Can AI remove all types of scratches from old photos?

AI can remove most surface scratches and light physical damage from photo prints. The model identifies scratches as linear anomalies that do not match the surrounding image content and fills them based on adjacent pixels. Deep scratches that have physically removed the emulsion layer may leave faint traces after AI restoration, as there is no image data to reconstruct. The AI can approximate what should be there but cannot recreate lost detail perfectly.

Is it better to remove scratches before or after upscaling a photo?

Remove scratches first, then upscale. If you upscale first, the scratches become larger and the AI has more scratch area to fill, increasing the chance of visible artifacts. Removing scratches at the original resolution produces cleaner results. After scratch removal, a 2x or 4x upscale sharpens the restored image without amplifying damage.

What is the difference between scratches on prints vs. scratches on scanned negatives?

Scratches on prints appear as white or light lines where the physical surface was damaged. Scratches on scanned negatives appear as dark lines. AI restoration handles both, but scratches on prints are generally easier to fix because the damage is on the surface layer. Scratches on negatives remove image data entirely and the AI must reconstruct what was lost.

Como Remover Arranhões de Fotos Antigas com IA

Minha avó guardava as fotos de família numa caixa de sapatos. Sem álbuns. Sem mangas. Apenas uma caixa de sapatos de papelão onde as fotos se esfregavam sempre que alguém a abria. Após cerca de sessenta anos desse tratamento, todas as fotos apresentavam arranhões. Alguns tinham apenas algumas marcas leves na superfície. Alguns pareciam ter sido arrastados pela calçada.

Arranhões são a forma mais comum de dano em impressões de fotos antigas e, felizmente, são os mais fáceis de serem corrigidos pela IA. Mas a abordagem depende do tipo de arranhão, e errar é uma perda de tempo. Aqui está o que aprendi consertando arranhões em cerca de 200 fotos daquela caixa de sapatos.

Os três tipos de arranhões e como lidar com cada um

Arranhões superficiais são os mais comuns. Estas são linhas brancas finas onde a camada superior da impressão foi levemente desgastada. Eles não penetram na camada da imagem. Eles apenas dispersam a luz e parecem brancos. A restauração de IA os remove quase perfeitamente. O modelo identifica a linha branca fina como dano, observa os pixels de cada lado e preenche o risco com uma continuação contínua da imagem circundante. Processei cerca de 150 fotos com arranhões na superfície e a IA limpou todas elas.

Arranhões profundos são menos comuns, mas mais problemáticos. Eles passam pela emulsão para o papel abaixo. A camada da imagem desapareceu fisicamente ao longo da linha de rascunho. Um arranhão profundo aparece como uma linha branca com uma borda mais escura em cada lado. A IA ainda consegue lidar com isso, mas os resultados são menos perfeitos. Ele preenche o risco com base na imagem circundante, mas sem os dados da imagem original, o preenchimento é uma aproximação. Em áreas complexas como rostos ou roupas estampadas, um arranhão profundo pode deixar uma linha tênue visível após a restauração. Em áreas uniformes como céu ou fundos simples, o preenchimento fica invisível.

Arranhões de padrão são os mais raros e irritantes. Isso acontece quando uma foto é arrastada por uma superfície texturizada, deixando linhas paralelas em vez de um único arranhão. Pense nas marcas que um disco de vinil deixa em uma agulha. A IA tenta preencher cada linha individualmente, mas às vezes o padrão confunde. O modelo vê múltiplas anomalias paralelas e não sabe se são danos ou parte da imagem. Para estes, tive que executar a restauração da IA duas vezes. A primeira passagem remove as linhas mais óbvias. A segunda passagem limpa os mais fracos que permanecem.

A ordem correta de operações

Cometi o erro de aumentar a escala das fotos arranhadas primeiro. Não faça isso. Quando você aumenta uma foto arranhada de 600 pixels para 2.400 pixels, os arranhões também ficam maiores. Um arranhão de um pixel torna-se um arranhão de quatro pixels. A IA agora precisa preencher quatro vezes mais área e a qualidade do preenchimento cai visivelmente.

A ordem correta é primeiro a remoção de riscos e depois o aumento de escala. Remova os arranhões na resolução original. A IA preenche um ou dois pixels de dano com alta precisão. Em seguida, aprimore a imagem limpa. O upscaler trabalha com dados limpos e produz um resultado nítido e sem riscos.

Quando usar a limpeza manual em vez da IA

Para um ou dois arranhões proeminentes em uma foto limpa, a limpeza manual em um editor de imagens pode ser mais rápida do que executar o processamento de IA. O pincel de cura no Photoshop ou GIMP lida perfeitamente com arranhões únicos. Clique, arraste e pronto. Cinco segundos por arranhão.

A remoção de arranhões por IA vale a pena quando você tem muitas fotos com muitos arranhões ou quando os arranhões são finos e numerosos. As fotos da caixa de sapatos tinham em média vinte a trinta arranhões finos cada. A limpeza manual levaria talvez cinco minutos por foto. O processamento da IA demorava cerca de quinze segundos por foto. Para 200 fotos, essa é a diferença entre dezesseis horas de trabalho manual e cerca de cinquenta minutos deixando a IA funcionar.

Aquela caixa de sapatos com fotos arranhadas agora é um arquivo digital limpo. Cada foto da família tem uma cópia. Os arranhões sumiram. Tudo o que custou foi tempo e alguns créditos por foto. Se você tiver sua própria caixa de sapatos, comece pelas riscadas. Eles são os mais fáceis de corrigir e os resultados são os mais dramáticos.