老照片修复与上色
前言
- 受限于以前拍照设备和时间的冲刷，很多老照片都是黑白照，有的甚至已经损坏严重。随着人工智能的进步，大厂都推出了老照片修复与上色的服务，但有的是收费的，有的担心个人隐私，这里推荐两个Github项目用来上色和修复。
我的配置
- Ubuntu20.04
- python3.6
- Intel i7 + GTX1060Ti（使用GPU需要安装CUDA）
照片修复
- Bringing-Old-Photos-Back-to-Life 由微软团队提出的一套算法用于破损照片的修复，项目地址https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life，使用方法README已经写的很清楚，下面简单说明一下。
项目配置
# 克隆项目到工作目录
git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life.git
# clone 此项目，将里面的sync_batchnorm文件夹复制到项目的Global/detection_models和Face_Enhancement/models/networks/文件夹中
git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorch
# 下载权重文件，这里不建议自己训练，耗时不说还不一定有官方给的好
cd Face_Detection/
wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
bzip2 -d shape_predictor_68_face_landmarks.dat.bz2
cd ../Face_Enhancement/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zip
unzip face_checkpoints.zip
cd ../Global/
wget https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zip
unzip global_checkpoints.zip
# 安装依赖
cd ../
pip install -r requirements.txt
项目使用
# 直接将照片放到test_iamges中，GPU 0/-1 0：使用GPU，-1：不使用GPU，--with_scratch照片有折痕
python run.py --GPU 0
# 在ouput文件夹中就可以看到修复好的文件了，也可以像官方那样指定输入文件夹和输出文件夹
黑白照片上色
- DeOldify，大名鼎鼎的黑白照片与视频上色项目，之前大火的老北京黑白视频上色就用的它，项目地址https://github.com/jantic/DeOldify。
基本配置
# 克隆项目到工作目录
git clone https://github.com/jantic/DeOldify.git
# 安装依赖
pip install -r requirements.txt
# 创建models文件夹并下载权重文件
mkdir DeOldify/models
cd DeOldify/models
wget https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth
wget https://www.dropbox.com/s/usf7uifrctqw9rl/ColorizeStable_gen.pth
wget https://data.deepai.org/deoldify/ColorizeVideo_gen.pth
使用
- 在项目中新建一个
run.py，编写可参考项目中的.ipynb文件
from deoldify import device
from deoldify.device_id import DeviceId
#choices: CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)
from deoldify.visualize import *
plt.style.use('dark_background')
torch.backends.cudnn.benchmark=True
import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")
#true：为artistic模式，false：为stable模式
colorizer = get_image_colorizer(artistic=True)
# 可以修改
render_factor=35
# 输出文件
source_path = 'input_images/2_s.jpg'
result_path = None
colorizer.plot_transformed_image(path=source_path, render_factor=render_factor, compare=True)
使用
python run.py
总结
如果同时需要照片修复以及上色，建议先上色再进行修复操作。
后记
照片记录故事，用心描绘生活！