老照片(灰白照片)清晰化+划痕修复+色彩增强的深度学习算法设计与实现
本篇文章是针对破损照片的修复。如果你想对老照片进行灰度图上色,色彩复原,请参考这篇CSDN作品👇
基于深度学习的老(旧)照片上色算法模型设计与实现(对抗生成式网络GAN、含Github代码与Web端设计)
本篇文章是针对老(旧)照片色彩复原、上色,如果你想对破损图像进行修复,请参考这篇CSDN作品👇
计算机毕业设计–基于深度学习技术(Transformer、GAN)的图像修复算法(含Github代码+GUI与Web端展示界面)
✨ Demo_1
✨ Demo_2
🚀 算法获取
PS:如果通过Github访问项目,请不要通过“加速通道”访问,因为加速通道中的项目版本比较老
⚡️开始
环境配置(推荐使用conda安装环境)
# 从github上Clone项目
git clone https://github.com/zxx1218/oldImage_fix.git
# 使用conda创建环境
conda create -n imgfix python=3.8
conda activate imgfix
# 安装依赖
pip install -r requirements.txt
clone项目后,只需一个简单的命令即可轻松恢复旧照片。
对于没有划痕的图像:
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0
对于带有划痕图像:
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0 \
--with_scratch
对于带有划痕的高分辨率(就是说图像清晰度很高)图像:
python run.py --input_folder [test_image_folder_path] \
--output_folder [output_path] \
--GPU 0 \
--with_scratch \
--HR
注意:请修改上述步骤中[ ]内的路径,模型修复完成后,可以在“output_path”中检查不同步骤产生的修图结果。
2) 2024.6新功能—照片划痕检测
下图展示划痕检测结果与修复结果
3) 2024.6新功能—照片全图结构恢复(对老照片结构翻新,相当于清晰化,结构重建)
修复效果展示:
4) 2024.6新功能—面部增强
修复效果展示:
注:
由于该模型是用256*256个图像预训练的,因此使用该模型需要将图像分辨率(像素)调整为256。
5) 基于QT的用户GUI界面
本科毕业学生选择做深度学习相关的毕业设计,不可能完全专注于算法,因此本项目配套设计了一个基于pyqt(python提供的一个图形化界面)的GUI界面,它接受用户待修复的照片图像输入,并在相应的窗口中显示结果。
使用方式
方式一:启动Web前端界面(可以部署在本地及公网访问)
- cd到代码根目录
fix_old_img
下,然后执行如下命令
# 安装gradio包
pip install gradio
# 启动Web服务
python gradio_demo.py
回车后会自动启动Web服务,在浏览器输入弹出的链接地址即可访问,在控制台看到如下信息代表成功启动👇
打开弹出的URL,显示如下界面👇(用户上传待修复图片后,选择修复类型,点击submit即可开始修复,修复结束后会在右侧输出栏中展示原图与修复后的图片)
PS:Web端可以部署在公网服务器访问
方式二:运行基于PyQt的GUI程序
- 在pycharm中运行GUI.py文件。
- 单击浏览并选择待修复的图像以修复划痕(test_images/old_w_scratch文件夹中提供了可用于测试的图像)。
- 单击“修改照片”按钮。
- 等待一段时间(控制台会有算法的中间过程输出),然后在GUI窗口上查看修复结果。
- 单击“保存”,或者“退出窗口”退出,保存后的图片会在指定的文件夹中获取到。
🔧 如何自己训练模型?
- 项目提供自行训练or微调的方式,请咨询作者
作者联系方式:
-
VX:Accddvva
-
QQ:1144968929
-
Github提供训练好的模型文件以及调用该文件进行修图的测试代码(clone代码后安装环境即可进行修图测试,开源版不包含模型源码以及gui和Web端)
-
本项目完整代码 + 环境配置方法(另可提供远程部署服务)+ GUI界面 + Web端 == 价格300RMB,可提供远程部署服务,另提供GPU服务器短期租赁服务,24G显存服务器每个月100RMB
广告
- 作者于浙江某985高校就读人工智能方向研究生,可以帮忙定制设计模型,并提供源代码和训练后的模型文件以及环境配置和使用方法,只需要描述需求即可。
- 人工智能领域,尤其是计算机视觉(Computer vision,CV)方向的毕业设计,只要你想得出,没有做不出的