Python+AI為舊照片上色-人工智慧-PHP中文網

哈嘍，大家好。

今天繼續跟大家分享有趣的 AI 專案。

上次我們分享了用GAN（產生對抗網路）讓靜態圖片動起來#。

今天我們分享用NoGAN的圖像增強技術來為老照片著色。效果如下：

Python+AI為舊照片上色

原圖

Python+AI為舊照片上色

#上色後

NoGAN是一種新型GAN ，它能花費最少的時間進行GAN訓練。

今天分享的這個專案已在GitHub開源項目，我們來先運行一下。

1. 準備工作

首先，用git clone指令下載原始碼。

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

登入後複製

進入專案根目錄，安裝Python依賴套件。

pip3 install -r requirements.txt

登入後複製

在編寫程式碼運行專案之前，需要下載預先訓練好的模型。項目提供了三個模型：

Python+AI為舊照片上色

模型

區別如下：

ColorizeArtistic_gen.pth：在有趣的細節和活力方面實現了最高品質的圖像著色效果，該模型在UNet 上使用resnet34 為主幹，透過NoGAN 進行了5 次評論家預訓練/GAN 循環重複訓練。
ColorizeStable_gen.pth：在風景和肖像方面取得了最佳效果，該模型在 UNet 上使用 resnet101 為主幹，透過 NoGAN 進行了 3 次評論家預訓練/GAN 循環重複訓練。
ColorizeVideo_gen.pth：針對流暢的影片進行了最佳化，它僅使用初始生成器/評論家預訓練/GAN NoGAN 訓練。由於追求流暢的速度，它的色彩比前兩者少。
將下載好的模型檔案放在專案根目錄的models目錄下即可。

2. 編寫程式碼

在專案根目錄同級目錄下建立Python文件，編寫程式碼載入剛下載好的模型檔。

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')

# 加载模型
deoldfly_model = MasterFilter([ColorizerFilter(learn=learn)], render_factor=10)

登入後複製

root_folder指定專案根目錄，weights_name指定接下來使用哪個模型為照片上色。

讀取舊照片，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)