基于神经网络的图像去水印/图像修复实践

采用的一个开源的用于生成图像修复的框架，主要基于 Contextual Attention (CVPR 2018)和 Gated Convolution (ICCV 2019 Oral)

作者源码地址：https://github.com/JiahuiYu/generative_inpainting

1.准备

安装说明如下：

本文只用已经训练好的网络实践该方法的效果，不对该网络进行训练，因此值实践第0和3步。

关于预训练好的网络，作者说明如下：

 

下载代码文件夹并解压，路径为："C:\DEV\python\generative_inpainting-master"

预训练好的模型Place2下载后放在其中的model_logs文件夹下

2.运行

打开python文件夹，进入Windows PowerShell

 

输入如下命令：

其中，运行测试文件的代码行与github上作者给出的说明有所不同，作者再github上给出的代码为：

pthon test.py --image examples/input.png --mask examples/mask.png --output examples/output.png --checkpoint model_logs/your_model_dir

以上这句代码中的蓝色部分分别为图片路径和掩膜图片的路径，在windows运行条件下只认绝对路径，所以要使用绝对路径。橙色部分分别为输出修复后图像的路径和模型的路径，是以使用相对路径的。这里我们使用的是预先训练好的模型Place2，要把其对应的路径model_logs/Places2替换到—checkpoint后边。

图片路径和掩膜图片的路径为："C:\DEV\python\generative_inpainting-master\examples\places2\case1_output.png"如下图所示：

 

 

 

Input：

Mask：（这里mask背景是透明的，只有被涂抹的水印处是白色）

 

在对应路径处会生成output

Output如图：