前言

老舊或者破損的照片如何修復(fù)呢？本文主要分享一個博主使用后非常不錯的照片恢復(fù)開源項(xiàng)目：Bringing-Old-Photos-Back-to-Life。

項(xiàng)目的Github地址：項(xiàng)目地址

我們先看看官方給出的效果圖：

就算現(xiàn)在看到這張圖，我仍然覺著非常驚艷。下面我會把項(xiàng)目環(huán)境安裝部署，到最后使用的效果做一個展示。

項(xiàng)目環(huán)境搭建

該項(xiàng)目的環(huán)境搭建有點(diǎn)復(fù)雜，我一點(diǎn)點(diǎn)說。

conda虛擬環(huán)境創(chuàng)建

在項(xiàng)目README.md文件中要求python版本在3.6以上。

我們用anaconda創(chuàng)建一個虛擬環(huán)境bobl

conda create -n bobl python=3.6

 激活環(huán)境

conda activate bobl

在Pycharm項(xiàng)目中配置interpreter，設(shè)置到conda目錄envs下bobl環(huán)境的python。

Pytorch安裝

雖然項(xiàng)目官方給出的requirements.txt包含pytorch，為了保險起見，還是去Pytorch官方網(wǎng)站上安裝一下。Pytorch官方地址:PyTorch

因?yàn)槲冶緳C(jī)沒插顯卡，安裝的cpu版本。

選擇對應(yīng)的命令安裝Pytorch庫。

Synchronized-BatchNorm-PyTorch repository安裝

 官方給出的安裝說明里面需要部署Synchronized-BatchNorm-PyTorch項(xiàng)目進(jìn)來。

這里注意一點(diǎn)，需要把Synchronized-BatchNorm-PyTorch項(xiàng)目中的sync_batchnorm拷貝到上級目錄。完整的目錄接口參考下圖：

Global目錄Synchronized-BatchNorm-PyTorch項(xiàng)目部署

官方說明里面也需要把Synchronized-BatchNorm-PyTorch項(xiàng)目部署到Global里面。

也是一樣要把sync_batchnorm拷貝到上級目錄。結(jié)構(gòu)如下：

檢測預(yù)處理模型下載

需要用到一個檢測預(yù)處理模型，主要是用來識別照片中的人臉部分的。

 注意解壓后的位置，結(jié)構(gòu)如下：

下載臉部增強(qiáng)模型文件

官方說明：

下載兩個模型zip解壓到對應(yīng)目錄下，結(jié)構(gòu)如下：

下載依賴

注意，我這里去掉了pytorch的依賴安裝，已經(jīng)已經(jīng)裝過了。

dlib
scikit-image
easydict
PyYAML
dominate>=2.3.1
dill
tensorboardX
scipy
opencv-python
einops
PySimpleGUI

安裝命令：

pip install -r requirements.txt -i https://pypi.douban.com/simple

完整部署后項(xiàng)目結(jié)構(gòu)

完整的結(jié)構(gòu)如下圖：

項(xiàng)目使用

官方給到的圖，我就不用了，不能說明問題。我自己準(zhǔn)備了兩種圖，一張是一張人臉的，一張是多張人臉的。

先按照官方給出的命令跑跑看

我們直接使用最下面這個命令，包含劃痕去除與高度還原。看一下執(zhí)行情況。

(bobl) D:\spyder\Bringing-Old-Photos-Back-to-Life>python run.py --input_folder E:\csdn\老照片 --output_folder result1/ --GPU -1 --with_scratch --HR
Running Stage 1: Overall restoration
initializing the dataloader
model weights loaded
directory of testing image: E:\csdn\老照片
processing 1.jpg
processing 2.jpg
Mapping: You are using multi-scale patch attention, conv combine + mask input
Now you are processing 1.png
C:\ProgramData\Anaconda3\envs\bobl\lib\site-packages\torch\nn\functional.py:3635: UserWarning: Default upsampling behavior when mode=bilinear is changed to align_corners=False since 0.4
.0. Please specify align_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details.
  "See the documentation of nn.Upsample for details.".format(mode)
Now you are processing 2.png
Finish Stage 1 ...
 
 
Running Stage 2: Face Detection
12
1
Finish Stage 2 ...
 
 
Running Stage 3: Face Enhancement
dataset [FaceTestDataset] of size 13 was created
The size of the latent vector size is [16,16]
Network [SPADEGenerator] was created. Total number of parameters: 92.1 million. To see the architecture, do print(network).
hi :)
Finish Stage 3 ...
 
 
Running Stage 4: Blending
Finish Stage 4 ...
 
 
All the processing is done. Please check the results.
 
(bobl) D:\spyder\Bringing-Old-Photos-Back-to-Life>

輸出的文件不但有最終的結(jié)果，也有檢測出來的每個臉的處理前后效果。結(jié)果結(jié)構(gòu)如下：

驗(yàn)證一下

1、多人照片最終的效果驗(yàn)證，下面上圖是輸出結(jié)果圖，下圖是原始圖?？梢钥闯鲇行﹦澓垡呀?jīng)消失，但是還是有一些，不過整體的任務(wù)更立體鮮明了。

2、單人照片最終效果驗(yàn)證，下面上圖為結(jié)果圖，下圖為原始圖。單人就很明顯了，不但劃痕都消除了，人也更清晰立體，效果是真不錯。

3、模型也會把多人圖中的每張臉都識別出來，并且跑出結(jié)果，可以對比一下看看，細(xì)節(jié)還是修復(fù)的很好的。

總結(jié)

官方還給出了其他的命令，就不一一驗(yàn)證了。整體的效果是非常好的，只是在多人圖的時候還有些瑕疵，瑕不掩瑜。

到此這篇關(guān)于Python 人工智能老照片修復(fù)算法學(xué)習(xí)的文章就介紹到這了,更多相關(guān)Python人工智能內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論