明天咱们分享用NoGAN的图像增强技术给老照片着色。成果如下：

原图

上色后

NoGAN是一种新型GAN，它能破费起码的工夫进行GAN训练。

明天分享的这个我的项目已在GitHub开源我的项目，上面咱们来运行一下。

1. 筹备工作

首先，用git clone命令下载源码

git clone https://github.com/jantic/DeOldify.git

进入我的项目根目录，装置Python依赖包

pip3 install -r requirements.txt

编写代码运行我的项目之前，须要下载预训练好的模型。我的项目提供了三个模型

模型

区别如下：

  • ColorizeArtistic_gen.pth：在乏味的细节和生机方面实现了最高品质的图像着色成果，该模型在 UNet 上应用 resnet34 为主干，通过 NoGAN 进行了 5 次评论家预训练/GAN 循环反复训练
  • ColorizeStable_gen.pth：在风光和肖像方面获得了最佳成果，该模型在 UNet 上应用 resnet101 为主干，通过 NoGAN 进行了 3 次评论家预训练/GAN 循环反复训练
  • ColorizeVideo_gen.pth：针对晦涩的视频进行了优化，它仅应用初始生成器/评论家预训练/GAN NoGAN 训练。因为谋求晦涩的速度，它的色调比前两者少。

将下载好的模型文件放在我的项目根目录的models目录下即可。

2. 编写代码

在我的项目根目录同级目录下创立Python文件，编写代码加载刚刚下载好的模型文件。

from DeOldify.deoldify.generators import gen_inference_widefrom DeOldify.deoldify.filters import MasterFilter, ColorizerFilter# 指定模型文件learn = gen_inference_wide(root_folder=Path('./DeOldify'), weights_name='ColorizeVideo_gen')# 加载模型deoldfly_model = MasterFilter([ColorizerFilter(learn=learn)], render_factor=10)

root_folder指定我的项目根目录，weights_name指定接下来应用哪个模型为照片上色。

读取老照片，进行上色

import cv2import numpy as npfrom PIL import Imageimg = cv2.imread('./images/origin.jpg')img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)pil_img = Image.fromarray(img)filtered_image = deoldfly_model.filter(    pil_img, pil_img, render_factor=35, post_process=True)result_img = np.asarray(filtered_image)result_img = cv2.cvtColor(result_img, cv2.COLOR_RGB2BGR)cv2.imwrite('deoldify.jpg', result_img)

用cv2读取老照片，并用PIL.Image模块将图片转换成模型输出所须要的格局，送入模型进行上色，实现后保留。

上述代码是我从我的项目源码中抽取的，能够看到，运行代码还是非常简单的。

感兴趣的敌人能够本人运行一下，也能够试试其余模型的成果。

以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python编程学习圈，每日干货分享，发送“J”还可支付大量学习材料。或是返回编程学习网，理解更多编程技术常识。