我们都知道，有很多经典的老照片，受限于那个时代的技术，只能以黑白的形式传世。尽管黑白照片别有一番风味，但是彩色照片有时候能给人更强的代入感。今天在这里给大家提供一种给黑白照片上色的方法，尽管无法还原当时真实的颜色，但确实可以达到后期者的心中所想的颜色。
当然，除了让老照片变成彩色这一用途之外，还可以将现时的一些黑白照片自行染上彩色，完全按照自己的想法来上色，再和彩色的原图进行对比，也不失为一种有趣的玩法。
——小故事
年前在家中进行过年春节大扫除的时候，意外发现了爷爷奶奶年轻时的照片，只不过当时的拍摄技术还不发达，出来的相片都是黑白色的。所以我想将它们还原成彩色，给他们一个惊喜！
我不是敲代码的蛮，于是今天在情人节这天偷偷把老照片进行了一个色彩修复，这次尝试还别说，亲测了一下效果感觉效果还不错，于是今天打算将它们分享给有同样想法的你们。
旧时代的爷爷奶奶、外公外婆的照片都可以进行一个色彩修复哦，超惊艳滴~
如果你也想知道黑白照片还原成彩色怎么弄的话，就赶紧跟着我的步骤一步步操作起来吧，过程并不繁琐，就算你是修图小白也可以轻松驾驭！（只要你会代码一切皆有可能~厚脸皮.jpg）
利用图像处理技术，基于数字化存储的玻璃底板图像自动生成尽量非虚化的彩色的图像。从原始图像文件中分割提取三个彩色通道图像，将它们对齐并彼此叠加在一起，最终形成一张RGB彩色的图像。
1）运行环境
本文用到的环境如下——
Python3、Pycharm社区版，第三方模块：Opencv、numpy。
部分自带的模块只要安装完 Python就可以直接使用了，需要安装 的库的话看教程下
模块安装：
pip install +模块名 镜像源安装：pip install -i http://pypi.douban.com/simple/+模块名
（之前有说过安装报错的几种方式跟解决方法，不会安装的可以去看下，还有很多国内镜像源也有文章的）
图片文本素材等——
都是一些老照片，大家可以随便准备一些哈，当然需要完整的素材图片跟源码的文末找我即可！
1） fixTif.py： tif图像的修复，使用的是openCV内置的高斯金字塔
import numpy as np
import cv2 as cv
def img_translate(img, tx, ty):
"""对图像进行平移"""
heigh, width = img.shape[:2]
m = np.float32([[1, 0, tx], [0,1, ty]])
res = cv.warpAffine(img, m, (width, heigh))
return res
def ssd(I1, I2):
"""ssd函数，衡量颜色通道是否对齐"""
return np.sum((I1 - I2)*(I1 - I2))
def find_xy(img1, g):
"""找到最佳的平移参数，并对该颜色通道图片进行平移"""
# 初始化
loss = ssd(img1, g)
img = img1
u = 0
v = 0
# 根据ssd函数寻找最佳的对齐位置
for i in range(-20, 30):
for j in range(-20, 30):
img2 = img_translate(img1, i, j)
loss1 = ssd(img2, g)
if loss > loss1:
loss = loss1
img = img2
u = i
v = j
print(u, v)
return img
def readImage(imname):
"""read in the image"""
im = cv.imread(imname)
im = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
return im
def separate(im):
"""separate color channels"""
# compute the height of each part (just 1/3 of total)
height = np.floor(im.shape[0] / 3.0).astype(np.int)
b = im[:height]
g = im[height: 2 * height]
r = im[2 * height: 3 * height]
return b, g, r
def merge(b,g,r):
"""将三个颜色通道进行merge"""
return cv.merge((b,g,r))
def gaussianPyramid(img):
"""直接使用OpenCV的高斯金字塔进行实现"""
return cv.pyrDown(img)
if __name__ == '__main__':
# name of the input file
#imname = 'images/train.tif'
imname = 'images/three_generations.tif'
#imname = 'images/lady.tif'
#imname = 'images/emir.tif'
#imname = 'images/icon.tif'
#imname = 'images/self_portrait.tif'
#imname = 'images/village.tif'
#imname = 'images/turkmen.tif'
im = readImage(imname)
print(im.shape)
#cv.imshow("source image", im)
# 获取平均切割的三个颜色通道
b, g, r = separate(im)
# 对三个颜色通道分别应用高斯金字塔
b = gaussianPyramid(b)
b = gaussianPyramid(b)
b = gaussianPyramid(b)
g = gaussianPyramid(g)
g = gaussianPyramid(g)
g = gaussianPyramid(g)
r = gaussianPyramid(r)
r = gaussianPyramid(r)
r = gaussianPyramid(r)
im_out0 = merge(b, g, r)
cv.imshow("before", im_out0)
# 颜色通道平移进行对齐，对齐的过程中以绿色作为基准
b = find_xy(b, g)
r = find_xy(r, g)
# 将平移处理后的三通道merge，得到处理后的图片im_out1
im_out1 = merge(b, g, r)
# 将修复后的图片写进磁盘
#cv.imwrite('out/after_' + imname[7:], im_out1)
cv.imshow("after", im_out1)
#print(im_out1.shape)
cv.waitKey(0)1）黑白照片风景上色
2）黑白照片色彩修复多图
