百年老照片修复算法，那些高颜值的父母！-技术圈

前言

你们家里，有没有高颜值的长辈老照片？

亦或是黑白、亦或是模糊，甚至是褶皱破损。

老照片承载着生命中的每一份意义，那是一代代人的回忆。

今天，教大家两个算法，帮你搞定不清晰的、褶皱的老照片，黑白照片变彩照。

模糊照片，一键高清：

褶皱照片，一键复原：

黑白照片，一键上色：

在这个人工智能的时代，算法都能帮你搞定！

算法

模糊、褶皱照片修复，是微软 2020 年最新的一篇 CVPR 文章：

「Bringing Old Photo Back to Life」

黑白照片上色，是一个经典上色老算法（2018年）：

「DeOldify」

1、Bringing Old Photo Back to Life

该文作者来自香港城市大学、微软亚洲研究院、微软云 + AI 、中国科学技术大学。

作者使用变分自动编码机（VAE）将图像变换到隐空间，并在隐空间进行图像恢复操作。

听不懂，说人话！

举个例子，国际象棋大师观察棋盘 5 秒，就能记住所有棋子的位置，而常人是无法办到的。

但棋子的摆放必须是实战中的棋局（也就是棋子存在的内在规则），棋子随机摆放可不行。

象棋大师并不是记忆力优于我们，而是经验丰富，很擅于识别象棋模式，从而高效地记忆棋局。

自动编码机（VAE）就是「象棋大师」，它可以找到图片的内在规则（隐空间），然后通过自己的方式表示出来。

作者使用了两个 VAE：

第一个 VAE 用于将合成的老照片（模糊、磨损）进行编码到隐空间。

第二个 VAE 用于将对应的干净的老照片进行编码。

然后，在隐空间学习从污损的老照片到干净照片的映射。

就这样，实现了一个老照片的修复算法。

这个有点像在学习控制图片清晰、磨损的一个特征表示，通过控制这个特征，可以达到修复破损照片的目的。

论文的修复效果：

算法开源，还有预训练模型，可以直接测试效果。

项目地址：

https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

项目依赖于「Synchronized-BatchNorm-PyTorch」，按照教程配置即可。

第一步，clone 工程：

git clone https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life

第二步，进入工程目录，clone 依赖项目：

cd Face_Enhancement/models/networks/git clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorchcp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .cd ../../../
cd Global/detection_modelsgit clone https://github.com/vacancy/Synchronized-BatchNorm-PyTorchcp -rf Synchronized-BatchNorm-PyTorch/sync_batchnorm .cd ../../

第三步，下载预训练模型。

cd Face_Detection/wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2bzip2 -d shape_predictor_68_face_landmarks.dat.bz2cd ../

然后分别下载 Global 和 Face_Enhancement 的训练好的模型，并解压，放在对应目录下：

Global：

https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Global/checkpoints.zip

Face_Enhancement：

https://facevc.blob.core.windows.net/zhanbo/old_photo/pretrain/Face_Enhancement/checkpoints.zip

下载速度慢，或者嫌麻烦，可以下载我打包好的工程，拿来直接用！

模型、代码、素材，工程下载地址。

网盘链接（提取码：jack）：

https://pan.baidu.com/s/1jVjd8dS0j0AnWeFI-7l-eA

使用方法：

没有裂痕的图像修复，就是图片不清晰，可以用如下指令：

python run.py --input_folder [test_image_folder_path] \              --output_folder [output_path] \              --GPU 0

将你想修复的图片放到 [test_image_folder_path] 目录下（自己指定），生成的图片会放到 [output_path] 目录中。

对于裂痕的图片，需要额外增加一个参数，指令如下：

python run.py --input_folder [test_image_folder_path] \              --output_folder [output_path] \              --GPU 0 \              --with_scratch

这里需要注意的是，指定的路径需要使用绝对路径。

运行效果：

2、DeOldify

「DeOldify」是一个图片上色算法。

曾经上过热搜的修复百年前老北京的影像，就是用的这个算法。

一切都是现成的，用起来很简单。

DeOldify 就是一种对抗生成网络的应用。

其原理是使用 NoGAN 技术，它结合了 GAN 训练的优点，比如出色的上色效果，同时也消除了一些副作用，比如画面着色不稳定、闪烁的现象。

算法出了很久，算法原理教程应该很多，这里就不再累述，我们直接看怎么用吧。

项目地址：

https://github.com/jantic/DeOldify

需要配置的上文一样，安装一些库，然后下载模型权重文件。

项目工程页里详细说明了下载哪些文件，需要安装什么。

配置好后，在工程目录编写如下代码：

#NOTE:  This must be the first call in order to work properly!from deoldify import devicefrom deoldify.device_id import DeviceId#choices:  CPU, GPU0...GPU7device.set(device=DeviceId.GPU0)
import torch
if not torch.cuda.is_available():    print('GPU not available.')
import fastaifrom deoldify.visualize import *import warningswarnings.filterwarnings("ignore", category=UserWarning, message=".*?Your .*? set is empty.*?")
colorizer = get_image_colorizer(artistic=True)
colorizer.plot_transformed_image("test_images/1.png", render_factor=10, compare=True)