Python实现图像完美超分处理 | Python工具

目录

前言

项目说明

代码说明

总结

顺便推广一下csdn认证


前言

根据上一篇文章:图片、视频超分模型RealBasicVSR安装使用 | 机器学习_剑客阿良_ALiang的博客-CSDN博客

我把项目进行的工具化调整,做成了对单一照片输入进行处理的工具。大家可以拿去直接集成到代码中使用。

github项目地址:工具项目地址

项目说明

项目结构如下

Python实现图像完美超分处理 | Python工具_第1张图片

注意项

1、 checkpoints中的模型文件太大,上传不到github上,大家可以通过下面我分享的百度云盘地址下载,放到checkpoints目录中。

链接:https://pan.baidu.com/s/1EFCk5SUsE9BTPR5rlVnKtw 
提取码:TUAN

2、conda环境安装,我这里就不多叙述了,直接参考上一篇文章中的安装过程即可。

图片、视频超分模型RealBasicVSR安装使用 | 机器学习_剑客阿良_ALiang的博客-CSDN博客

代码说明

主要的核心代码是inference_hy.py文件,代码如下:

#!/user/bin/env python
# coding=utf-8
"""
@project : hy_realbasicvsr
@author  : 剑客阿良_ALiang
@file   : inference_hy.py
@ide    : PyCharm
@time   : 2022-05-08 15:18:15
"""
import argparse
import glob
import os

import cv2
import mmcv
import numpy as np
import torch
import uuid
from mmcv.runner import load_checkpoint
from mmedit.core import tensor2img

from realbasicvsr.models.builder import build_model


def init_model(config, checkpoint=None):
    if isinstance(config, str):
        config = mmcv.Config.fromfile(config)
    elif not isinstance(config, mmcv.Config):
        raise TypeError('config must be a filename or Config object, '
                        f'but got {type(config)}')
    config.model.pretrained = None
    config.test_cfg.metrics = None
    model = build_model(config.model, test_cfg=config.test_cfg)
    if checkpoint is not None:
        checkpoint = load_checkpoint(model, checkpoint)

    model.cfg = config  # save the config in the model for convenience
    model.eval()

    return model


class Worker:
    def __init__(self):
        self.checkpoint_path = 'checkpoints/RealBasicVSR_x4.pth'
        self.config = 'configs/realbasicvsr_x4.py'
        self.is_save_as_png = True
        self.max_seq_len = 2
        self.model = init_model(self.config, self.checkpoint_path)

    def do_pic(self, input_image_path: str, output_dir: str):
        inputs = []
        img = mmcv.imread(input_image_path, channel_order='rgb')
        ext = os.path.basename(input_image_path).split('.')[-1]
        inputs.append(img)
        inputs.append(img)
        for i, img in enumerate(inputs):
            img = torch.from_numpy(img / 255.).permute(2, 0, 1).float()
            inputs[i] = img.unsqueeze(0)
        inputs = torch.stack(inputs, dim=1)
        # map to cuda, if available
        cuda_flag = False
        if torch.cuda.is_available():
            model = self.model.cuda()
            cuda_flag = True
        with torch.no_grad():
            if isinstance(self.max_seq_len, int):
                outputs = []
                for i in range(0, inputs.size(1), self.max_seq_len):
                    imgs = inputs[:, i:i + self.max_seq_len, :, :, :]
                    if cuda_flag:
                        imgs = imgs.cuda()
                    outputs.append(self.model(imgs, test_mode=True)['output'].cpu())
                outputs = torch.cat(outputs, dim=1)
            else:
                if cuda_flag:
                    inputs = inputs.cuda()
                outputs = self.model(inputs, test_mode=True)['output'].cpu()
        mmcv.mkdir_or_exist(output_dir)
        for i in range(0, outputs.size(1)):
            output = tensor2img(outputs[:, i, :, :, :])
            filename = '{}.{}'.format(uuid.uuid1().hex, ext)
            if self.is_save_as_png:
                file_extension = os.path.splitext(filename)[1]
                filename = filename.replace(file_extension, '.png')
            result_path = os.path.join(output_dir, filename)
            mmcv.imwrite(output, result_path)
            break


if __name__ == '__main__':
    worker = Worker()
    worker.do_pic('data/136.jpeg', 'results/')

代码说明

1、如果在真实项目中使用的话,worker对象可以在项目启动中创建,不需要每次调用时候创建。

2、主要使用方法为do_pic方法,入参分别为:需要超分的照片地址,以及最后生成的目录地址。

3、最终输出的照片名使用uuid进行命名,如果需要自定义的话,可以看着调整。

4、输出的文件格式不一定需要是png,上面的类初始化有bool选项,自行调整。

测试一下代码,先看一下图片。

Python实现图像完美超分处理 | Python工具_第2张图片

执行结果 

2022-05-08 15:47:54,792 - mmedit - INFO - load checkpoint from torchvision path: torchvision://vgg19
load checkpoint from local path: checkpoints/RealBasicVSR_x4.pth
/home/zhangmaolin/.local/lib/python3.7/site-packages/torch/functional.py:445: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at  ../aten/src/ATen/native/TensorShape.cpp:2157.)
  return _VF.meshgrid(tensors, **kwargs)  # type: ignore[attr-defined]

最终图片输出

OK,没什么问题了。

总结

本文主要是造个轮子吧,相信有经验的可以自己改造,包括视频处理也可以不要使用作者的demo,自己优化一下逻辑,性能应该都跟得上。提供思路吧,视频拆分图片组和音频,处理完之后压缩为一个视频。

多说一点,大家如果想联系我问一些问题,讨论交流啊,可以加文章底部的联系名片,有时候大家私信我,我看不到或者忘了回复了,很僵。

分享:

        年轻的好处是可原谅的率真、大胆、肆无忌惮的把内心所爱、所要、所憎、所恨的不扣修饰宣诸于口。——《挪威的森林》

顺便推广一下csdn认证

        2022年3月31日,中国专业IT开发者社区CSDN(以下简称C站)正式推出“C站云原生工程师能力认证”,旨在帮助考生快速掌握云原生开发技能,重点考核容器、DevOps、微服务应用等技术。此标准下,CSDN将为千行百业贡献更多云原生开发者。

还是挺不错的,如果大家有兴趣,可以点下面的链接去看看,后面有些福利的信息,大家看着来。

C站(CSDN)能力认证

你可能感兴趣的:(机器学习系列,Python工具类,python,机器学习,图像处理,人工智能,pytorch)