哈嘍，大家好。

今天繼續給大家分享有趣的 AI 項目。

上次我們分享了用GAN（生成對抗網絡）??讓靜態圖片動起來??。

今天我們分享用NoGAN的圖像增強技術給老照片著色。效果如下：

原圖

上色后

NoGAN是一種新型GAN，它能花費最少的時間進行GAN訓練。

今天分享的這個項目已在GitHub開源項目，下面我們來運行一下。

1. 準備工作

首先，用git clone命令下載源碼。

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

進入項目根目錄，安裝Python依賴包。

pip3 install -r requirements.txt

編寫代碼運行項目之前，需要下載預訓練好的模型。項目提供了三個模型：

模型

區別如下：

• ColorizeArtistic_gen.pth：在有趣的細節和活力方面實現了最高質量的圖像著色效果，該模型在 UNet 上使用 resnet34 為主干，通過 NoGAN 進行了 5 次評論家預訓練/GAN 循環重復訓練。
• ColorizeStable_gen.pth：在風景和肖像方面取得了最佳效果，該模型在 UNet 上使用 resnet101 為主干，通過 NoGAN 進行了 3 次評論家預訓練/GAN 循環重復訓練。
• ColorizeVideo_gen.pth：針對流暢的視頻進行了優化，它僅使用初始生成器/評論家預訓練/GAN NoGAN 訓練。由于追求流暢的速度，它的色彩比前兩者少。
• 將下載好的模型文件放在項目根目錄的models目錄下即可。

2. 編寫代碼

在項目根目錄同級目錄下創建Python文件，編寫代碼加載剛剛下載好的模型文件。

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')

# 加載模型
deoldfly_model = MasterFilter([ColorizerFilter(learn=learn)], render_factor=10)

root_folder指定項目根目錄，weights_name指定接下來使用哪個模型為照片上色。

讀取老照片，進行上色；

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讀取老照片，并用PIL.Image模塊將圖片轉換成模型輸入所需要的格式，送入模型進行上色，完成后保存。

上述代碼是我從項目源碼中抽取的，可以看到，運行代碼還是非常簡單的。