基于深度学习的DNN-给灰度图像上色

已于 2022-07-07 11:36:23 修改
阅读量1.4k 收藏 6
点赞数 1
分类专栏： 图像处理 机器学习 DNN 文章标签： 深度学习 dnn 计算机视觉
于 2022-07-07 10:59:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hhgao2012/article/details/125654498
版权
图像处理 同时被 3 个专栏收录
10 篇文章 1 订阅
订阅专栏
机器学习
5 篇文章 0 订阅
订阅专栏
DNN
2 篇文章 0 订阅
订阅专栏

基于深度学习的DNN模块-给灰度图像上色

一、开发环境及语言：
win10 win11 VS2019的C++语言的Opencv，写作语言简洁易懂。

二、解决问题
在图像处理的过程中，有时我们会遇到，给图像换成我们需要的色彩，比如，从红色渐变到绿色，又或者，把图像变成不同深度的红色。
又或者把图像某一部分颜色换色。

三、效果展示：
前一张是原始图及灰度图，后面时不同参数的结果图作为参考。
1、原始图及灰度图原始图及灰度图
2、不同参数的结果图
不同参数的结果图

四：C++ 源代码下载地址为：
https://download.csdn.net/download/hhgao2012/85941587?spm=1001.2014.3001.5503

翱翔的小鸟2001
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于深度学习的DNN模块-给灰度图像上色
07-07
1、win10 win11 VS2019的C++语言的Opencv 2、在图像处理的过程中，有时我们会遇到，给图像换成我们需要的色彩，比如，从红色渐变到绿色，又或者把图像某一部分颜色换色 3、代码讲解地址：https://blog.csdn.net/hhgao2012/article/details/125654498?spm=1001.2014.3001.5502
深度学习AI美颜系列---SpecialFace特效滤镜
Trent1985的专栏
09-19 3467
SpecialFace滤镜这个名字实际上是本人自己起的，因为这个滤镜是一种比较另类的，人脸美化特效，所以给了这个名字。先看一下效果：   下面我们来分析一下这个滤镜效果的算法逻辑： 1，设计一张逼真的模版A，如下图所示： 这张模版中有透明区域和白色区域以及花草区域三个区域组成； 同时，在A中标定出两个人眼眼睛的位置E1和E2。 2，对人物照片原图S进行人脸检测与特征点识别；...
深度学习AI美颜系列---AI滤镜特效算法
热门推荐
Trent1985的专栏
05-25 1万+
滤镜是图像美化中必不可少的步骤， 所谓滤镜，最初是指安装在相机镜头前过滤自然光的附加镜头，用来实现调色和添加效果。我们做的滤镜算法又叫做软件滤镜，是对大部分镜头滤镜进行的模拟，当然，误差也就再所难免，我们的宗旨只是无限逼近。也是这个原因，我们无法再现真实的拍摄场景，无法复原照片中未包含的信息，进而也难以实现某些特殊滤镜效果，诸如偏光镜和紫外线滤色镜（UV）的效果等等。目前各种图像处理软件无论是PC...
神工鬼斧惟肖惟妙，M1 mac系统深度学习框架Pytorch的二次元动漫动画风格迁移滤镜AnimeGANv2+Ffmpeg(图片+视频)快速实践
刘悦的技术博客
12-16 4701
前段时间，业界鼎鼎有名的动漫风格转化滤镜库AnimeGAN发布了最新的v2版本，一时间街谈巷议，风头无两。提起二次元，目前国内用户基数最大的无疑是抖音客户端，其内置的一款动画转换滤镜“变身漫画”，能够让用户在直播中，把自己的实际外貌转换为二次元“画风”。对于二次元粉丝来说，“打破次元壁，变身纸片人”这种自娱自乐方式可谓屡试不爽
基于深度学习的图片上色（Opencv，Pytorch，CNN）
2302_82079084的博客
12-21 1501
灰度图自动上色。
利用深度学习进行黑白照片着色：使用 Keras 构建 GAN 进行照片自动上色的详细实践指南
qq_38334677的博客
07-16 3159
在我们深入到构建模型的具体过程之前，让我们先来理解一下什么是生成对抗网络（GAN）。GAN 是深度学习领域的一种革命性技术，它由两部分组成：生成器和判别器。生成器的任务是生成逼真的假数据，而判别器的任务是尽可能地区分真实数据和假数据。这两个网络的竞争和合作推动了 GAN 的训练过程，使其能够生成越来越逼真的假数据。在我们的场景中，我们将利用 GAN 的这种能力，让它学习如何为黑白照片上色。换句话说，生成器的任务是将黑白照片转换为彩色照片，判别器的任务则是区分真实的彩色照片和生成器生成的彩色照片。
深度学习将灰度图着色_使用DeOldify着色和还原灰度图像和视频
weixin_26632369的博客
07-21 4418
深度学习将灰度图着色Image colorization is an engaging topic in the field of image-to-image translation. Even though color photography was invented in 1907, It didn’t become popular for the average person until ...
U-Net深度学习灰度图像的彩色化
weixin_41697507的博客
07-26 1万+
U-Net深度学习灰度图像的彩色化 本文介绍了使用深度学习训练神经网络从单通道灰度图像生成3通道彩色图像的实验。在我看来，虽然它们因主题而异，但结果令人震惊，模型产生了幻觉，原始主题应该是什么颜色。 将灰度1通道图像增强为3通道彩色图像。 Div2k（https://data.vision.ee.ethz.ch/cvl/DIV2K/）训练数据集用于训练，本文中的这些图像基于Div2K验证集。 这...
时序数据-深度学习DNN-多步模式预测学习代码
10-10
时序数据-深度学习DNN-多步模式预测学习代码
时序数据-深度学习DNN-单步模式预测学习代码
10-09
时序数据-深度学习DNN-单步模式预测学习代码
时序数据-深度学习DNN-多输出模式预测学习代码
10-10
时序数据-深度学习DNN-多输出模式预测学习代码
OpenCV&DNN-深度学习实现图像着色
09-01
内置数据集、测试图片、测试代码，确保打开即可使用。注意OpenCV版本尽量用4以上，3可能会报错。
OpenCV使用dnn重新着色灰度图像的实例(附完整代码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-26 360
OpenCV使用dnn重新着色灰度图像的实例OpenCV使用dnn重新着色灰度图像的实例 OpenCV使用dnn重新着色灰度图像的实例 #include <opencv2/dnn.hpp> #include <opencv2/imgproc.hpp> #include <opencv2/highgui.hpp> #include <iostream> using namespace cv; using namespace cv::dnn; using name
深度学习AI美颜系列----AI人像美妆算法初识
Trent1985的专栏
07-24 1万+
人像美妆是近几年来深受广大女孩儿群体喜欢的修图功能之一，目前市面中做的比较好的有美妆相机、玩美彩妆、天天P图等APP，当然还有一些PC专用的秀图软件，本文将给大家做个算法初识； 什么是人像美妆？通俗的看个样例图： 这个图中，由左边的原图，到右边的化妆效果图，就叫做人像美妆。 本人对AI美妆的一些看法如下： 1.妆容自然，逼真； 2.鲁棒性高，不受五官遮挡影响； 3.速度越快越好； 4...
OpenCV4学习笔记（67）——dnn模块之基于colorization模型实现图像自动上色
邱小兵的博客
05-16 1010
本次要整理记录的内容是利用colorization模型来将灰度图像转换为彩色图像。colorization模型是利用Lab色彩空间的L（亮度）通道来预测a、b两个通道的值，也就是说当我们手里有一张灰度图像的时候，可以利用colorization模型对这张灰度图像的亮度值进行预测，从而得到a、b两个通道的值，并将L、a、b三通道合并后得到一个彩色化的图像。 这里使用了Lab色彩空间，我们需要先对其有一定的了解： Lab色彩空间是基于数据驱动对人类感觉的研究，它假设人类的视觉系统理想地适应自然景色的处理，由亮度
opencv dnn模块 示例(11) 灰度图彩色化 colorization
热爱生活，忠于自己
03-12 1580
opencv dnn模块对灰度图（彩色图L通道）进行彩色化，推理出a,b通道， 合并L,a,b转换成彩色图。
TU-Net/TDeepLab：基于RGB和红外的地形分类
Change ZH的博客
03-03 1712
TU-Net/TDeepLab：基于深度学习的地形分类，具有强大的照明变化鲁棒性，将可见光图像和热成像图像融合
深度学习之基于Yolov7驾驶员疲劳检测系统
最新发布
2301_79809972的博客
05-17 1014
一、项目背景随着汽车保有量的不断增加，驾驶安全问题日益受到人们的关注。驾驶员疲劳驾驶是导致交通事故的重要原因之一。因此，开发一种能够实时监测驾驶员疲劳状态并提前发出预警的系统对于保障驾驶安全具有重要意义。近年来，深度学习技术特别是目标检测技术在计算机视觉领域取得了显著进展，为驾驶员疲劳检测提供了新的解决方案。本项目旨在利用YOLOv7算法，开发一个基于深度学习的驾驶员疲劳检测系统。二、项目目标。
代码生成python基于深度学习DNN+LSTM网络的光伏发电量预测
06-01
以下是一个基于深度学习DNN+LSTM网络的光伏发电量预测的Python代码示例： ``` import numpy as np import pandas as pd from keras.models import Sequential from keras.layers import Dense, LSTM, Dropout # 读取数据 data = pd.read_csv('solar.csv') data = data[['Date', 'Solar']] data['Date'] = pd.to_datetime(data['Date']) data.set_index('Date', inplace=True) # 划分训练集和测试集 train_size = int(len(data) * 0.8) train_data, test_data = data.iloc[:train_size, :], data.iloc[train_size:, :] # 数据预处理 def create_dataset(dataset, look_back): dataX, dataY = [], [] for i in range(len(dataset)-look_back-1): a = dataset[i:(i+look_back), 0] dataX.append(a) dataY.append(dataset[i + look_back, 0]) return np.array(dataX), np.array(dataY) look_back = 7 trainX, trainY = create_dataset(train_data.values, look_back) testX, testY = create_dataset(test_data.values, look_back) # 构建DNN+LSTM模型 model = Sequential() model.add(Dense(units=64, activation='relu', input_dim=look_back)) model.add(Dropout(0.2)) model.add(Dense(units=32, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(units=1)) model.add(LSTM(units=50)) model.add(Dropout(0.2)) model.add(Dense(units=1)) model.compile(loss='mean_squared_error', optimizer='adam') # 训练模型 model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2) # 预测测试集 test_predict = model.predict(testX) test_predict = np.reshape(test_predict, (test_predict.shape[0])) # 可视化预测结果 import matplotlib.pyplot as plt plt.plot(test_data.index, test_data['Solar'], label='Actual') plt.plot(test_data.index[look_back+1:], test_predict, label='Predicted') plt.legend() plt.show() ``` 这段代码中，首先读取光伏发电数据，并将其划分为训练集和测试集。然后对训练集和测试集进行数据预处理，将其转换为可以用于DNN+LSTM模型训练的格式。接着构建DNN+LSTM模型，并使用训练集训练模型。最后使用训练好的模型对测试集进行预测，并将预测结果可视化。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

翱翔的小鸟2001

您的鼓励是我最大的动力！！！

¥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

实付元
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