老照片上色其实很早之前就想写了，也有不少人问了我这个项目。
最近把DeOldify项目好好弄了弄。
项目地址：DeOldify项目地址
先看看项目给出的图片对比效果。
从给出的效果可以看出，上色后的图片对人物、景色、物品、环境等等都变得很生动。
下面来安装一下项目执行环境，测试一下自己的图片。
看一下项目的README中关于安装的部分。
使用anaconda安装环境。安装完成后看一下模型文件需要下载哪些。
仔细看看，文章给出了不同模型的区别。
从作者的描述中，可以看出前面2个主要是针对图像的模型，一个艺术一个稳定，等下使用的时候看看区别。
三个模型如果比较难下载，可以从我的网盘下载，地址如下。
链接 提取码：kr3c
下载的3个模型文件放到项目根目录下models文件夹内，没有就创建models。
作者在README中给出了docker快速启动以及api启动方式。有点麻烦，还是自己改一下。
先看一下app.py代码内容。
@app.route("/process", methods=["POST"])
def process_image():
input_path = generate_random_filename(upload_directory,"jpeg")
output_path = os.path.join(results_img_directory, os.path.basename(input_path))
try:
if 'file' in request.files:
file = request.files['file']
if allowed_file(file.filename):
file.save(input_path)
try:
render_factor = request.form.getlist('render_factor')[0]
except:
render_factor = 30
else:
url = request.json["url"]
download(url, input_path)
try:
render_factor = request.json["render_factor"]
except:
render_factor = 30
result = None
try:
result = image_colorizer.get_transformed_image(input_path, render_factor=render_factor, post_process=True, watermarked=True)
except:
convertToJPG(input_path)
result = image_colorizer.get_transformed_image(input_path, render_factor=render_factor, post_process=True, watermarked=True)
finally:
if result is not None:
result.save(output_path, quality=95)
result.close()
callback = send_file(output_path, mimetype='image/jpeg')
return callback, 200
except:
traceback.print_exc()
return {'message': 'input error'}, 400
finally:
pass
clean_all([
input_path,
output_path
])可以看出该POST接口主要操作分为：获取文件流、根据参数调整渲染因子（默认为30）、通过image_colorizer对象进行染色操作、最终将文件流返回。按照这个方法我改造了一个直接使用的工具方法。
代码如下：
#!/user/bin/env python
# coding=utf-8
"""
@project : DeOldify
@author : 剑客阿良_ALiang
@file : test1.py
@ide : PyCharm
@time : 2022-06-17 16:37:13
"""
import os
from pathlib import Path
from app_utils import convertToJPG
from deoldify.visualize import ModelImageVisualizer, get_image_colorizer
def colorizer(input_path, output_dir):
_output_path = os.path.join(output_dir, os.path.basename(input_path))
_image_colorizer = get_image_colorizer(artistic=True)
try:
result = _image_colorizer.get_transformed_image(input_path, render_factor=30, post_process=True,
watermarked=True)
except:
convertToJPG(input_path)
result = _image_colorizer.get_transformed_image(input_path, render_factor=30, post_process=True,
watermarked=True)
finally:
if result is not None:
result.save(_output_path, quality=95)
result.close()
if __name__ == '__main__':
colorizer("./data/image/xxx1.jpg", "./data/result1")一些异常情况我就不处理，如果需要的话，使用的时候加一些补充代码即可。
artistic参数作为是否使用艺术模型的bool参数。
看一下我准备的需要上色的照片。
选择Artistic模型的效果如下：
选择Stable模型的效果如下：
还是可以看出一些区别的，只是本人没啥艺术细菌，看不大出来怎么个艺术法。
注意
1、 上面的工具代码由于引入了项目中的几个方法，可能存在引入包缺失问题。补充安装如下：
pip install opencv-python -i http://pypi.douban.com/simple
pip install scikit-image -i http://pypi.douban.com/simple
pip install ffmpeg -i http://pypi.douban.com/simple
2、安装scikit-image的时候会安装Pillow最新版本，可能会导致执行错误，补充卸载安装Pillow如下：
pip uninstall Pillow
pip install Pillow==6.2.2
