AI foto bewerken: productfoto's en teamfoto's verbeteren zonder fotograaf

Je hebt een productfoto met een rommelige magazijnachtergrond, of een teamfoto met een slecht belichte collega, en geen tijd voor een fotoshoot. AI foto bewerken lost dat in minuten op: je beschrijft de wijziging en krijgt een nieuwe versie terug. Dat is iets anders dan een beeld helemaal laten genereren, zie AI-afbeelding maken voor dat onderscheid. Het venstje dat daarbij vaak wordt overgeslagen: volgens Google's eigen documentatie voor zijn beeldmodel moet je een detail als een gezicht of een logo expliciet omschrijven als je wilt dat het exact behouden blijft tijdens een bewerking. Doe je dat niet, dan regenereert het model dat stuk gewoon mee. Hieronder: welke tool voor welke klus, een volledig uitgewerkt voorbeeld met een fout erin, en de controle die je er daarna altijd bij doet.

Wat kun je wel en niet met AI foto bewerken?

AI foto bewerken draait om een techniek die inpainting heet, ook als de tool die naam nooit laat zien. Je geeft een foto en een instructie, en het model genereert het gevraagde stuk opnieuw: een andere achtergrond, een object erbij of eraf, een andere jas, scherpere kleuren. Het werkt daarbij niet met lagen zoals Photoshop, waar een onbewerkt gebied gegarandeerd onbewerkt blijft. Het model kijkt naar de hele foto en voorspelt per pixel wat daar waarschijnlijk moet staan, gegeven je instructie en de rest van het beeld.

Dat verklaart meteen waar de techniek sterk in is en waar niet. Sterk: een achtergrond vervangen, een storend object weghalen, een foto scherper of helderder maken, een vaste stijl over meerdere foto's doortrekken. Minder sterk: een klein, exact detail laten staan zoals het was, zeker als dat detail dicht bij het bewerkte gebied ligt. Een sieraad, een productlabel, tekst op een verpakking of een ingeperst logo zijn precies de dingen die volgens een technische analyse van AI-ontwikkelaar Segmind het vaakst meeveranderen, ook als je er niets over vroeg. Hun eigen tests laten zien dat een kleine aanpassing aan een sieraad of een kledingstuk "larger-than-intended modifications" oplevert, en dat tekst op een bord of verpakking "inaccurate, incomplete, or distorted" teruggegeven wordt, zelfs met een duidelijke instructie.

Welke tool kies je om een foto te bewerken met AI?

Drie tools dekken het meeste zakelijke werk. Ze verschillen in hoeveel controle je krijgt over wat er precies verandert, niet zozeer in ruwe kwaliteit.

Canva Magic Edit: de snelste optie voor een simpele klus

Canva's eigen featurepagina bevestigt dat Magic Edit draait op Google's Nano Banana-model, verpakt in klik-en-sleep-tools: Magic Eraser voor een object weghalen, Background Remover voor de achtergrond, Grab Text om tekst in een foto te vervangen. Dat werkt goed omdat je niet hoeft te prompten: je klikt het element aan en kiest de actie. Reken op een paar minuten per foto voor een achtergrond of een storend object. Niet doen zodra een logo, prijslabel of productcode in de foto moet blijven kloppen: Canva geeft je daar geen manier om expliciet "behoud dit exact" te zeggen, en dat is precies waar het misgaat (zie hieronder).

Foto bewerken met Gemini (Nano Banana): wanneer dit beter is

Foto bewerken met Gemini geeft meer sturing, omdat je in gewone taal kunt beschrijven wat er wel en niet mag veranderen. Het model achter de app heet volgens Google's officiële modeldocumentatie Nano Banana 2.1 (API-naam gemini-nano-banana-2.1), de actuele versie voor conversationele bewerking op 1K, 2K en 4K. Dezelfde documentatie noemt expliciet de aanpak die hier werkt: "to ensure critical details (like a face or logo) are preserved during an edit, describe them in great detail along with your edit request". Gebruik dit zodra er een merkelement, tekst of een exact product in beeld staat. Reken bij een scherp geformuleerde instructie op één tot twee bewerkingsrondes voordat een kritiek detail klopt, zie het uitgewerkte voorbeeld hieronder voor wat er in zo'n eerste ronde nog misgaat. Niet doen voor een losse achtergrondwissel zonder kritieke details: dan kost het schrijven van een precieze instructie meer tijd dan het je oplevert.

Foto bewerken met ChatGPT: de andere precisie-optie

Foto bewerken met ChatGPT werkt via de Images-API, met modellen die OpenAI zelf GPT Image 2.5 Sunburst en Flare noemt: Sunburst voor bewerkingen waar precisie het zwaarst telt, Flare voor snelle, dagelijkse generatie. ChatGPT laat je ook een masker meesturen om precies aan te wijzen welk gebied verandert, al waarschuwt OpenAI zelf dat de maskering "entirely prompt-based" is en het model de vorm niet altijd exact volgt. Kies dit als je al in het ChatGPT-ecosysteem werkt of als maskering je workflow past. Reken op eenzelfde slagingskans als bij Gemini: één tot twee bewerkingsrondes bij een scherp geformuleerde instructie, de maskering verandert de precisie, niet de kans dat een detail toch meeregenereert. Niet doen boven de grens uit de beslisregel hieronder: dan is het klikwerk zelf duurder dan een workflow.

Een productfoto bewerken met AI: het uitgewerkte voorbeeld

Fictief voorbeeld, representatief voor wat we in trainingen terugzien. Tuinmeubelwinkel "De Buitenkamer" heeft een foto van een stalen bijzettafel nodig voor de webshop. De foto zelf komt uit het magazijn: rommelige achtergrond, een prijssticker op het blad, en op de poot een klein ingeperst merklogo met de letters "DB".

De instructie aan Gemini:

Vervang de achtergrond van deze foto door een neutrale, lichtgrijze
studio-achtergrond met een zachte schaduw onder de tafel, alsof hij in
een fotostudio staat. Verwijder de prijssticker op het tafelblad.

Verander verder niets aan de tafel zelf. Behoud het ingeperste logo met
de letters "DB" op de linkerpoot exact zoals het er nu uitziet: zelfde
vorm, zelfde diepte, zelfde plek.

Wat er teruggekomen is, regel voor regel tegen wat er gevraagd was:

Het model heeft de poot als geheel opnieuw getekend in plaats van dat ene gebied met rust te laten, om de nieuwe schaduw er geloofwaardig bij te laten aansluiten. Dat is precies het patroon dat zowel Segmind als een onafhankelijke academische evaluatie beschrijven: de SpotEdit-benchmark van onderzoekers van New York University laat zien dat toonaangevende bewerkingsmodellen, waaronder GPT-4o, geregeld een wijziging doorvoeren op een detail dat er niet om vroeg, "even hallucinate the existence of a visual cue" in de woorden van de onderzoekers zelf.

Wat je daaraan repareert voor je publiceert: twee opties. De snelste is een tweede bewerkingsronde met een scherpere instructie: "verander niets binnen een straal van tien centimeter rond het logo op de linkerpoot", wat in de meeste gevallen genoeg is. Lukt dat niet in één poging, dan knip je het logogebied uit de originele foto en plak je dat terug over de bewerkte versie in een gratis beeldbewerker, een werkje van twee minuten dat een exact kloppend logo garandeert in plaats van een benadering.

Waar AI foto bewerken misgaat: de logo- en tekstvalkuil

De grootste valkuil zit niet in een mislukte bewerking. Die zie je meteen: een rare vervorming, een vreemde schaduw, een object dat half verdwenen is. Je gooit hem weg en probeert opnieuw. De echte valkuil is een bewerking die op normale grootte perfect oogt en pas bij inzoomen een fout laat zien op precies de plek waar het telt: een logo, een telefoonnummer, een prijs, een ingrediëntenlijst.

Het mechanisme is hetzelfde als bij tekst in een AI-gegenereerd beeld. Het model voorspelt pixels op basis van waarschijnlijkheid, niet op basis van een harde garantie dat ongevraagde gebieden ongewijzigd blijven. Segmind noemt in zijn eigen tests expliciet dat het bewerken van tekst op een bord of verpakking "often generates inaccurate, incomplete, or distorted text, even when provided with clear instructions". Google's eigen documentatie erkent het probleem impliciet door te adviseren kritieke details apart te omschrijven, wat alleen nodig is als de standaardaanpak ze niet gegarandeerd behoudt.

Voor een bedrijf is dit geen esthetisch risico, het is een inhoudelijk risico. Een logo dat net niet klopt op een webshopfoto, een telefoonnummer op een visitekaartje dat één cijfer verschuift, een ingrediëntenlijst die een allergeen laat verdwijnen: dat zijn fouten die een klant pas merkt nadat de foto al online staat. De tegenmaatregel is simpel maar wordt vaak overgeslagen onder tijdsdruk: zoom in op honderd procent op elk gebied met tekst, een logo of een getal, en doe dat bij elke foto opnieuw, ook de tiende keer deze week.

Privacy en reclameregels: wat mag je bewerken?

Twee aparte vragen, en ze worden vaak door elkaar gehaald.

Mag je de foto laten verwerken door een AI-tool? Dat hangt af van wie erop staat. Een foto van een product is geen probleem. Een foto van een herkenbaar persoon, een klant of een collega, is een persoonsgegeven: de AVG definieert dat als informatie die herleidbaar is tot een identificeerbaar persoon, en de officiële tekst van artikel 4 van de AVG noemt expliciet kenmerken waarmee iemand direct of indirect te identificeren is. Upload je zo'n foto in een gratis consumentenaccount, dan weet je vaak niet of de leverancier er zijn model op traint. Neem voor foto's van echte mensen een zakelijk abonnement met een verwerkersovereenkomst, of vraag eerst toestemming, net als bij een gewone personeelsfoto.

Mag het resultaat de werkelijkheid verdraaien? Hier gelden de gewone reclameregels, niet een aparte AI-wet. Een onderzoek van consumentenprogramma Radar (AVROTROS) citeert de Reclame Code Commissie: het algemene deel van de Nederlandse Reclame Code verbiedt misleiding, maar bevat geen specifieke regel voor digitaal bewerkte foto's. Alleen de cosmeticabranche heeft sinds 2015 een eigen regel: digitale technieken mogen een product mooier tonen, maar niet "een niet realistisch beeld geven met betrekking tot de met het product te behalen resultaten". Diezelfde logica geldt in de praktijk voor elk product: een bewerking die laat zien wat er al was, mag; een bewerking die een kenmerk toevoegt dat het product niet heeft, is het risico waard om te vermijden. Consumentenrechtadvocaat Nicolette Heijkant noemt in hetzelfde artikel het voorbeeld van een kledingstuk dat op de foto getailleerder oogt dan in de winkel: geen harde misleiding, maar wel onjuiste informatie, en bij een groter verschil wel misleiding.

Laat de bewerking een bestaand persoon of voorwerp zo lijken dat iemand het voor authentiek aanziet, dan geldt de EU AI Act: dezelfde Radar-bron citeert de RCC dat je bij zo'n deepfake altijd moet vermelden dat de content kunstmatig gegenereerd of bewerkt is, sinds 2 augustus 2026.

Wat AI foto bewerken je oplevert

In onze AI Visuals-training zien we dat iemand na een geoefende sessie ruwweg 10 tot 15 productfoto's per uur kan bewerken, tegenover 1 tot 2 per uur bij handmatig werk in een beeldbewerker. Dat is een voorzichtige schatting uit onze eigen trainingspraktijk, geen onafhankelijk gemeten cijfer. Reken op ongeveer twee derde die na de eerste bewerking direct bruikbaar is; de rest heeft een tweede ronde nodig, meestal op precies het soort detail uit de valkuil hierboven.

Wat na een week beter wordt: je instructies worden specifieker, waardoor je minder vaak een logo of label moet herstellen. Wat niet beter wordt: de controle zelf. Geen model garandeert dat een los detail onveranderd blijft, dus die stap blijft bij jou, ook over een maand.

Hoe je na zeven dagen weet of het werkt

Drie dingen die je zonder tooling bijhoudt.

• Hoeveel foto's keurde je af bij de zoomcontrole op honderd procent? Daalt dit niet na een week, dan ligt het aan je instructie: voeg het "behoud dit exact"-zinnetje toe aan elk gebied met tekst of een logo.
• Hoeveel minuten kostte een foto, van upload tot publicatieklaar? Vergelijk dag 1 met dag 7. Geen verschil van minstens een paar minuten? Je scène is te complex voor wat de tool in één keer aankan, splits de bewerking in kleinere stappen.
• Hoeveel bewerkingsrondes had je gemiddeld nodig? Meer dan twee op de meeste foto's wijst op een te vage instructie, niet op een slechte tool.

Hoe begin je met AI foto bewerken?

Begin met Canva voor de simpelste klus van deze week: een achtergrond, een storend object. Geen prompt nodig, en je leert meteen wat de tool wel en niet aankan. Kom je een foto tegen met een logo, tekst of productlabel dat moet kloppen, stap dan over naar Gemini of ChatGPT met de instructie uit het voorbeeld hierboven als startpunt. Zet de zoomcontrole vanaf dag één in je workflow: dat is de stap die het verschil maakt tussen een foto die er goed uitziet en een foto die ook klopt.

Doe dit deze week

1. Kies één foto met een logo, tekst of label erin

   Niet de makkelijkste foto van de stapel, juist de lastigste: die laat zien of je instructie werkt.

2. Draai de instructie hierboven op je eigen foto

   Vervang de tafel door jouw product en het logo door jouw merk. Zoom daarna in op honderd procent op precies dat detail.

3. Leg vast welke foto's altijd een zoomcontrole krijgen

   Eén regel: elke foto met tekst, een logo of een getal erin gaat nooit ongecontroleerd de deur uit, ook niet de twintigste deze week.

Het recept dat vandaag werkt: beschrijf eerst wat moet veranderen, beschrijf daarna apart wat exact hetzelfde moet blijven, en zoom pas daarna in op dat tweede deel. Meer van deze promptopbouw staat in de promptbibliotheek, en voor een webshop met veel productfoto's is de bredere afweging uitgewerkt in webshop maken met AI.

Wil je dit met je team leren, inclusief de controle-routine en de juridische kant? De AI Visuals-training behandelt beeldbewerking hands-on op je eigen producten. Twijfel je waar te beginnen, plan een kort gesprek.

Bronnen

• Google, Gemini API: Image generation. Zelf geopend. Bron voor de modelnamen (Nano Banana 2.1 en varianten), het SynthID-watermerk, de inpainting-functie en het officiële advies om kritieke details als een logo apart te omschrijven bij een bewerking. Pagina zelf gedateerd "Last updated 2026-10-09".
• OpenAI, Image generation. Zelf geopend. Bron voor de modelnamen GPT Image 2.5 Sunburst en Flare, de maskering als bewerkingsmethode, de waarschuwing dat maskering prompt-based is, en de prijstabel per kwaliteit en formaat.
• Segmind, Exploring the Current Limitations of OpenAI's Inpainting Capabilities. Zelf geopend. Onafhankelijke technische analyse (niet van OpenAI of Google), bron voor de concrete voorbeelden van verschuivende sieraden, kleding en verminkte tekst op borden en verpakkingen bij inpainting.
• Canva, AI photo editing. Zelf geopend. Bron voor de bevestiging dat Magic Edit op Google's Nano Banana-model draait, en voor de losse tools Magic Eraser, Background Remover en Grab Text.
• Radar, AVROTROS, Online shoppen: wanneer zijn bewerkte kledingfoto's misleidend?. Zelf geopend. Onafhankelijke consumentenjournalistiek, bron voor de citaten van de Reclame Code Commissie over het ontbreken van een specifieke regel voor digitaal bewerkte foto's, de cosmeticabranche-regel uit 2015, de deepfake-meldplicht onder de EU AI Act, en het citaat van consumentenrechtadvocaat Nicolette Heijkant.
• GDPR-info.eu, Art. 4 GDPR, Definitions. Zelf geopend. Officiële verordeningstekst, bron voor de definitie van een persoonsgegeven als informatie herleidbaar tot een identificeerbaar persoon.
• Ghazanfari et al., SpotEdit: Evaluating Visually-Guided Image Editing Methods, New York University. Zelf geopend. Onafhankelijke academische benchmark (geen leverancier), bron voor de bevestiging dat toonaangevende bewerkingsmodellen zoals GPT-4o geregeld een wijziging doorvoeren op een detail dat niet gevraagd was.

Veelgestelde vragen

• Hoe werkt foto's bewerken met AI voor mijn bedrijf?

  Je geeft een foto en een instructie, en het model regenereert het gevraagde gebied opnieuw in plaats van het te knippen en plakken zoals in Photoshop. Voor een simpele achtergrondwissel volstaat een klik-en-sleep-tool als Canva Magic Edit; zodra een logo, tekst of productlabel exact moet kloppen, gebruik je Gemini of ChatGPT met een expliciete "behoud dit exact"-instructie, plus een controle achteraf.

• Kun je gratis AI foto bewerken?

  Ja, met de gratis laag van Canva voor eenvoudige klussen zoals achtergrond verwijderen, en met de gratis versies van Gemini en ChatGPT voor bewerkingen met een beperkt aantal pogingen per dag. Voor een wekelijkse contentkalender met meerdere productfoto's is een betaald abonnement vaak sneller dan het spreiden van gratis pogingen over meerdere dagen.

• Kun je foto's bewerken met ChatGPT?

  Ja, via de Images-API met de modellen die OpenAI zelf GPT Image 2.5 Sunburst en Flare noemt, met de optie om een masker mee te sturen voor het gebied dat moet veranderen. OpenAI waarschuwt zelf dat die maskering volledig op de tekstinstructie steunt en het model de exacte vorm niet altijd volgt, dus een controle achteraf blijft nodig.

• Hoe werkt foto bewerken met Gemini (Nano Banana)?

  Gemini bewerkt foto's met het model dat Google zelf Nano Banana 2.1 noemt, via een gewone taalinstructie. Googles eigen documentatie adviseert om een kritiek detail zoals een gezicht of een logo apart en uitgebreid te omschrijven als het exact behouden moet blijven, omdat het model anders de omgeving ervan meeregenereert.

• Kun je een foto verbeteren met AI zonder dat het er nep uitziet?

  Ja, zolang de bewerking laat zien wat er al was: scherper, beter belicht, een rustigere achtergrond. Het wordt een risico zodra de bewerking een kenmerk toevoegt dat het product of de situatie niet heeft, want dan gelden de gewone reclameregels tegen misleiding, niet een aparte AI-regel.