照片放大不变脸：先选对路线，再按脸部清单验收

如果“还是同一个人”是硬要求，第一步不是找最强的 AI，也不是在提示词里反复写“不要变脸”，而是先选不会凭空重画五官的路线：保留原图，用双三次、Lanczos 等确定性插值生成所需像素尺寸，再检查裁切、压缩和锐化。它能把像素网格变大，却不能恢复原图里本来不存在的睫毛、皮肤纹理或牙齿细节。

只有当你接受 AI 猜测缺失细节时，才应尝试专用 AI 放大器或参考图重绘。此时“更清晰”不等于“没有变脸”：眼裂、眉形、嘴角、牙齿、脸型、发际线、表情和年龄感都要单独验收。

先把“放大”“超分辨率”“修复”分开

中文工具页常把“无损放大”“变清晰”“修复老照片”和“提升到 4K”写在同一屏，但它们改变图像的程度并不相同。

• 放大/重采样：改变宽高像素数，用数学插值计算新像素。它不理解人物是谁。
• AI 超分辨率：根据训练中学到的图案重建纹理。结果可能更像照片，也可能把模糊处猜错。
• 人像修复：主动改进脸部细节、曝光、噪点或肤质。它比单纯放大更容易改变身份特征。
• 生成式参考图重绘：把原照片当作参考，重新生成高分辨率画面。它追求“像”，不等同于逐像素保真。
• 原生高分辨率生成：从一开始创作 2K/4K 新图，不是在放大旧照片。

OpenCV 的 resize 文档把最近邻、双线性、双三次和 Lanczos 明确列为不同插值方法；而一些在线 AI 工具也直接说明会“重建原始低分辨率图片中不存在的细节”，例如 Img2Go 的放大说明。这正是两类路线的关键边界。

四条路线怎么选

一句话决策：

不允许补细节，就先插值；允许补细节但要尽量像本人，先小样测试专用放大器；只要求相似和好看，才用参考图重绘；本来就在创作新图，则直接原生高分辨率生成。

可复现的照片放大流程

1. 先写交付尺寸，不要先选“4K”

“4K”只是尺寸标签，不会告诉你照片该横着还是竖着，也不会证明脸没有变化。先记录实际用途：

• 屏幕或平台要求的宽 × 高像素；
• 是否必须保持原宽高比；
• 是否允许裁切或补边；
• 打印成品尺寸与印厂要求的 PPI；
• 文件格式、透明度、色彩空间和大小上限。

打印时，像素需求可用下面的规划式计算：

hljs text复制
所需像素 = 成品英寸 × 目标 PPI
成品英寸 = 成品厘米 ÷ 2.54

例如，10 × 15 厘米照片按 300 PPI 规划，约需要 1181 × 1772 像素。300 PPI 常用于近距离高质量照片，但大幅面、观看距离和印刷设备会改变合理目标，最终应以印厂规范为准。Adobe 对像素尺寸、PPI 与重采样的关系也特别区分了“改变打印密度”和“实际增加像素”。

2. 保留原图，再建立工作副本

不要覆盖手机原片、扫描原件或客户交付源文件。先记录：

hljs text复制
原图：宽 ____ px × 高 ____ px
宽高比：____
格式：____
文件大小：____
原始裁切：完整 / 已裁切 / 不确定
目标：宽 ____ px × 高 ____ px
允许改变：____
绝对不能改变：____

如果照片包含真实人物、证件、儿童、客户素材或未公开商业内容，先确认处理位置和保存政策。在线页写着“安全”“自动删除”并不等于你的具体文件已满足组织合规。比如 Bigjpg 当前页面说明免费用户文件 24 小时内删除、付费用户 72 小时内删除；这只是该服务自己的公开说明，敏感图仍应优先选择本地处理或经批准的服务。

3. 按“不允许 AI 猜细节”的程度选路线

完全不允许：选择确定性插值，保持宽高比。双三次和 Lanczos 都可以作为起点，二者没有对所有照片都成立的万能胜者；看最终交付尺寸下的边缘、光晕和噪点。

允许少量重建：选专用 AI 放大器，先拿无敏感内容、相似画质的小样验证。不要一开始就上传唯一原件，也不要同时开启放大、脸部修复、去噪、上色和锐化，否则无法知道是哪一步改了脸。

允许生成式改画：把人物参考、表情、视线、发型、年龄感、服装、背景、文字和裁切写成不变量；但仍要接受模型可能违反这些约束。

4. 每次只改变一个变量

建立最小对照：

1. 先做一份 2× 输出；
2. 只在需要时调整插值方法或 AI 模式；
3. 降噪、脸部增强、锐化分别开关；
4. 每次保存路线、工具、模式、倍数和输出尺寸；
5. 不要用社交平台二次压缩后的预览做最终判断。

当前中文在线工具常提供 2×/4×、自定义像素或百分比控制。例如 Img2Go 把三种尺寸控制分开，佐糖则突出 2×/4×/8×/16×和批量处理；这些是输出控制，不是身份保真证明。

5. 先验文件，再验脸

文件层检查：

• 实际保存的宽、高是否达标；
• 宽高比是否与原图一致；
• 人物头顶、下巴、手、服装或背景是否被裁掉；
• JPG 是否因压缩出现方块、色带或毛边；
• 文件是否真已下载，而不是只看网页预览。

身份层检查必须使用同一个人脸裁切、同一个显示尺寸。如果把输出图放得更大再比较，它天然会显得“更清晰”，容易掩盖几何变化。

可复制的不变脸验收单

把下面这份验收单和原图、输出图放在一起。它比一句“看起来差不多”更容易复核，也能交给同事或客户做第二人检查。

hljs text复制
【任务记录】
原图文件：________________
输出文件：________________
路线：插值 / AI放大 / 参考图重绘 / 原生生成
工具或模型：________________
模式与倍数：________________
原图尺寸：____ × ____ px
输出尺寸：____ × ____ px
宽高比与裁切：通过 / 不通过

【同尺度脸部检查】
[ ] 左右眼形、大小、间距和高低关系未变
[ ] 视线、眼睑、双眼皮或眼部不对称未变
[ ] 眉形、眉峰、眉间距未变
[ ] 鼻梁、鼻翼、鼻孔和鼻尖关系未变
[ ] 嘴角、唇形、张合程度和牙齿未变
[ ] 下颌线、脸宽、耳朵、发际线未变
[ ] 表情、年龄感和肤色倾向未变
[ ] 痣、疤、皱纹等身份标记没有被新增或删除
[ ] 眼镜、耳环、帽子等配饰未被改写
[ ] 人数、人物位置和遮挡关系未变

【非脸部不变量】
[ ] 姿势、手部和身体比例未变
[ ] 服装图案、Logo、文字未变
[ ] 背景物体、颜色和照明方向未变
[ ] 没有光晕、塑料皮肤、重复纹理或过度锐化

结论：通过 / 退回重做 / 改走更保真的路线
退回原因：________________

只要身份关键项或表情发生变化，即使输出更大、更锐，也应判定不通过。不要把某个未经验证的人脸相似度分数或统一阈值当作唯一裁决；真实交付还需要人工检查可见特征和使用场景。

一个具体例子：800 × 1200 的人像要交付 1600 × 2400

假设原图是一张半身人像，目标平台要求 1600 × 2400，不能裁切，也不能改变人物：

1. 目标与原图宽高比一致，先做 2× 确定性插值；
2. 记录插值方法，不开启脸部修复和生成式增强；
3. 检查输出确为 1600 × 2400；
4. 从原图和输出图裁出同一眼眉到下巴区域，在相同显示尺寸下比较；
5. 如果脸没变、尺寸合格，只是原有模糊更明显，那么任务已经达到“保真放大”的上限；
6. 如果客户还要求补出清晰睫毛和皮肤纹理，就必须明确进入“允许 AI 重建”的新任务，再制作独立小样；
7. 若 AI 小样改变了嘴角、牙齿或痣，即使观感更精致，也退回插值版或更换经验证的专用放大器。

这个例子里，插值版没有“恢复真实细节”，但它诚实地满足了像素和身份约束。AI 版是否更好，取决于客户是否授权猜测缺失内容，而不只取决于清晰度。

为什么“更清晰”仍然可能失败

脸变精致了，却不像本人

这是典型的生成式重建越界。关闭脸部修复、创意增强或生成模式；若仍改变五官，回退到确定性插值。不要继续堆叠“严格保持原脸”提示词来掩盖路线不适合。

五官没明显变化，但皮肤像塑料

通常与强降噪、磨皮或锐化有关。逐个关闭处理项，重点查看鼻翼、嘴角、发际线和皮肤过渡。验收应在最终交付尺寸，而不是只看 400% 放大。

尺寸达标，头顶或肩膀却被裁掉

这是宽高比或画布策略问题，不是清晰度问题。锁定原宽高比；如果平台要求另一比例，先让交付方确认“裁切”还是“补边”，不要让工具自动替你决定。

文字、Logo 或衣服图案被改写

生成式路线很容易把这些内容当作可重绘纹理。改用确定性插值，或将文字与 Logo 分离成可控图层。重要品牌素材不能只凭整体观感通过。

打印后仍然糊

先确认你算的是最终成品像素，而不是只改了 PPI 元数据。如果原图严重失焦、运动模糊或压缩过度，增加像素不能恢复可靠细节；重新拍摄、重新扫描或缩小成品尺寸往往比继续“增强”更可信。

YingTu 适合放在哪条路线

截至 2026 年 7 月 28 日，YingTu 的浏览器工作区提供可选参考图和 1K、2K、4K 输出控制，适合在允许生成式重绘时做受控参考图对照。例如，你要把一张人物照片改成海报、换场景或生成高分辨率创意版本，并且接受“保持可辨识的一致性”而不是“原图逐特征不变”，可以在 YingTu 里保留原图、写明不变量，并对多个输出逐项验收。

边界同样重要：

• YingTu 不是专用的 pixel-only 放大器；
• 参考图和 4K 选项不保证脸不变；
• 成功生成不证明保存尺寸、裁切和身份已经通过；
• 本文没有用真实人脸在 YingTu 上传、生成或下载结果，也没有验证该任务的计费和失败路径。

因此，精确身份是硬要求时，先走本地确定性插值或另行验证的专用放大器；创意重绘可接受时，YingTu 才是合理的可选路线。

Google 的 Gemini 图像文档说明当前 Gemini 3 图像模型可以选择 1K、2K、4K 输出并使用多张参考图，但官方描述的是高分辨率生成和参考一致性能力，不是“不变脸”保证。尺寸控制和身份验收仍应分开。

常见问题

AI 照片放大能保证完全不变脸吗？

不能。AI 超分辨率和生成式重绘都可能猜测原图没有的细节。你可以通过保守模式、对照小样和验收单降低风险，但不能把“AI”“4K”或“参考图”当成保证。完全不允许猜测时，应优先确定性插值。

写“保持原脸不变”的提示词有用吗？

它可以表达约束，但不能改变模型的生成性质。提示词不是验收证据。输出仍要按眼睛、眉毛、鼻子、嘴、牙齿、轮廓、发际线、表情和身份标记逐项检查。

4K 照片一定比原图细节更多吗？

不一定。4K 说明输出像素尺寸达到某个范围，不说明新增细节真实。插值可能只增加像素；AI 可能生成看似合理但并非原本存在的纹理。

双三次和 Lanczos 哪个更适合人像？

两者都可作为非生成式放大的起点。双三次通常平滑，Lanczos 可能更锐，但也可能放大光晕或振铃。用同一原图、同一目标尺寸做 A/B，对最终交付尺寸下的脸部边缘和噪点验收，不要迷信固定答案。

老照片修复和照片放大能一起做吗？

技术上可以，但最好拆成两个可回退步骤。先完成保真放大并留档，再单独做划痕、上色、去噪或脸部修复。后者会改变更多内容，应获得明确授权并重新做身份验收。

可以只看人脸识别相似度分数吗？

不建议。不同工具、裁切和图像质量会影响分数，也不存在适用于所有交付的通用阈值。分数最多是辅助信号，不能替代同尺度可见特征检查和人工复核。

在线放大真实人像前要检查什么？

至少检查上传文件如何保存、多久删除、是否用于模型训练、处理地区、分享链接权限和组织合规要求。若这些信息不清楚，先用无敏感样张测试，真实证件、客户图或儿童照片优先本地处理。

最后记住两条验收线

第一条是文件线：最终宽高、宽高比、裁切、格式和压缩都满足交付。

第二条是身份线：眼眉、鼻口、脸型、发际线、表情、年龄感、身份标记和非脸部不变量都没有越界。

只有两条线都通过，才能称为“照片放大且没有变脸”。更大、更锐、更像 AI 演示图，都不能替代这个结论。