快捷導(dǎo)航

Python+OpenCV實現(xiàn)黑白老照片上色功能

更新時間：2023年02月15日 08:42:40 作者：木木子學(xué)python

我們都知道，有很多經(jīng)典的老照片，受限于那個時代的技術(shù)，只能以黑白的形式傳世。盡管黑白照片別有一番風(fēng)味，但是彩色照片有時候能給人更強的代入感。本文就來用Python和OpenCV實現(xiàn)老照片上色功能，需要的可以參考一下

導(dǎo)語

我們都知道，有很多經(jīng)典的老照片，受限于那個時代的技術(shù)，只能以黑白的形式傳世。盡管黑白照片別有一番風(fēng)味，但是彩色照片有時候能給人更強的代入感。今天在這里給大家提供一種給黑白照片上色的方法，盡管無法還原當時真實的顏色，但確實可以達到后期者的心中所想的顏色。

當然，除了讓老照片變成彩色這一用途之外，還可以將現(xiàn)時的一些黑白照片自行染上彩色，完全按照自己的想法來上色，再和彩色的原圖進行對比，也不失為一種有趣的玩法。

——小故事

年前在家中進行過年春節(jié)大掃除的時候，意外發(fā)現(xiàn)了爺爺奶奶年輕時的照片，只不過當時的拍攝技術(shù)還不發(fā)達，出來的相片都是黑白色的。所以我想將它們還原成彩色，給他們一個驚喜！

我不是敲代碼的蠻，于是今天在情人節(jié)這天偷偷把老照片進行了一個色彩修復(fù)，這次嘗試還別說，親測了一下效果感覺效果還不錯，于是今天打算將它們分享給有同樣想法的你們。

舊時代的爺爺奶奶、外公外婆的照片都可以進行一個色彩修復(fù)哦，超驚艷滴~

如果你也想知道黑白照片還原成彩色怎么弄的話，就趕緊跟著我的步驟一步步操作起來吧，過程并不繁瑣，就算你是修圖小白也可以輕松駕馭?。ㄖ灰銜a一切皆有可能~厚臉皮.jpg）

利用圖像處理技術(shù)，基于數(shù)字化存儲的玻璃底板圖像自動生成盡量非虛化的彩色的圖像。從原始圖像文件中分割提取三個彩色通道圖像，將它們對齊并彼此疊加在一起，最終形成一張RGB彩色的圖像。

一、環(huán)境準備

1）運行環(huán)境

本文用到的環(huán)境如下——

Python3、Pycharm社區(qū)版，第三方模塊：Opencv、numpy。

部分自帶的模塊只要安裝完 Python就可以直接使用了，需要安裝的庫的話看教程下

模塊安裝：

pip install +模塊名鏡像源安裝：pip install -i https://pypi.douban.com/simple/+模塊名

（之前有說過安裝報錯的幾種方式跟解決方法，不會安裝的可以去看下，還有很多國內(nèi)鏡像源也有文章的）

圖片文本素材等——

都是一些老照片，大家可以隨便準備一些哈，當然需要完整的素材圖片跟源碼的文末找我即可！

二、代碼展示

1） fixTif.py： tif圖像的修復(fù)，使用的是openCV內(nèi)置的高斯金字塔

import numpy as np
import cv2 as cv

def img_translate(img, tx, ty):
    """對圖像進行平移"""
    heigh, width = img.shape[:2]
    m = np.float32([[1, 0, tx], [0,1, ty]])
    res = cv.warpAffine(img, m, (width, heigh))
    return res

def ssd(I1, I2):
    """ssd函數(shù)，衡量顏色通道是否對齊"""
    return np.sum((I1 - I2)*(I1 - I2))


def find_xy(img1, g):
    """找到最佳的平移參數(shù)，并對該顏色通道圖片進行平移"""
    # 初始化
    loss = ssd(img1, g)
    img = img1
    u = 0
    v = 0
    # 根據(jù)ssd函數(shù)尋找最佳的對齊位置
    for i in range(-20, 30):
        for j in range(-20, 30):
            img2 = img_translate(img1, i, j)
            loss1 = ssd(img2, g)
            if loss > loss1:
                loss = loss1
                img = img2
                u = i
                v = j
    print(u, v)
    return img


def readImage(imname):
    """read in the image"""
    im = cv.imread(imname)
    im = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
    return im

def separate(im):
    """separate color channels"""
    # compute the height of each part (just 1/3 of total)
    height = np.floor(im.shape[0] / 3.0).astype(np.int)
    b = im[:height]
    g = im[height: 2 * height]
    r = im[2 * height: 3 * height]
    return b, g, r

def merge(b,g,r):
    """將三個顏色通道進行merge"""
    return cv.merge((b,g,r))

def gaussianPyramid(img):
    """直接使用OpenCV的高斯金字塔進行實現(xiàn)"""
    return cv.pyrDown(img)

if __name__ == '__main__':
    # name of the input file
    #imname = 'images/train.tif'
    imname = 'images/three_generations.tif'
    #imname = 'images/lady.tif'
    #imname = 'images/emir.tif'
    #imname = 'images/icon.tif'
    #imname = 'images/self_portrait.tif'
    #imname = 'images/village.tif'
    #imname = 'images/turkmen.tif'

    im = readImage(imname)
    print(im.shape)
    #cv.imshow("source image", im)

    # 獲取平均切割的三個顏色通道
    b, g, r = separate(im)

    # 對三個顏色通道分別應(yīng)用高斯金字塔
    b = gaussianPyramid(b)
    b = gaussianPyramid(b)
    b = gaussianPyramid(b)

    g = gaussianPyramid(g)
    g = gaussianPyramid(g)
    g = gaussianPyramid(g)

    r = gaussianPyramid(r)
    r = gaussianPyramid(r)
    r = gaussianPyramid(r)

    im_out0 = merge(b, g, r)
    cv.imshow("before", im_out0)
    # 顏色通道平移進行對齊，對齊的過程中以綠色作為基準
    b = find_xy(b, g)

    r = find_xy(r, g)
    # 將平移處理后的三通道m(xù)erge，得到處理后的圖片im_out1
    im_out1 = merge(b, g, r)

    # 將修復(fù)后的圖片寫進磁盤
    #cv.imwrite('out/after_' + imname[7:], im_out1)
    cv.imshow("after", im_out1)
    #print(im_out1.shape)
    cv.waitKey(0)