Amazing！黑白老照片上色，Python 两秒一张

原创

小张Python 2022-03-14 15:09:44 ©著作权

©著作权归作者所有：来自51CTO博客作者小张Python的原创作品，请联系作者获取转载授权，否则将追究法律责任

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

Amazing！黑白老照片上色，Python 两秒一张_权重

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

Amazing！黑白老照片上色，Python 两秒一张_ide_02

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；

Amazing！黑白老照片上色，Python 两秒一张_github_03

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；

简单介绍之后，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 ；
torchvision : ；

2，环境配置

2.1，项目克隆到本地

有两种方法，1， Git 命令

git@github.com:jantic/DeOldify.git

或 Download ZIP 选项将项目手动下载到到本地，Github 地址贴在下方

下载后

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

Amazing！黑白老照片上色，Python 两秒一张_权重_04

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

Amazing！黑白老照片上色，Python 两秒一张_ide_05

Artistic 模式

Amazing！黑白老照片上色，Python 两秒一张_ide_06

Stable 模式

Amazing！黑白老照片上色，Python 两秒一张_ide_07

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

Amazing！黑白老照片上色，Python 两秒一张_github_08

图二

Amazing！黑白老照片上色，Python 两秒一张_ide_09

图三

Amazing！黑白老照片上色，Python 两秒一张_ide_10

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

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