哈喽，大家好。
今天继续给大家分享有趣的 AI 项目。
上次我们分享了用GAN（生成对抗网络）让静态图片动起来。
今天我们分享用NoGAN的图像增强技术给老照片着色。效果如下：
原图
上色后
NoGAN是一种新型GAN，它能花费最少的时间进行GAN训练。
今天分享的这个项目已在GitHub开源项目，下面我们来运行一下。
1. 准备工作
首先，用git clone命令下载源码
git clone https://github.com/jantic/DeOldify.git
进入项目根目录，安装Python依赖包
pip3 install -r requirements.txt
编写代码运行项目之前，需要下载预训练好的模型。项目提供了三个模型
模型
区别如下：
- ColorizeArtistic_gen.pth：在有趣的细节和活力方面实现了最高质量的图像着色效果，该模型在 UNet 上使用 resnet34 为主干，通过 NoGAN 进行了 5 次评论家预训练/GAN 循环重复训练
- ColorizeStable_gen.pth：在风景和肖像方面取得了最佳效果，该模型在 UNet 上使用 resnet101 为主干，通过 NoGAN 进行了 3 次评论家预训练/GAN 循环重复训练
- ColorizeVideo_gen.pth：针对流畅的视频进行了优化，它仅使用初始生成器/评论家预训练/GAN NoGAN 训练。由于追求流畅的速度，它的色彩比前两者少。
将下载好的模型文件放在项目根目录的models目录下即可。
2. 编写代码
在项目根目录同级目录下创建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_wide
from 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指定项目根目录，weights_name指定接下来使用哪个模型为照片上色。
读取老照片，进行上色
import cv2
import numpy as np
from PIL import Image
img = 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入所需要的格式，送入模型进行上色，完成后保存。
上述代码是我从项目源码中抽取的，可以看到，运行代码还是非常简单的。
到此这篇关于Python+AI实现给老照片上色的文章就介绍到这了,更多相关Python AI老照片上色内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
