DeOldify图片上色使用教程

引言

  • 本文主要是作为本周研究黑白照片上色测试的过程总结

项目GitHub源码

知乎参考资料

项目结构

  • 至于模型在哪下载,反正我是在源项目里木有找到下载地址,不得不去下载我参考的知乎文章里作者保存到百度网盘的模型,慢慢下载下来的,

简单修改知乎参考资料的启动代码:

import os
from deoldify.visualize import get_artistic_video_colorizer, get_stable_image_colorizer, get_artistic_image_colorizer
import warnings

warnings.filterwarnings("ignore")
from PIL import Image

# 该循环只是个人为了批量处理彩色图片变成黑白的从而进行比较所用
#for i in range(6):
   # j = i+1
   # image_raw = Image.open("data/image/彩色" + str(j) + ".png")
   # image_black_white = image_raw.convert('L')
   # image_black_white.save('data/image/wb' + str(j) + '.png')


def colorizer(input_path, output_dir):
    output_path = os.path.join(output_dir, os.path.basename(input_path))
    print("输出路径", output_path)
    #image_colorizer = get_stable_image_colorizer()  # stable稳定版
    image_colorizer = get_artistic_image_colorizer()  # artistic 艺术版
    result = image_colorizer.get_transformed_image(input_path, render_factor=30, post_process=True, watermarked=True)

    if result is not None:
        result.save(output_path, quality=95)
        result.close()

if __name__ == '__main__':
    for i in range(5):
        j = i + 1
        input_image = "黑白" + str(j) + ".png"
        # outpu_image = "wb" + str(j) + "_sta" + ".png"
        colorizer("./data/image/" + input_image, "./data/result/")

个人测试结果介绍:

  • (1) 测试图片风格分为:风景,人物,建筑,动物
  • (2) 测试图片方式分为:
    • a) 测试原图为彩色,先处理成黑白后再上色
    • b) 测试原图为黑白,直接上色
  • (3) 生成图片风格有:稳定形,艺术形
  • (4) GPU使用:模型为图片上色时无使用GPU
  • (5) 生成时间:上色时间在3s-10s之间
  • (6) 生成效果对比如下:
    • 测试原图为彩色,原彩-黑白-艺术-稳定(顺时针)

  • Ⅱ 测试原图为黑白,黑白-艺术-稳定(顺时针)

  • 可以看出稳定风格的上色效果可能更贴合真实一些也更漂亮,艺术风倒是有种特定滤镜的感觉,有兴趣可以自己下载下来玩一下

结尾

  • 个人感觉上色效果还是很漂亮的,只是如果与原图对比肯定还是不一样的甚至差距很大,但是可以作为一种风格,给黑白的照片上色总会有一种惊喜的感觉。
  • 如果有使用paddleGAN的兄弟们测试老照片修复的时候,会有一步先上色的处理,本人测试结果就是,这个上色结果就是稳定版的结果,一毛一样
    • paddleGAN修复图片地址:修复
    • 提前告知,目前的paddleGAN修复效果不是很理想
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
DeOldify是一种基于深度学习的图像恢复算法,可以将黑白或者颜色失真的老照片转化为彩色且真实的图像。它的主要特点是可以自适应地将灰色图片和黑白图片恢复为彩色图像,同时能够保留原始图像的细节和纹理。 DeOldify的算法主要分为两个阶段:预训练和微调。在预训练阶段,使用大量的彩色图像数据,对深度卷积神经网络(DCNN)进行训练,以学习图像的特征表示。在微调阶段,将预训练好的DCNN应用到老照片上,以生成彩色图像。 DeOldify的主要算法步骤如下: 1. 图像预处理:将原始黑白或者颜色失真的老照片进行预处理,包括去噪和超分辨率处理。这一步可以使得原图像的细节更加清晰,为后续的处理提供更好的基础。 2. DCNN网络:采用深度卷积神经网络(DCNN)作为主要的图像处理模型,用于对图像进行特征提取和重建。网络的主要结构包括编码器和解码器两部分,其中编码器用于将输入图像编码为特征向量,解码器用于根据特征向量重建彩色图像。 3. 训练网络:使用预训练好的DCNN模型对老照片进行微调,以学习到老照片的特征表示和彩色信息。在微调过程中,将老照片的灰度图像作为输入,同时将预处理后的图像作为监督信号,使用反向传播算法对网络参数进行优化。 4. 图像重建:使用微调好的DCNN模型对老照片进行彩色重建。在图像重建过程中,将老照片的灰度图像作为输入,通过编码器将其编码为特征向量,然后通过解码器将特征向量转换为彩色图像。 总的来说,DeOldify算法的核心思想是将深度学习模型应用于老照片的彩色恢复,通过预训练和微调等技术,能够自适应地将灰色和黑白图像转化为真实的彩色图像。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

矮人三等

秀儿,是你吗秀儿?

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值