Python+AI實現(xiàn)給老照片上色

更新時間：2022年06月14日 09:19:20 作者：渡碼

今天給大家分享一個有趣的AI項目——利用NoGAN的圖像增強技術(shù)給老照片著色，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下

1. 準(zhǔn)備工作

首先，用git clone命令下載源碼

git?clone?https://github.com/jantic/DeOldify.git

進入項目根目錄，安裝Python依賴包

pip3?install?-r?requirements.txt

編寫代碼運行項目之前，需要下載預(yù)訓(xùn)練好的模型。項目提供了三個模型

模型

區(qū)別如下：

ColorizeArtistic_gen.pth：在有趣的細(xì)節(jié)和活力方面實現(xiàn)了最高質(zhì)量的圖像著色效果，該模型在 UNet 上使用 resnet34 為主干，通過 NoGAN 進行了 5 次評論家預(yù)訓(xùn)練/GAN 循環(huán)重復(fù)訓(xùn)練
ColorizeStable_gen.pth：在風(fēng)景和肖像方面取得了最佳效果，該模型在 UNet 上使用 resnet101 為主干，通過 NoGAN 進行了 3 次評論家預(yù)訓(xùn)練/GAN 循環(huán)重復(fù)訓(xùn)練
ColorizeVideo_gen.pth：針對流暢的視頻進行了優(yōu)化，它僅使用初始生成器/評論家預(yù)訓(xùn)練/GAN NoGAN 訓(xùn)練。由于追求流暢的速度，它的色彩比前兩者少。

將下載好的模型文件放在項目根目錄的models目錄下即可。

2. 編寫代碼

在項目根目錄同級目錄下創(chuàng)建Python文件，編寫代碼加載剛剛下載好的模型文件。

from?DeOldify.deoldify.generators?import?gen_inference_wide
from?DeOldify.deoldify.filters?import?MasterFilter,?ColorizerFilter

#?指定模型文件
learn?=?gen_inference_wide(root_folder=Path('./DeOldify'),?weights_name='ColorizeVideo_gen')

#?加載模型
deoldfly_model?=?MasterFilter([ColorizerFilter(learn=learn)],?render_factor=10)

root_folder指定項目根目錄，weights_name指定接下來使用哪個模型為照片上色。

讀取老照片，進行上色

import?cv2
import?numpy?as?np
from?PIL?import?Image

img?=?cv2.imread('./images/origin.jpg')
img?=?cv2.cvtColor(img,?cv2.COLOR_BGR2RGB)
pil_img?=?Image.fromarray(img)

filtered_image?=?deoldfly_model.filter(
????pil_img,?pil_img,?render_factor=35,?post_process=True
)

result_img?=?np.asarray(filtered_image)
result_img?=?cv2.cvtColor(result_img,?cv2.COLOR_RGB2BGR)
cv2.imwrite('deoldify.jpg',?result_img)

用cv2讀取老照片，并用PIL.Image模塊將圖片轉(zhuǎn)換成模型輸入所需要的格式，送入模型進行上色，完成后保存。

上述代碼是我從項目源碼中抽取的，可以看到，運行代碼還是非常簡單的。

到此這篇關(guān)于Python+AI實現(xiàn)給老照片上色的文章就介紹到這了,更多相關(guān)Python AI老照片上色內(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！

您可能感興趣的文章: