Waarde mede-forumleden. Ik ben geen fotograaf; eerlijkheidshalve moet ik zeggen dat mijn expertise zelfs niet uitsluitend beveiliging is (al vormt dat wel een heel belangrijk deel, maar uiteindelijk is het slechts het instrument). Toch ben ik gek op fotografie, muziek, videobewerking en tekstverwerking. Als amateur was mijn eerste kennismaking met de Mac (zoals voor velen) destijds eigenlijk een logisch gevolg, juist vanwege al het bovengenoemde.
De meesten kennen me inmiddels van lange verhalen: sorry, dit keer is het niet anders. En ja, ik heb veel kritiek en soms een wat norse kijk op zaken. Sommigen in mijn omgeving noemen me de analyticus, de systeemdenker, de rationalist (of degene die zelfs naar zijn eigen geliefde merk met een kritische bril kijkt: niet om te teasen, maar om te signaleren waar de zwakheden zitten en wat oprecht beter kan). Anderen noemen me gewoon tering-irritant. Goed, punt gemaakt.
Hier is hopelijk een positievere bijdrage, in de vorm van een artikel. Mogelijk ook meteen een excuus voor sommige zwaardere bijdrages hier op het forum 
.
Dus: hier is mijn poging om de oorspronkelijke forumpost te gebruiken voor meer uitleg — en dus als hulp, niet om die te kapen. 
Waarheid of Schoonheid: Hoe AI Historische Foto's Kan Herstellen Zonder de Geschiedenis te HerschrijvenBeste creatieven en data restaurateurs op dit forum,
Stel je voor dat er een vervaagde archieffoto op je scherm verschijnt. Een mistige haven in Tiel, Nederland. Een scheepsdek op de voorgrond. Een vogel die boven het water zweeft. Maar de scan is zwaar beschadigd.
Zwartwit foto's verbeterenKijk goed naar de bovenstaande originele afbeelding. De linkerkant is fysiek vervormd door een rimpeling in het archiefmateriaal. Het hele beeld is bedekt met harde dither patronen (een raster van puntjes) van oude drukprocessen, en cruciale details zijn bijna verloren gegaan in de ruis en nevel.
Als we dit simpelweg aan een AI voeren met een typische, korte prompt, gebeurt er iets fascinerends maar gevaarlijks. Een korte prompt ziet er vaak zo uit:
Herstel deze oude, beschadigde archieffoto van Tiel. Verwijder de ruis, haal de mist weg en maak de details scherp.
Voor mijn doen is dit een erg korte prompt. En het resultaat van zo'n luie instructie is desastreus voor historische integriteit.
Zwartwit foto's verbeterenVergelijk deze bewerkte foto eens met het origineel. Het resultaat ziet er prachtig uit, maar toch voelt er iets niet goed. Kijk naar links: de onduidelijke pixelvlek in de lucht ziet er plotseling uit als een perfect gerenderde, moderne zeemeeuw met haarscherpe veren. Kijk naar rechts: een vage schaduw op de boot is veranderd in een duidelijk persoon met een specifiek soort jas en muts. Er verschijnen haarfijne nerven op het hout van het dek die nooit in de originele scan aanwezig waren.
Wat is hier zojuist gebeurd? Dit moment vangt een van de belangrijkste vragen in moderne digitale restauratie. Zijn we het verleden aan het terughalen, of zijn we het opnieuw aan het creëren? Omdat de prompt te simpel was, koos de AI de weg van de minste weerstand: raden en verzinnen.
Om AI verantwoord te gebruiken als instrument (en niet als vervanger van ons eigen inzicht), moeten we precies begrijpen hoe de algoritmes omgaan met beschadigde data. Er is een fundamentele spanning in computationele fotografie tussen een pure signaalherstel benadering en een generatieve synthese benadering. Laten we de techniek induiken om de logica te snappen.
De Deterministische Benadering (Signaalherstel)Deze methode behandelt de afbeelding als een gecorrumpeerde dataset. Het doel is puur wiskundig informatieherstel. Elk artefact, zoals de stippen van de dithering, bevat wiskundige informatie over de originele afbeelding. Een deterministisch model probeert het degradatieproces wiskundig om te keren. De absolute regel hierbij is de harde waarheid. Het resulterende beeld mag alleen bestaan uit data die strikt kan worden afgeleid uit het invoerbestand. De vogel aan de linkerkant zou bijvoorbeeld worden verscherpt vanuit zijn wolk van pixels, maar er zou geen nieuw detail worden toegevoegd.
In theorie is dit de eerlijkste methode. Maar voor een foto die zo zwaar is gedegradeerd, loopt dit model vast. Er is te veel ambiguïteit. Als het model objecten deterministisch probeert te verscherpen in een scan met een lage resolutie, creëert het onnatuurlijke halo artefacten (harde randen rondom objecten). De verhouding tussen signaal en ruis is te laag.
In mensentaal: Deze methode is alsof je een hele vieze ruit probeert schoon te maken. Je verzint absoluut niet wat er buiten te zien is, je probeert alleen de modder weg te halen. Maar als het glas zelf zwaar bekrast is, zal het uitzicht nooit perfect scherp worden, ongeacht hoe hard je poetst. Je ziet de waarheid, maar wel door een zwaar beschadigde lens.
De AI Synthese BenaderingGeneratieve AI gebruikt een compleet ander model. Het probleem wordt hier niet geformuleerd als "hoe draai ik dit wiskundig terug?", maar als "wat is statistisch gezien de meest logische invulling van dit wazige sjabloon?"
Dit systeem gebruikt inferentie in plaats van deductie. Het is getraind op miljoenen havengezichten. Het herkent de patronen van een schip en combineert dat met de externe context (het woord 'Tiel' in de prompt). Voor de figuur aan de rechterkant verduidelijkt het niet zomaar de schaduw. Het concludeert dat een persoon op een vrachtschip uit die tijd waarschijnlijk een schippersjas zou dragen, en tekent dat detail in. Dit creëert een geloofwaardige simulatie in plaats van een strikt herstel.
In mensentaal: Dit is alsof je een meesterschilder vraagt om naar je wazige foto te kijken en het tafereel na te schilderen. De schilder "weet" hoe een zeemeeuw of een schippersjas eruitziet en vult de ontbrekende details perfect in. Het ziet er schitterend en realistisch uit, maar het is een goed opgeleide gok. Het is geen restauratie meer, het is historische fictie.
Laten we deze twee uitersten naast elkaar leggen om het verschil te zien.
Zwartwit foto's verbeterenKijk goed naar deze vergelijking. Links zie je de generatieve aanpak (de verzonnen zeemeeuw en houtnerven). Rechts zie je puur deterministisch signaalherstel. Je ziet dat op de rechterhelft de dither puntjes perfect zijn weggepoetst door wiskundige frequentiefilters. De masten zijn scherp. Maar let op de vogel en de persoon rechts. Ze blijven vage, eerlijke silhouetten. Dat is de compromisloze waarheid van de ruwe data.
De Echte Oplossing: Een Hybride Uitvoeringsplan (En De Perfecte Prompt)Hoe lossen we dit op? Door als Art Director op te treden en de pijplijn te splitsen. We gebruiken wiskunde waar we de waarheid willen behouden, en we huren de "briljante schilder" alleen in voor het stukje beeld dat onherstelbaar vernietigd is door de rimpel in de scan.
Technisch gezien werkt dit door de afbeelding te scheiden via gecontroleerde maskers ('masking') en 'latent space diffusion'. We dwingen het systeem om 95% van de pixels vast te zetten en uitsluitend door wiskundige filters te halen. Voor de overige 5% (de vernietigde linkerkant) creëren we een masker. Binnen dat specifieke masker activeren we het generatieve AI-model. Het geniale hierbij is dat het model de aangrenzende, wiskundig herstelde pixels (zoals het kalme water direct naast de scheur) analyseert en gebruikt als harde grens en contextvoorwaarde ('conditioning'). Vanuit willekeurige statistische ruis bouwt het model iteratief een nieuwe textuur op die perfect aansluit bij de rest van het beeld, zonder dat de hallucinaties weglekken naar het historische, beschermde deel van de foto.
Kijk naar de onderstaande schematische weergave van deze hybride aanpak, dan zie je exact hoe dit in de praktijk werkt:
Zwartwit foto's verbeterenWat je hier visueel uitgelegd krijgt, is precies die gescheiden pijplijn in actie. Aan de rechterkant zie je het resultaat van pure wiskunde (deterministisch signaalherstel). De dither-puntjes zijn vakkundig verwijderd, maar de AI heeft de strikte instructie gekregen om nergens iets bij te verzinnen. De figuur op de steiger blijft dus een anoniem, historisch accuraat silhouet (de 'truth').
Maar kijk nu naar de opgelichte inzet aan de linkerkant. Binnen dat specifieke masker — de zone waar de originele data fysiek was vernietigd — kreeg het generatieve model wél de vrije teugel. Het model analyseert het omliggende water en synthetiseert op basis van kansberekening een waanzinnig gedetailleerde, fotorealistische zeemeeuw (de 'beauty'). Door deze twee totaal verschillende processen in één commando te combineren, sluit je de generatieve hallucinatie letterlijk op in een digitaal quarantainegebied. De rest van je historische foto blijft puur.
Dit vereist wel dat we de AI niet zomaar een wens geven, maar een strakke technische configuratie. Een goede prompt bevat context, een gesplitste methode, en harde restricties. Hier is hoe je dat dicteert:
Je bent een expert in forensische digitale beeldrestauratie. Herstel deze dithered archiefscan van een haven in Tiel door middel van een strikt gescheiden, hybride pijplijn.
Actie 1: Voor 95 procent van het beeld (inclusief het schip op de voorgrond, het silhouet rechts, de masten en het water rechts) gebruik je uitsluitend deterministisch signaalherstel. Gebruik wiskundige frequentiefiltering om het dither patroon te verwijderen. Behoud de absolute historische waarheid. Voeg absoluut geen generatieve texturen, kledingstukken, veren of nieuwe objecten toe. Laat onduidelijke schaduwen ambigu.
Actie 2: Enkel en alleen voor het zwaar beschadigde en gerimpelde gedeelte uiterst links (de zone met de mist en de vogel) pas je gecontroleerde probabilistische inpainting toe. Synthetiseer hier een geloofwaardige textuur voor de mist en het water. Detailleer de vogel subtiel passend bij een Nederlandse haven, maar zorg dat dit naadloos overloopt in het wiskundig herstelde hoofddeel zonder de rest van de foto te beïnvloeden.
Actie 3: Sluit het volledige beeld af met een minimale fotografische lens blur om het geheel natuurlijk te binden en oververscherping te voorkomen.
Kijk naar wat we hier doen. We dicteren de AI exact welke algoritmes hij lokaal moet aanspreken. We sluiten hallucinaties uit voor het grootste deel van de foto. En dit is het uiteindelijke resultaat:
Zwartwit foto's verbeterenDit is waar wiskunde en probabiliteit samenvloeien. De dither is weg. Het hout van de boot is schoon maar niet voorzien van neptexturen. Het silhouet rechts is nog steeds een mysterieuze schaduw (de waarheid). Maar de vernietigde linkerkant is op een logische, subtiele manier aangevuld zodat de foto prettig is om naar te kijken.
Om deze complexe besluitvorming visueel te maken, hebben we onderstaande Kiezen van de Juiste AI-Restauratiebenadering diagram voor je samengesteld:
Het diagram visualiseert precies de drie paden die we zojuist hebben besproken. Deterministisch signaalherstel (gebaseerd op DSP/wiskunde) is je 'truth savvy' pad voor ongeschonden data. Probabilistisch synthese (generatieve AI) is je 'schoonheid' pad voor volledige simulatie. De hybride aanpak, zoals getoond in het schema, is de art director keuze die beide werelden lokaal combineert via masking. Het sluit de generatieve hallucinatie op in een quarantainegebied, waardoor de rest van je historische foto historisch accuraat blijft.
Hier zijn de bijbehorende voors en tegens voor elke aanpak, handig samengevat in een tabel:
| Aanpak | Voors | Tegens |
| Deterministisch (DSP) | Hoge historische integriteit. Geen hallucinaties. Behoudt ambiguïteit. | Resultaten kunnen zacht zijn. Beperkt bij ernstige corruptie. |
| Probabilistisch (Synthese) | Schitterende, haarscherpe simulatie. Vult grote hiaten in data. | Lage historische waarheid. Hallucineert details. Risico op 'vervalsing'. |
| Hybride (DSP + AI Masking) | Beste van beide werelden. Waarheid waar data bestaat, synthese waar nodig. | Vereist expertise in 'Art Direction' en masking. Complexere configuratie. |
De Nieuwe Vaardigheid: AI RegisserenHet benoemen van de technische "waarom" is geen zwaktebod. Het helpt ons juist om AI op waarde te schatten als een fantastisch instrument, mits we het goed gebruiken. AI is niet zomaar een magische doos. Het is een uitvoeringsmachine, geen beslissingsmachine.
De beslissingen die het neemt, hangen sterk af van hoe wij het probleem kaderen. Het identificeren van de zwakke plekken van pure wiskundige DSP en de hallucinerende aard van generatieve modellen stelt ons in staat om ze als mens effectief te combineren. Dus, hoe jij de machine instrueert (als senior, chef, art director of rationalist) is bepalend voor de uitkomst. De AI is hier je ondersteuning. Niet de denker. Dat ben jij.
In het verleden beheersten creatieven camera's en donkere kamers. Tegenwoordig moeten we algoritmische instructies beheersen. Het verschil tussen een historisch misleidend beeld en een trouwe restauratie komt neer op het begrijpen van de logica achter de schermen, en het schrijven van een prompt die de machine op de juiste manier dwingt. De toekomst van creatief werk behoort toe aan degenen die precies weten hoe ze de machine de juiste vragen moeten stellen.
Doctor
Oh, en nog een ding: hier zijn de specifieke prompts die we in dit artikel hebben gebruikt. Gebruik ze als sjabloon voor je eigen projecten, maar onthoud: Jij hebt de leiding. Zonder jou (juiste) instructies, vervalt AI in het klassieke 'shit in', 'shit out' patroon. Waarbij 'shit out' weliswaar altijd wel iets 'aardigs' oplevert, maar niet per definitie wat we willen bereiken, nodig hebben of ... waarheidsgetrouw.
1. Deterministisch (DSP/Wiskunde) Commando:Gebruik uitsluitend deterministisch signaalherstel (DSP) op deze dithered scan. Wiskundige FFT-filtering voor dither-verwijdering en randscherpte. Voeg absoluut geen generatieve texturen, kledingstukken, veren of nieuwe objecten toe. Preserve historical truth savvy.2. Probabilistisch (Synthese) Commando:Herstel deze dithered archiefscan van Tiel. Verwijder de ruis, haal de mist weg en maak de details scherp. Zorg voor een hoogwaardige, geloofwaardige simulatie met fotorealistische texturen.3. Hybride (DSP + AI Masking) Commando (zoals getoond in het diagram):Je bent een expert in forensische digitale beeldrestauratie. Herstel deze dithered archiefscan van Tiel door middel van een strikt gescheiden, hybride pijplijn. 95% van het beeld (inclusief het schip, het silhouet, de masten en het water rechts) uitsluitend deterministisch signaalherstel via frequentiefiltering. Geen generatieve toevoegingen. Voor de vernietigde 5% linkerkant (mist en vogel) probabilistische inpainting: synthetiseer levensechte textuur consistent met de omgeving en periodiek accuraat. Sluit af met een minimale fotografische lens blur.---
Post Scriptum
Disclaimer: Tekst is eigen werk, evenals de prompts. spelling en grammatica controle is uitgevoerd met LTengine in LibreOffice and vervolgens een tweede keer door gebruik gemaakt te hebben van AI (ChatGPT). Oorspronkelijke afbeelding hoort toe aan de rechthebbende forumgebruiker, de hier gebruikte voorbeelden zijn gegenereerd door Gemini.Niet boos worden inzake de lengte, het is oprecht goed bedoeld
, en ja als de teksten erg lang worden verschuift de toon vaker (bij mij) naar het koninklijke "wij". Sommigen zouden zeggen: een stille verwijzing naar meerdere persona's en een verwijzing voor een professionele afspraak
.
Gast
