DeOldify实现老照片上色（附直接使用的工具代码） | 机器学习

Posted 2022-06-22 剑客阿良_ALiang

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了DeOldify实现老照片上色（附直接使用的工具代码） | 机器学习相关的知识，希望对你有一定的参考价值。

前言

老照片上色其实很早之前就想写了，也有不少人问了我这个项目。

最近把DeOldify项目好好弄了弄。

项目地址：DeOldify项目地址

先看看项目给出的图片对比效果。

从给出的效果可以看出，上色后的图片对人物、景色、物品、环境等等都变得很生动。

下面来安装一下项目执行环境，测试一下自己的图片。

安装

看一下项目的README中关于安装的部分。

使用anaconda安装环境。安装完成后看一下模型文件需要下载哪些。

仔细看看，文章给出了不同模型的区别。

从作者的描述中，可以看出前面2个主要是针对图像的模型，一个艺术一个稳定，等下使用的时候看看区别。

三个模型如果比较难下载，可以从我的网盘下载，地址如下。

链接：https://pan.baidu.com/s/11VJoC3na9wzOuiwsb7gw9Q
提取码：TUAN

下载的3个模型文件放到项目根目录下models文件夹内，没有就创建models。

代码改造使用

作者在README中给出了docker快速启动以及api启动方式。有点麻烦，还是自己改一下。

先看一下app.py代码内容。

@app.route("/process", methods=["POST"])
def process_image():

    input_path = generate_random_filename(upload_directory,"jpeg")
    output_path = os.path.join(results_img_directory, os.path.basename(input_path))

    try:
        if 'file' in request.files:
            file = request.files['file']
            if allowed_file(file.filename):
                file.save(input_path)
            try:
                render_factor = request.form.getlist('render_factor')[0]
            except:
                render_factor = 30
            
        else:
            url = request.json["url"]
            download(url, input_path)

            try:
                render_factor = request.json["render_factor"]
            except:
                render_factor = 30

        result = None

        try:
            result = image_colorizer.get_transformed_image(input_path, render_factor=render_factor, post_process=True, watermarked=True)
        except:
            convertToJPG(input_path)
            result = image_colorizer.get_transformed_image(input_path, render_factor=render_factor, post_process=True, watermarked=True)
        finally:
            if result is not None:
                result.save(output_path, quality=95)
                result.close()

        callback = send_file(output_path, mimetype='image/jpeg')
        return callback, 200

    except:
        traceback.print_exc()
        return 'message': 'input error', 400

    finally:
        pass
        clean_all([
            input_path,
            output_path
            ])

可以看出该POST接口主要操作分为：获取文件流、根据参数调整渲染因子（默认为30）、通过image_colorizer对象进行染色操作、最终将文件流返回。按照这个方法我改造了一个直接使用的工具方法。

代码如下：

#!/user/bin/env python
# coding=utf-8
"""
@project : DeOldify
@author  : 剑客阿良_ALiang
@file   : test1.py
@ide    : PyCharm
@time   : 2022-06-17 16:37:13
"""
import os
from pathlib import Path

from app_utils import convertToJPG
from deoldify.visualize import ModelImageVisualizer, get_image_colorizer


def colorizer(input_path, output_dir):
    _output_path = os.path.join(output_dir, os.path.basename(input_path))
    _image_colorizer = get_image_colorizer(artistic=True)
    try:
        result = _image_colorizer.get_transformed_image(input_path, render_factor=30, post_process=True,
                                                        watermarked=True)
    except:
        convertToJPG(input_path)
        result = _image_colorizer.get_transformed_image(input_path, render_factor=30, post_process=True,
                                                        watermarked=True)
    finally:
        if result is not None:
            result.save(_output_path, quality=95)
            result.close()


if __name__ == '__main__':
    colorizer("./data/image/xxx1.jpg", "./data/result1")

一些异常情况我就不处理，如果需要的话，使用的时候加一些补充代码即可。

artistic参数作为是否使用艺术模型的bool参数。

看一下我准备的需要上色的照片。

选择Artistic模型的效果如下：

选择Stable模型的效果如下：

还是可以看出一些区别的，只是本人没啥艺术细菌，看不大出来怎么个艺术法。

注意

1、上面的工具代码由于引入了项目中的几个方法，可能存在引入包缺失问题。补充安装如下：

pip install opencv-python -i https://pypi.douban.com/simple

pip install scikit-image -i https://pypi.douban.com/simple

pip install ffmpeg -i https://pypi.douban.com/simple

2、安装scikit-image的时候会安装Pillow最新版本，可能会导致执行错误，补充卸载安装Pillow如下：