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，Jack Cui 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：
在这个人工智能的时代，算法都能帮你搞定！
2
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：
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。
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：
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：
test_images/1.png 为要上色的图片，运行程序，就可以实现为黑白照片上色。
还是，模型、代码、素材都已打包，工程下载地址。
打开 Jupyter 直接运行 run.ipynb 文件即可，生成的结果保存在 result_images 文件夹中。
除了处理图片，为视频上色也不在话下。
为长辈修复下他们的老照片，是惊喜，也是心意。时光一逝永不回，往事只能回味~