黑白老照片上色，手把手教你用Python怎么玩儿！

2021-05-29  本文已影响0人  小张Python

各位读者们，大家好啊，上个月初写了一篇关于老照片修复的教程，有读者看完不过瘾，表示想让我再安排一篇黑白照片上色教程，于是就有了这篇文章的由来

image-20210424192054643

DeOldify 介绍

开始之前先对这个项目做个简单介绍，DeOldify 是一个关于给黑白照片上色的项目，是基于深度学习技术开发的，源码在 Github 上已经开源，目前收获了 13.4 k Star；去年有一个 B 站 Up主 制作了一个有关修复 100 年前老北京的视频

image-20210424195915091

其中用到的上色就用到了DeOldify 框架，DeOldify 创建的目的是为了给黑白照片上色，但让人惊艳的是它除了能处理图片外，也可以处理视频；

image-20210424200405209

DeOldify 的核心网络框架是 GAN ，对比以前上色技术有以下几个特点：

简单介绍后，下面开始正式介绍一下它的用法，本次的测试环境如下

2，环境配置

2.1，项目克隆到本地

有两种方法可供选择

1， Git 命令

git@github.com:jantic/DeOldify.git

2，在Github 项目页面点击 Download ZIP 选项，将项目手动下载到到本地，Github 地址贴在下方

https://github.com/jantic/DeOldify

2.2，下载权重文件

DeOldify 是基于深度学习开发的，需要用到预训练权重，这里项目开发者已经把训练好的权重上传到网上，我们可以直接拿来使用，不需要我们再训练

本项目中用到的权重文件比较多，一共三个：

https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth

https://www.dropbox.com/s/usf7uifrctqw9rl/ColorizeStable_gen.pth

https://data.deepai.org/deoldify/ColorizeVideo_gen.pth

权重文件下载完毕后，在项目根目录下创建一个 models 文件夹，把下载好的三个权重文件放入 models 文件夹内，项目根目录排列如下

[图片上传失败...(image-4276b2-1622219912351)]

2.3，安装依赖项

在终端中输入如下命令，安装项目所需要的第三方扩展库；

pip install -r requirements.txt

第三方扩展库安装完毕之后，需要提醒一下，本项目是基于 Pytorch 进行开发的，在 requirements.txt 中作者并没有加入这 torch 依赖库，所以在启动项目之前请确保 torch 、torchvision 等库已经安装到你的运行环境中；

Tip : 如果后面你想用到 GPU 加速效果，CUDA 和 Cudnn 等 GPU 加速包也需要提前配好

3 启动项目

环境配置好之后，下面的步骤就比较简单了，在主项目下创建一个脚本作为程序运行入口

3.1，照片上色

给照片上色的话，在主脚本内填入下面代码块

from deoldify import device
from deoldify.device_id import DeviceId
#choices:  CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)
from deoldify.visualize import *

plt.style.use('dark_background')
torch.backends.cudnn.benchmark=True

import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

colorizer = get_image_colorizer(artistic=True)

render_factor=35

source_path = 'test_images/image.png'

result_path = None

colorizer.plot_transformed_image(path=source_path, render_factor=render_factor, compare=True)

代码中有几个参数简单介绍一下：

from enum import IntEnum

class DeviceId(IntEnum):
    GPU0 = 0,
    GPU1 = 1,
    GPU2 = 2,
    GPU3 = 3,
    GPU4 = 4,
    GPU5 = 5,
    GPU6 = 6,
    GPU7 = 7,
    CPU = 99

device.set(device=DeviceId.GPU0)

colorizer = get_image_colorizer(artistic=True)

前面提到过 Artistic 与 Stable 是有区别的(因为用到的权重文件是不一样的)， Artistic 上色效果会更加激进一些，例如给下面这张荷叶照片上色，不同模式下得到的图片是不一样的

image-20210430221407338

Artistic 模式

image-20210430221435152

Stable 模式

image-20210430221423325

上色后的图片会存放在根目录下的 result_images 文件夹中，从网上下载了几张黑白图片，用这个框架自己也测试了一下，看起来效果还不错~

图一

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mM7vfSEW-1622219475075)(C:\Users\zeroing\Desktop\image-20210430221510838.png)]

图二

image-20210430221543902

图三

image-20210430221618418

3.2，视频上色

视频上色，需要用下面的代码块

from deoldify import device
from deoldify.device_id import DeviceId
#choices:  CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)

from deoldify.visualize import *
plt.style.use('dark_background')
import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")

colorizer = get_video_colorizer()

#NOTE:  Max is 44 with 11GB video cards.  21 is a good default
render_factor=21


file_name_ext = file_name + '.mp4'
result_path = None

colorizer.colorize_from_file_name(file_name_ext, render_factor=render_factor)

代码中参数用法参考 3.1，相对给照片上色来说，处理视频时除了耗时之外还需要考虑帧与帧之间的相关性，要复杂一些；

这里我借助 You-get 命令，从B 站下载了1972年《教父》一小部分片段(因为平台上传视频比较麻烦，这里只截取了其中一帧图片，请原谅我的懒，，，)

image-20210529002743136

经过上色处理后，效果如下，

image-20210529002913852

上色后的视频仔细看的话的确还有一定的瑕疵，但整体看起来效果已经相当不错了

4，项目源码获取

为了方便起见，我已经把配置好的项目文件打包成一个解压包，解压后只需安装项目中的所需依赖项即可，无需再配置权重文件；

pip install -r requirements.txt

项目源码获取方式，关注微信公号：小张Python，在公众号后台回复关键字 210501 即可

5，小结

项目上色原理这里并没有太多介绍，感兴趣的读者可以通过阅读源码深入了解一下；如果只是想把这个项目应用到自己数据上，我想这篇文章已经讲的很明白了，之前写过一篇老照片修复文章，其实两者可以结合一下，届时会有很棒的效果~

如果本篇内容对你有所帮助的话，点个赞是对我最大的鼓励~

好了以上就是本篇文章的全部内容了，最后感谢大家的阅读，我们下期见~

上一篇下一篇

猜你喜欢

热点阅读