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
image-20210424192054643
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
image-20210424195915091
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；
image-20210424200405209
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
git@github.com:jantic/DeOldify.git
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
https://github.com/jantic/DeOldify
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：
https://data.deepai.org/deoldify/ColorizeArtistic_gen.pth
- 2，Stable 权重，相对于 Artistic 上色效果更
保守一些，下载地址：
https://www.dropbox.com/s/usf7uifrctqw9rl/ColorizeStable_gen.pth
- 3 ，Video 权重，此权重文件用来给视频上色，下载地址
https://data.deepai.org/deoldify/ColorizeVideo_gen.pth
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
[图片上传失败...(image-4276b2-1622219912351)]
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；
pip install -r requirements.txt
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
from deoldify import device
from deoldify.device_id import DeviceId
#choices: CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)
from deoldify.visualize import *
plt.style.use('dark_background')
torch.backends.cudnn.benchmark=True
import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")
colorizer = get_image_colorizer(artistic=True)
render_factor=35
source_path = 'test_images/image.png'
result_path = None
colorizer.plot_transformed_image(path=source_path, render_factor=render_factor, compare=True)
代码中有几个参数简单介绍一下：
- device 指定inference 时用到的 GPU 型号，根据自己情况从下面选项中选择一个即可
from enum import IntEnum
class DeviceId(IntEnum):
GPU0 = 0,
GPU1 = 1,
GPU2 = 2,
GPU3 = 3,
GPU4 = 4,
GPU5 = 5,
GPU6 = 6,
GPU7 = 7,
CPU = 99
device.set(device=DeviceId.GPU0)
- Artistic 为布尔值， True 表示启用 Artistic 模式 ( False 启用 Stable 模式)；
colorizer = get_image_colorizer(artistic=True)
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
image-20210430221407338
Artistic 模式
image-20210430221435152
Stable 模式
image-20210430221423325
- 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~
图一
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mM7vfSEW-1622219475075)(C:\Users\zeroing\Desktop\image-20210430221510838.png)]
图二
image-20210430221543902
图三
image-20210430221618418
3.2，视频上色
视频上色，需要用下面的代码块
from deoldify import device
from deoldify.device_id import DeviceId
#choices: CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)
from deoldify.visualize import *
plt.style.use('dark_background')
import warnings
warnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")
colorizer = get_video_colorizer()
#NOTE: Max is 44 with 11GB video cards. 21 is a good default
render_factor=21
file_name_ext = file_name + '.mp4'
result_path = None
colorizer.colorize_from_file_name(file_name_ext, render_factor=render_factor)
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，，，)
image-20210529002743136
经过上色处理后，效果如下，
image-20210529002913852
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；
pip install -r requirements.txt
项目源码获取方式，关注微信公号：小张Python，在公众号后台回复关键字 210501 即可
5，小结
项目上色原理这里并没有太多介绍，感兴趣的读者可以通过阅读源码深入了解一下；如果只是想把这个项目应用到自己数据上，我想这篇文章已经讲的很明白了，之前写过一篇老照片修复文章，其实两者可以结合一下，届时会有很棒的效果~
如果本篇内容对你有所帮助的话，点个赞是对我最大的鼓励~
好了以上就是本篇文章的全部内容了，最后感谢大家的阅读，我们下期见~
网友评论