如何用 AI 为照片添加雨天效果 — Magic Eraser
了解如何使用 AI 生成工具为任何照片添加逼真的雨水和天气效果。分步指南涵盖雨丝、湿润表面、倒影以及氛围调色。
Content Lead
审稿人 Magic Eraser Editorial ·

事后为照片添加雨水是视觉特效中最古老的合成技巧之一。直到不久前,这还需要在 Photoshop 中逐帧绘制,或使用只有电影制片厂才负担得起的昂贵粒子模拟软件。难点从来不在于生成白色的对角线条。任何噪点滤镜都能做到——而在于让这些线条与场景产生令人信服的相互作用。真实的雨水会捕捉环境中每一个光源的光线,产生与快门速度成正比的运动模糊,并随着与相机的距离变化而改变密度。它在所接触的每一个表面上都留下可见的痕迹。一层敷衍的雨水叠加层看起来就像漂浮在图像前方的静态噪点。而精心制作的雨水效果会改变整张照片的情感基调,依据氛围处理方式的不同,唤起亲密、忧郁、戏剧性或新生之感。
AI 驱动的天气效果极大地改变了这一格局。现代生成模型理解场景的几何结构、光线方向和表面材质。它们对氛围透视的把握足够到位,能够放置出与画面中每个元素正确互动的雨丝。AI 知道前景的雨应当比背景的雨更大、运动模糊更强,知道湿润的鹅卵石与湿润的草地反射方式不同。也知道雨天场景的整体色温会比晴天偏冷、饱和度更低。这种场景感知能力能在几分钟内产生出熟练合成师手工要耗费数小时才能实现的效果,为从未接触过专业 VFX 工具的摄影师和内容创作者打开了富有创意的天气效果之门。
本指南将完整讲解使用 Magic Eraser 的 AI 工具为任何照片添加令人信服的雨水效果的工作流程。我们涵盖场景选择与兼容性评估、为匹配雨天光照条件而进行的基础氛围调整、在不同深度生成多层雨丝、地面层的湿润表面倒影与水洼效果,以及消除瑕疵的最终精修。这些技巧同样适用于戏剧性的编辑摄影、富有氛围的社交媒体内容、产品拍摄以及电影感的叙事图像。读完之后,你不仅会理解机械的步骤,还会理解将照片级逼真的雨水与明显虚假的天气叠加层区分开来的视觉原理。
- AI 雨水生成会放置尊重场景几何结构、光线方向和深度的雨丝,产生与画面中每个元素自然互动的前景与背景图层。
- 在添加雨水之前进行基础氛围调整至关重要:将色温调冷、为暖色调降低饱和度、降低对比度,并加入蓝灰色调以模拟阴天的大气散射。
- 地面层的细节,如湿润表面的倒影、水洼的镜面以及路面的光泽,往往比雨丝本身对雨水的可信度贡献更大。
- 在两个或更多深度平面上的多层雨水会产生模拟真实降水的视差——前景的大雨丝与背景细密的水帘,且风的角度一致。
- Magic Eraser 会清理雨丝与前景主体不自然交叉处的瑕疵,而 AI Filter 会加入大气雾霭以模拟中距离处降低的能见度。
理解为何大多数雨水效果看起来虚假以及 AI 如何解决这一问题
简单雨水叠加层的根本问题在于均匀性。真实的雨水并不是一道由相同雨丝以相同角度、速度和亮度落满整个画面的均匀帘幕。紧邻前景的雨水——在相机两米以内——表现为带有强烈运动模糊的、快速移动的大雨丝。十米处的雨水更小、更锐利,因为它所张的角度更小,且在那个视距上相对运动模糊有所减弱。二十米之外的雨水则消融为一层降低对比度并使色彩偏向蓝灰的整体氛围雾霭。任何在画面上均匀地应用同一种雨丝图案的叠加层都忽略了这种深度变化,会立刻在观者眼中显得人工,哪怕他们说不清究竟为何看起来不对。
光线互动是第二个关键的失败点。真实的雨滴是透明的球体,会折射并反射环境中每一个光源的光线。一滴落过路灯的雨滴会短暂地闪现出灯的橙色光晕。处于阴影中的雨滴几乎不可见。深色背景前的雨滴表现为一道明亮的雨丝,因为它将环境光向前散射到相机方向。同一滴雨滴若衬在明亮的天空前则不可见,因为其后的天空已经比雨滴所散射的光更亮。简单的叠加层完全忽略了这种差异化的可见度,将白色雨丝均匀地铺在图像的明亮与黑暗区域之上。AI 生成模型隐式地理解这些物理规律,因为它们在数百万张真实雨水照片上训练过,已学到了雨水在不同光照条件下呈现方式的统计规律。
表面互动是将令人信服的雨水与明显造假区分开来的第三个要素。当雨水落下时,它并不只是击中地面后消失。它在撞击时产生溅起的水冠,汇聚成沿表面轮廓流动的细流,在凹陷处积成水洼。它在每一个表面覆上一层薄薄的水膜,极大地改变该表面的反射特性。干燥的沥青是哑光的深灰色。湿润的沥青则变成一面镜子,反射其上方的每一个光源。干燥的玻璃是透明的。湿润的玻璃则将其后的一切扭曲成一幅模糊的印象派画作。这些表面变化在视觉上往往比雨丝本身更具冲击力。它们的缺失是雨水被人工添加的最明确信号。AI 工具如今能够生成这些表面效果,因为它们理解材质属性,并能修改表面外观以匹配湿润条件。
- 均匀的雨水叠加层之所以失败,是因为真实降水会随深度剧烈变化——前景的大雨丝、中景较小的雨水以及背景的大气雾霭。
- 雨滴的可见度取决于背景亮度:雨丝在深色区域中凸显,但在明亮的天空前消失,而简单的白色雨丝叠加层完全忽略了这一点。
- 表面的变化——湿润沥青变得反光、玻璃产生扭曲——在视觉上往往比雨丝本身更具冲击力,是雨水真实性的最强线索。
- 在数百万张雨水照片上训练过的 AI 模型已隐式学到了这些深度、光线和表面互动的规律,产生尊重场景物理的结果。
营造令人信服的雨天氛围的调色技巧
雨天场景的色彩调性在本质上与晴天不同。将你的基础照片调整到匹配这一调性,是实现可信雨水的前提条件。真实的阴天天空透过厚厚的、起到巨大柔光器作用的云层散射阳光,产生柔和、无影、色温更冷的光照。直射阳光的色温约为 5500 开尔文。浓重的阴天会将其推向 6500 至 7500 开尔文——明显地偏向蓝色。与此同时,散射效应缩小了场景的整体亮度范围,因为最明亮的区域(直射阳光本应落下之处)被压暗,而最黑暗的区域(硬阴影)被云层的环境补光抬升。这种色调范围的压缩赋予雨天场景其特有的平淡、忧郁的质感。
雨中的饱和度行为遵循一种许多修图者会误解的反直觉规律。常见的假设是雨水会降低一切的饱和度。虽然整体场景确实会偏向柔和的色调,但某些颜色在被打湿时实际上会变得更鲜艳。红砖、绿叶、黑沥青以及涂漆表面在被一层薄薄的水膜覆盖时,色彩饱和度都会增加,因为水层减少了通常用反射的白光稀释色彩的表面散射。正确的做法是将图像整体降低饱和度百分之十到百分之十五以匹配氛围扩散,然后有选择地重新提升红色、绿色的饱和度。蓝色提升百分之五到百分之十,以模拟湿润表面的色彩增强。这样便营造出一种读起来真正像雨天而非单纯降低饱和度的色调。
氛围透视——相机与远处物体之间的空气和水汽所产生的视觉效应——在雨中被极大放大。在晴朗的日子里,一公里外的物体呈现出轻微的蓝移和降低的对比度。在雨中,同样距离的物体可能几乎完全被落下的水帘和悬浮的水汽所遮蔽。使用 AI Filter 添加随距离递增的蓝调雾霭,降低背景元素的清晰度和对比度。这种氛围分层是雨水可信度最重要的卖点之一,因为它表明水汽影响的是整个环境,而不仅仅是漂浮在相机前的一层。前景应保持相当清晰,中距离应呈现适度的雾霭。远处的背景应消融为一层柔和的蓝灰色调。
- 将色温从 5500K 调向 6500-7500K 以匹配阴天天空更冷的光照,并压缩色调范围以模拟云层的漫射光。
- 将整体图像降低饱和度百分之十到百分之十五,然后有选择地重新提升红、绿、蓝的饱和度,以模拟湿润表面所产生的反常色彩增强。
- 添加随距离递增的大气雾霭——清晰的前景、中景适度的扩散,以及柔和蓝灰色的背景消融。
- 这些调色必须在添加雨丝之前进行,因为雨丝需要与校正后的光照互动,才能看起来是融为一体而非叠加上去的。
构建具有逼真深度与运动感的多层雨水
电影和摄影中专业的雨水效果始终使用处于不同视距深度的多个图层。AI 生成的雨水也应遵循同样的原则。最低限度可行的做法使用两个图层:一个带有更大、更醒目雨丝的前景图层,以及一个带有更细、更密雨丝的背景图层。为追求最大限度的逼真感,可再添加第三个中距离图层。每个图层在雨丝大小、不透明度、模糊量和密度上都应有所不同。前景雨丝在标准输出分辨率下应宽三到五像素,不透明度百分之二十到百分之三十,并带有强烈的方向性运动模糊。背景雨丝应宽一像素,不透明度百分之五到百分之十,单根的轮廓极其微弱。它们作为一个整体读起来像一道有质感的帘幕,而非一根根可分辨的水滴。
雨丝的角度和一致性反映了风的状况,且必须在物理上保持合理。在静止的空气中,雨水几乎垂直落下——在偏离垂直五度以内。轻风会使雨水倾斜十到二十度。强风可将雨水推到偏离垂直三十度甚至四十五度。无论你选择哪个角度,每个图层中的每一根雨丝都必须保持同一角度。风对某一区域内的所有雨滴一视同仁。最常见的错误是使用某些雨丝与其他雨丝以不同角度落下的雨水叠加层,这会制造出一种物理上不可能的情形,即在同一画面内风同时向多个方向吹。如果你的场景中有旗帜、烟雾、头发或其他风的指示物,雨的角度就必须与它们的方向一致。
雨丝上的运动模糊应与原始照片的表观快门速度相关。一张动作锐利、被定格的照片暗示着 1/500 或更快的高速快门。它会将雨水呈现为短而清晰的雨丝,甚至是定格在半空中的单个水滴。一张在移动主体上带有轻微运动模糊的照片暗示着 1/60 到 1/125 的较慢快门。它会将雨水呈现为更长的雨丝。一张刻意模糊、以 1/15 或更慢长曝光拍摄的照片,会将雨水呈现为延展的半透明轨迹。让雨水的模糊与表观快门速度相匹配,可避免看到被定格的人在严重模糊的雨中行走、或者反之的违和感。AI 生成工具可以调整这一参数。调对它,便是看起来物理上合理的雨水与观者下意识排斥的雨水之间的区别所在。
- 至少使用两个雨水图层——宽三到五像素、不透明度百分之二十到百分之三十的前景雨丝,以及宽一像素、不透明度百分之五到百分之十的背景雨水。
- 在所有图层中保持一致的雨丝角度以模拟统一的风向——轻风时偏离垂直十到二十度,并与场景中任何风的指示物相匹配。
- 让雨水的运动模糊与原始照片的表观快门速度相匹配:定格动作的拍摄用短雨丝,慢曝光的图像用长轨迹。
- Screen 或 Lighten 混合模式可确保雨丝表现为捕捉光线的水,而非画在场景之上的不透明白线。
让幻象成立的湿润表面、倒影与水洼效果
地面层的雨水证据对可信度的重要性,往往超过在空中落下的雨丝。观者习惯于在电影和照片中看到雨水,他们的大脑会自动检查次级证据。湿润的路面、倒影、水洼、溅水效果——以确认雨是真实的。当存在雨丝、但下方每一个表面都干透时,认知失调会立即产生且令人刺眼。相较于把雨丝本身做到完美,在地面层雨水效果上投入时间,会在整体可信度上带来不成比例的丰厚回报。
湿润表面的模拟需要理解水如何改变表面的反射率。混凝土、沥青、砖石等干燥粗糙的表面会向各个方向漫射光线,呈现哑光。当被一层薄薄的水膜覆盖时,这些表面便获得了镜面反射成分。它们开始部分地像镜子一样作用,以受表面几何结构支配的角度反射光源。这一效果在道路和人行道这类水平表面上最为戏剧化,它们会反射天空、路灯。车头灯则化作拉长的垂直光带。使用 AI Enhance 提升整个场景中水平表面的反射质感,将明亮光源的柔和反射版本添加到路面上。倒影应在垂直方向上拉伸,亮度比光源更低。并因水的吸收特性而色温略暖。
水洼是雨天地面表面在视觉上最具戏剧性的元素,因为它们能产生近乎完美的镜面倒影。真实的水洼形成于表面的凹陷处。路面的裂缝、坑洞、排水沟、路缘的边缘,以及任何排水受阻的区域。它们不会在表面的隆起处或水会流走的高处形成。在放置 AI 生成的水洼时,要遵循表面所暗示的地形。水洼位于排水沟中、沿墙根、在略微凹陷的路面中央。每个水洼都应反射出其正上方之物的垂直翻转版本,并略微模糊以模拟落下的雨滴对表面的扰动。在水洼表面添加由雨滴撞击产生的同心涟漪图案,是一处微妙却有力的细节,它表明这是正在进行的降雨,而非一场已经过去的暴风雨所遗留的积水。
- 地面层的湿润效果——反光表面、水洼、溅水图案——对雨水可信度的贡献超过雨丝本身,不应被略过。
- 湿润的水平表面会获得镜面反射率,在路面上产生上方光源拉长的垂直光带,为追求物理准确性需要添加这些。
- 将水洼放置在自然的凹陷处——排水沟、裂缝、路缘边——而非隆起的表面,并添加雨滴涟漪图案以表明正在进行的降水。
- 水洼倒影应垂直翻转、因雨滴扰动而略微模糊,并且亮度比被反射的光源更低。
超越逼真雨水的创意应用
虽然照片级逼真的雨水是最常见的目标,但 AI 天气效果开启的创意可能性远远超出了模仿相机在真实雨中所能捕捉的内容。风格化的雨水效果可以把一张照片变成令人联想到插画、动画或纯艺术的东西。刻意醒目、图形化而非含蓄的浓重夸张雨丝,与品牌色调相匹配的彩色雨水,或者按图案或形状而非随机分布落下的雨水。这些创意应用在社交媒体内容、编辑摄影、专辑封面上尤其奏效。在任何看重艺术诠释胜过摄影准确性的语境中皆是如此。
人像摄影从那些在现实中不切实际或令人不适的雨水效果中获益。一位在完美受控的雨中、伴着戏剧性逆光站立的模特。每一滴水都捕捉到一道轮廓光并形成光晕效果,这是只存在于配备雨塔和精密灯光设备的电影制片厂中的布置。AI 可以通过添加雨水、湿润的头发和皮肤效果以及逆光模拟,从一张干燥的影棚人像中创造出这种外观。其结果捕捉到了雨水浪漫或戏剧性的氛围,却没有寒冷、不适的模特、毁掉的妆容、起雾的镜头和受损的设备这些现实。对于商业和时尚摄影而言,这开启了一种以往仅限于为造雨机和防水投入巨额预算的制作才能企及的天气氛围。
产品摄影使用雨水和水的效果来传递新鲜、奢华与自然之感。一瓶表面带有雨滴、背景中柔雨飘落的护肤产品,会立刻传递出新鲜与纯净。一块在看似瓢泼大雨中拍摄的防水手表,无需在拍摄中冒真正的进水损坏风险,便展现出其耐候性。美食摄影使用窗玻璃上的雨水效果,为温馨的室内场景营造富有氛围的背景。雨水拍打窗户时一顿热饭的慰藉。这些应用将雨水用作叙事手段而非环境模拟。对物理准确性的要求更低,因为雨水承担的是情感功能而非纪实功能。
- 风格化的雨水——夸张的雨丝、彩色的降水、图形化的图案——在艺术诠释胜过准确性的社交媒体、编辑和专辑封面上奏效良好。
- 人像雨水效果从一张干燥的照片中再现昂贵的雨塔影棚布置,在没有现实不适或设备风险的情况下捕捉浪漫与戏剧性的氛围。
- 产品摄影使用雨水来传达新鲜、奢华与耐候性——瓶身上的水滴、手表上的雨水、为美食场景营造氛围的窗户背景。
- 创意雨水应用对准确性的要求更低,因为雨水承担的是情感与叙事功能,而非纪实功能。
参考资料
- Physically-Based Rendering of Rain Streaks and Accumulation Effects — ACM SIGGRAPH
- Rain Rendering and Removal: A Survey of Deep Learning Approaches — arXiv
- Weather Effects in Computer Vision: A Historical Perspective — IEEE Transactions on Pattern Analysis