Pytthon实战------黑白老照片上色，手把手教你用Python怎么玩儿！

Posted 2021-06-18 不加班的程序员丶

基于深度学习的黑白照片上色，今天手把手教你怎么玩儿

各位读者们，大家好啊，上个月初写了一篇关于老照片修复的教程，有读者看完不过瘾，表示想让我再安排一篇黑白照片上色教程，于是就有了这篇文章的由来

DeOldify 介绍

开始之前先对这个项目做个简单介绍，DeOldify 是一个关于给黑白照片上色的项目，是基于深度学习技术开发的，源码在 Github 上已经开源，目前收获了 13.4 k Star；去年有一个 B 站 Up主 制作了一个有关修复 100 年前老北京的视频

其中用到的上色就用到了DeOldify 框架，DeOldify 创建的目的是为了给黑白照片上色，但让人惊艳的是它除了能处理图片外，也可以处理视频；

DeOldify 的核心网络框架是 GAN ，对比以前上色技术有以下几个特点：

• 1，老照片中的伪影在上色过程中会被消除；
• 2，老照片的人脸部位来说，处理后皮肤会变得更光滑；
• 3，呈现更详细、真实的渲染效果；

简单介绍后，下面开始正式介绍一下它的用法，本次的测试环境如下

• OS: Windows 10;
• Python : Python 3.7.6;
• IDE : Pycharm；
• pytorch : 1.7.0 ；

2，环境配置

2.1，项目克隆到本地

有两种方法可供选择

1， Git 命令

2，在Github 项目页面点击 Download ZIP 选项，将项目手动下载到到本地，Github 地址贴在下方

github.com/jantic/DeOl…

2.2，下载权重文件

DeOldify 是基于深度学习开发的，需要用到预训练权重，这里项目开发者已经把训练好的权重上传到网上，我们可以直接拿来使用，不需要我们再训练

本项目中用到的权重文件比较多，一共三个：

• 1，Artistic 权重，会使图片上色效果 更 大胆 一些，下载地址：

• 2，Stable 权重，相对于 Artistic 上色效果更保守一些，下载地址：
• 
• 3 ，Video 权重，此权重文件用来给视频上色，下载地址

权重文件下载完毕后，在项目根目录下创建一个 models 文件夹，把下载好的三个权重文件放入 models 文件夹内，项目根目录排列如下

2.3，安装依赖项

在终端中输入如下命令，安装项目所需要的第三方扩展库；

第三方扩展库安装完毕之后，需要提醒一下，本项目是基于 Pytorch 进行开发的，在 requirements.txt 中作者并没有加入这 torch 依赖库，所以在启动项目之前请确保 torch 、torchvision 等库已经安装到你的运行环境中；

Tip : 如果后面你想用到 GPU 加速效果，CUDA 和 Cudnn 等 GPU 加速包也需要提前配好

3 启动项目

环境配置好之后，下面的步骤就比较简单了，在主项目下创建一个脚本作为程序运行入口

3.1，照片上色

给照片上色的话，在主脚本内填入下面代码块

前面提到过 Artistic 与 Stable 是有区别的(因为用到的权重文件是不一样的)， Artistic 上色效果会更加激进一些，例如给下面这张荷叶照片上色，不同模式下得到的图片是不一样的

Artistic 模式

Stable 模式

• render_factor 表示渲染因子，值越效果越好，但同时需要更大的显存；
• source_path 表示输入图片路径；

上色后的图片会存放在根目录下的 result_images 文件夹中，从网上下载了几张黑白图片，用这个框架自己也测试了一下，看起来效果还不错~

图二

图三

3.2，视频上色

视频上色，需要用下面的代码块

代码中参数用法参考 3.1，相对给照片上色来说，处理视频时除了耗时之外还需要考虑帧与帧之间的相关性，要复杂一些；

这里我借助 You-get 命令，从B 站下载了1972年《教父》一小部分片段(因为平台上传视频比较麻烦，这里只截取了其中一帧图片，请原谅我的懒，，，)

经过上色处理后，效果如下，

上色后的视频仔细看的话的确还有一定的瑕疵，但整体看起来效果已经相当不错了

4，项目源码获取

为了方便起见，我已经把配置好的项目文件打包成一个解压包，解压后只需安装项目中的所需依赖项即可，无需再配置权重文件；

项目源码获取方式，通过微信扫一扫备注【python】