黑白图像自动上色（Colorization）

在《siggraph2016_colorization-master》有两个可以给黑白图片自动上色的模型：colornet.t7 和 colornet_imagenet.t7。

 现来把这个 Torch7 代码翻译成 C++ 代码玩玩。

colornet.t7流程图：

 

 图像中的上半部分就可以完成上色任务了，下半部分是为了加大适用范围加的（大数据训练的分类网络）。

哪个共用权重被我划掉的。

要共哪个？

如果共下面的，估计会影响测试集上色效果，毕竟下面的只是辅助用的，分类网络不能分别图像，只能指出图像中有什么东西。

如果共上面的，下面的网络相当于已经作费。

说了一些费话，开始吧。

先定义数据池：

struct PsColor模型
{
	//解码器部分 着色
	层数据 * conv_d1;//512->256
	层数据 * conv_d2;//256->128
	层数据 * conv_d3;//128->64
	层数据 * conv_d4;//64->64
	层数据 * conv_d5;//64->32
	层数据 * conv_d6;//32->2
	
	//编码器部分	

	//中级特征
	层数据 * conv_e7;//512->512
	层数据 * conv_e8;//512->256
	//低级特征
	层数据 * conv_e1;//1->64
	层数据 * conv_e2;//64->128
	层数据 * conv_e3;//128->128
	层数据 * conv_e4;//128->256
	层数据 * conv_e5;//256->256
	层数据 * conv_e6;//256->512

	//分类器部分	
	
	//低级特征
	层数据 * conv_f1;//1->64
	层数据 * conv_f2;//64->128
	层数据 * conv_f3;//128->128
	层数据 * conv_f4;//128->256
	层数据 * conv_f5;//256->256
	层数据 * conv_f6;//256->512

	//全局特征
	层数据 * conv_f7;//512->512
	层数据 * conv_f8;//512->512
	层数据 * conv_f9;//512->512
	层数据 * conv_f10;//512->512

	//全连接
	层数据 * fc1;//512->512
	层数据 * fc2;//512->512
	层数据 * fc3;//512->512
	
	
	//构造函数
	PsColor模型();

};

主函数流程：

   输入图像 rgb（3通道黑白图）->y
1。加边(8的倍数)
2。分类部分
3。编码部分
4。融合
5。着色(解码)部分 生成Lab中的ab
   去边（回到原图大小）
6。y,y,y->L(ab)
7。L+ab= Lab
8。Lab->rgb->YUV
9。替换y,并->rgb
   保存彩色图

主函数：

void PsColor(char * savefilename,PsColor模型 & sr)
{

	//	1。加边(8的倍数)
	//  2。分类部分
	//  3。编码部分
	//  4。融合
	//  5。着色(解码)部分 生成Lab中的ab
	//     去边（回到原图大小）
	//  6。y,y,y->L(ab)
	//  7。L+ab= Lab
	//  8。Lab->rgb->YUV
	//  9。替换Y,并->rgb

	int wid=bmp.width;
	int hei=bmp.height;
	int wh=wid * hei;

		cout<<"输入图像宽度："<width<<","<height<<","<depth<width<<","<height<<","<depth<width<<","<height<<","<depth<width<<","<height<<","<depth<width<<","<height<<","<depth<width<<","<<源->height<<","<<源->depth<L(ab), L+ab= Lab
	卷积层 rgb(wid,hei,3);
	rgb.data=new float[wid*hei*3];

	float *lab=new float[wid*hei*3];

	RGB2Lab(bmp,lab);//rgb-->lab


	//  7。L+ab= Lab

	lab2卷积层(lab,rgb);//lab-->卷积层



	卷积层乘以(*源,1.2f);//加大颜色------自加

	卷积层 ab1(wid,hei,1);
	卷积层 ab2(wid,hei,1);

	ab1.data=rgb.data+wh;
	ab2.data=源->data;
	卷积层复制(&ab2,&ab1);

	ab1.data=rgb.data+wh*2;
	ab2.data=源->data+wh;
	卷积层复制(&ab2,&ab1);
	卷积层加以(ab1,10.f);//蓝->黄--------自加
		
	//卷积层 ab(wid,hei,2);
	//ab.data=rgb.data+wh;
	//卷积层复制(源,&ab);

	卷积层2lab(rgb,lab);//卷积层-->lab

	//  8。Lab->rgb->YUV

	Lab2RGB(bmp,lab);//lab-->rgb


	卷积层 U(wid,hei);
	U.data=源->data; 
	卷积层 V(wid,hei);
	V.data=源->data+wid * hei ; 
	bmp2YUV(&U,&V);

	//  9。替换Y,并->rgb

	YUV2bmp(&Y,&U,&V);
	
	del卷积层(*源);
	


	cout<<"图像转换成jpg格式... "<

RGB 和 Lab 互换来自《RGB与Lab颜色空间互相转换》一文，也不知道是该代码中的原因还是别的，重建的彩色偏蓝，我稍稍蓝->黄方向调了一点（在b通道+10），并且 ab 整体彩色加强了一点（x1.2），其它和 Torch7 应该相差不大了（我的理解），我也没有安装它，也不知道原代码运行效果。

效果图：

输入图

重建图

再来一张：

输入

重建

如果没有分类器也是可以出彩色的：

效果图（还是上面的图）：

无分类重建

结束。

下载：

给黑白图像自动上色的win程序

可以给黑白图像上彩色的程序（win下），由《siggraph2016_colorization-master》中的 colornet.t7 模型改编而来

https://download.csdn.net/download/juebai123/11183384

---------------------------------------分隔线-----------------------------------------------------------

由于上面没有达到《siggraph2016_colorization-master》中的示例图片的效果，我把ab导出程序中准备在其它地方去调试时发现只有a通道有数据。原来以前用的放大y通道函数只放大一个通道！！

所以 ab 和 L 合成部分为：

	//  7。L+ab= Lab

	lab2卷积层(lab,rgb);//lab-->卷积层



	//卷积层乘以(*源,1.2f);//加大颜色------自加

	//卷积层 ab1(wid,hei,1);
	//卷积层 ab2(wid,hei,1);

	//ab1.data=rgb.data+wh;
	//ab2.data=源->data;
	//卷积层复制(&ab2,&ab1);
	//卷积层加以(ab1,-2.f);//蓝->黄--------自加

	//ab1.data=rgb.data+wh*2;
	//ab2.data=源->data+wh;
	//卷积层复制(&ab2,&ab1);
			
	卷积层 ab(wid,hei,2);
	ab.data=rgb.data+wh;
	卷积层复制(源,&ab);

	卷积层2lab(rgb,lab);//卷积层-->lab

	//  8。Lab->rgb->YUV

效果图（还是上图）：

1图

第2图

这个也可以用彩色的作为输入（相当于换色）：

原图

重建图

下载：

 给黑白图像自动上色的win程序（2）

可以给黑白图像上彩色的程序（win下），由《siggraph2016_colorization-master》中的 colornet.t7 模型改编而来（修正了前面的一个错误，已经达到和《siggraph2016_colorization-master》中的示例同样效果）

https://download.csdn.net/download/juebai123/11186646