老照片上色是怎么上的？黑白变彩色

AI 修图里有个让人好奇的功能：一张泛黄的黑白老照片，点一下就变成彩色，人物穿蓝布衫、背景是青灰色墙面。老照片上色是怎么上的？本文讲机制：模型怎么认物体、颜色从哪里来、为什么「合理」与「真实」是两回事；同类像素级重绘的思路，见风格迁移一篇。

黑白照片缺的是什么

黑白照片记录的是亮度：每个像素只有一个灰度值，颜色信息在转成灰度的那一刻就丢了。上色要做的，是把丢掉的颜色通道补回来。麻烦在于这是一道信息不足的题——仅凭灰度，颜色无法唯一确定：同一块灰，可能是蓝布也可能是灰布。所以上色的性质是推测：模型根据画面里的线索，给每个像素配一个说得通的颜色，把这张照片最可能的样子补出来。线索包括纹理、形状和场景搭配——水面常配天光，砖墙常配暖灰，线索越充分，推测越稳。

上色的机制：先认物体，再配颜色

链路通常分两层。下层是识别：模型先判断画面里每个区域属于什么类别——这是天空、这是草地、这是人的皮肤和衣服，相当于先给照片做一遍语义分割。上层是配色：每一类物体对应一组统计上的常见颜色，天空偏蓝、草地偏绿、肤色在一段范围里浮动，模型再结合亮度线索微调明暗。两层合起来，灰度图被翻译成一张彩色图。识别层越准，配色层越有底气，两层的错误会一路传到最后一张图上。

合理的颜色不等于真实的颜色

这里要分清两件事。模型配的颜色是「合理」的：符合统计规律，看上去不违和。但它未必是「真实」的：照片里那件衣服当年是红色的还是绿色的，只有当事人知道，灰度图里没有答案。军队制服、老式招牌、地方戏服，都是模型容易配错的类别。年代感也是变量：同一类物体的常见颜色会随年代变化，模型学到的多是近年的分布，套到几十年前的照片上难免有偏差。看一张上色结果，心态应该是「这是一份推测稿」，真实的颜色需要靠文献或记忆来佐证。

上色可调不可全信：容易出错的地方

机制决定了薄弱点。一是类别认错：把毛衣认成西装，颜色立刻跑偏；二是类别内浮动：肤色、口红的深浅，模型只能取中庸值；三是小物件：纽扣、徽章、花边这类小区域，分割不够细，常常被糊成一片。所以上色结果通常可调——可以对某个区域指定颜色再重新渲染。批量给家里的老照片上色前，先用通义千问整理一份常见误配清单，再让 Kimi 按片核对人物服饰的配色是否合理，比一张张盲试省时间。光线与颜色的关系，另见重新打光一篇。

老照片上色机制速查

• 缺失：黑白照片只存亮度，颜色通道已丢失
• 识别层：语义分割判断天空、草地、皮肤等类别
• 配色层：类别配统计常见色，亮度定明暗
• 性质：上色是推测，合理不等于真实
• 薄弱点：类别认错、深浅中庸、小物件糊化

关于老照片上色的常见疑问

• 上色能恢复照片当年的真实颜色吗？：不能保证。机制是按类别推测颜色，灰度图里没有存真实色彩，结果只能保证合理，历史真色需要文献或当事人记忆来佐证。
• 为什么同一张照片每次上色结果不一样？：配色在多个候选之间做选择，带有随机性；锁定随机种子或给指定区域固定颜色，可以让结果更稳定。
• 上色和给黑白电影上色是一回事吗？：链路同源，多帧一致性是电影上色多出的一关：相邻帧颜色抖动会很明显，需要额外的时序约束，见生成与编辑一篇。