里原本是什么”。解决方法：用“颜色取样器”取修复区域边缘的颜色，和修复区域中心对比。如果中心偏灰，用“色彩平衡”或“曲线”把中心区域的对比度拉回来。具体操作：新建曲线调整层，蒙版只覆盖修复区域，把曲线两端向中间压缩，增加对比度。5.2 边缘有“光晕”或“描边”修复区域和原图交界处出现一圈亮边或暗边，像描了轮廓。这是羽化过渡带和AI填充不匹配导致的。解决方法：用“仿制图章”工具，硬度设为0%，不透明度设为30%，在边缘轻轻涂抹一圈，把过渡带打散。注意不要涂到修复区域内部，只处理边缘。这个操作相当于手动做一次“融合”。5.3 修复后纹理方向不对比如修复木地板，AI生成的木纹方向和周围垂直。这是AI对纹理方向理解错误。解决方法：不要依赖AI自动修复。用“消失点”工具或“透视裁剪”先确定纹理方向，然后手动用“内容感知移动”工具把周围正确的纹理块拖过来。或者用“修补工具”在周围画一个正确的纹理选区，拖到修复区域。这个操作比让AI重绘更可控。5.4 修复区域“太干净”像塑料这是扩散模型的通病。AI生成的纹理过于均匀，缺乏自然的不规则性。解决方法：用“添加杂色”滤镜，单色，数量2%到5%。然后用“动感模糊”滤镜，角度设为纹理方向，距离1到2像素。这两个操作叠加，能模拟出自然纹理的轻微不规则感。我试过在修复后的墙面上用这招，效果比单纯加噪好很多。问题表现根本原因快速修复方法修复区域发灰AI填了平均值，对比度不足曲线调整层增加对比度边缘光晕/描边羽化过渡带不匹配仿制图章低透明度涂抹边缘纹理方向错误AI对纹理方向理解偏差手动拖拽正确纹理块覆盖区域太干净像塑料扩散模型生成过于均匀加噪+动感模糊模拟不规则5.5 独家避坑：先备份，再动手我踩过最大的坑是：修复到一半发现效果不对，想撤销但历史记录已经满了，回不去原图。所以动手前一定先复制一个图层，或者保存一个副本文件。AI修复是不可逆操作，尤其是分多次修复时，中间步骤很难精确回退。另一个坑是：不要在有重要文字或人脸的区域附近做大范围修复。AI可能会把文字边缘或人脸特征也“猜”进去，导致变形。如果必须处理，选区要精确到像素级，并且修复后仔细检查边缘。6. 进阶技巧：让修复区域“隐身”的细节处理6.1 利用频率分离做纹理融合频率分离是修图里的经典技巧，把图像分成高频（纹理）和低频（颜色光影）两层。修复完成后，把修复区域的高频层和周围的高频层做混合，低频层单独调整。这样纹理和光影可以分开匹配，比整体调整更精准。具体操作：复制原图两层，一层做高斯模糊（低频），一层做应用图像减去低频（高频）。修复区域在两层上分别处理。高频层用“修复画笔”从周围取样纹理，低频层用“曲线”匹配颜色。这个方法稍微复杂，但对高质量要求场景非常有效。6.2 手动补细节的“三笔原则”对于语义细节缺失，我总结了一个“三笔原则”：在修复区域边缘加三笔手动细节。比如修复草地，就在边缘画三根草叶；修复砖墙，就在边缘画三条砖缝；修复木地板，就在边缘画三条木纹。这三笔不需要很精确，只要方向、颜色、粗细和周围接近，人眼就会自动把修复区域“脑补”成自然的。这个原则的原理是：人眼对边缘的细节最敏感，对区域内部的细节反而不那么在意。只要边缘衔接自然，内部稍微平滑一点，整体看起来就是自然的。6.3 利用AI二次修复做“微调”如果修复区域整体不错但局部还有瑕疵，不要重新大范围修复。把瑕疵区域单独画一个小蒙版，重绘幅度调到0.3到0.4，让AI做一次“微调”。低重绘幅度下，AI只会在原基础上做小修改，不会大改结构。这个技巧适合处理边缘的小块不自然。我试过用这个方法处理一张建筑照片的修复区域，第一次修复后边缘有点硬，二次微调后边缘柔和了很多，而且没有破坏已经修好的纹理。6.4 不同场景的参数速查场景类型重绘幅度羽化值分次修复后处理重点纯色背景（墙面、天空）0.5-0.62-3px1次即可调色匹配高频纹理（草地、砂石）0.6-0.71-2px3-4次加噪+纹理化结构线条（砖墙、地板）0.55-0.652px按结构单元分方向匹配+手动补线人像附近0.4-0.51px多次小范围边缘融合+肤色匹配老照片/低质量图0.5-0.63-5px2-3次降噪+整体调色这套参数是我自己反复试出来的，不一定适合所有人的工具，但逻辑是通的：原图越复杂、质量越差，越要保守，越要依赖后处理。7. 我个人的操作体会说到底，AI去杂物后的“不自然”不是某一个参数能解决的，它是一个系统工程。选区、算法、参数、后处理，每个环节都要照顾到。我现在的习惯是：修复前先花30秒分析原图的纹理类型、光影方向、噪点水平，然后决定用哪种方案、分几次修、后处理重点是什么。这30秒的思考，能省下后面5分钟的返工。还有一个体会是：不要追求“完美修复”。有些区域，AI修完后你手动补两笔，比反复让AI重绘效果好得多。人眼对“自然”的判断很宽容，只要大关系对了，细节上有点小瑕疵反而更真实。那些修得“太干净”的照片，往往才是最容易露馅的。最后分享一个小技巧：修复完成后，把照片发到手机上，用手机屏幕看一遍。手机屏幕小、像素密度高，修复区域的不自然在手机上往往比在电脑显示器上更明显。如果手机上看着没问题，那基本就稳了。这个习惯帮我抓出了不少在电脑上没注意到的瑕疵。