基于深度学习的老照片修复（清晰化+划痕修复+色彩增强）算法设计与实现

本篇文章是针对老（旧）照片色彩复原、上色，如果您想对灰白老照片进行上色，色彩复原，请参考这篇CSDN作品👇

基于深度学习的老（旧）照片上色算法模型设计与实现（对抗生成式网络GAN、含Github代码与Web端设计）

本篇文章是针对老（旧）照片色彩复原、上色，如果你想对有大面积破损的图像进行修复，请参考这篇CSDN作品👇

计算机毕业设计–基于深度学习技术（生成对抗网络GAN与Transformer）的专一或多类别图像修复算法（含Github代码+桌面应用GUI+Web端在线体验界面））

更多基于深度学习的毕业设计请关注专栏 — 计算机毕业设计

✨ Demo_1

✨ Demo_2

---

✨ 图像修复在线体验

👇

Web端在线体验地址：✅访问这里进行旧照片修复在线体验✅

在线体验使用方式：
  打开连接后，在图片输入框分上传待修复的旧照片图片即可，此外，网页下方提供了若干组测试样例，点击样例自动填充到相应位置后即可点击开始修复查看效果

注意： 修复第一张图的时候耗时较长，大约30秒左右。从第二张图开始，速度就会快起来，大约20秒左右一张（这主要是因为为了节约服务器资源，第一次启动的时候模型需要加载进显卡中）

🚀 算法获取

• Giuhub链接：https://github.com/zxx1218/oldImage_fix

PS：请不要通过“加速通道”访问，因为我的代码常有更新维护，加速通道中的项目版本可能比较老

---

⚡️开始

环境配置（推荐使用conda安装环境）

# 从github上Clone项目
git clone https://github.com/zxx1218/oldImage_fix.git

# 使用conda创建环境
conda create -n imgfix python=3.8
conda activate imgfix 

# 安装依赖
pip install -r requirements.txt 

clone项目后，只需一个简单的命令即可轻松恢复旧照片。
对于没有划痕的图像：

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

对于带有划痕图像：

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

对于带有划痕的高分辨率（就是说图像清晰度很高）图像：

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

注意：请修改上述步骤中[ ]内的路径，模型修复完成后，可以在“output_path”中检查不同步骤产生的修图结果。

2) 2024.12新功能—照片划痕检测

下图展示划痕检测结果与修复结果

3) 2024.12新功能—照片全图结构恢复（对老照片结构翻新，相当于清晰化，结构重建）

修复效果展示：

4) 2024.12新功能—面部增强

修复效果展示：

注：
由于该模型是用256*256个图像预训练的，因此使用该模型需要将图像分辨率（像素）调整为256。

---

5) 算法配套应用—基于FastApi的Web前后端页面以及基于PyQT的用户GUI界面

本科毕业学生选择做深度学习相关的毕业设计，不可能完全专注于算法，因此本项目配套设计了一个基于pyqt（python提供的一个图形化界面）的GUI界面，它接受用户待修复的照片图像输入，并在相应的窗口中显示结果。

Web前端界面（可以部署在本地及公网访问）

1. cd到代码根目录fix_old_img下，然后执行如下命令

# 安装gradio包
pip install gradio 
# 启动Web服务
python gradio_demo.py

回车后会自动启动Web服务，在浏览器输入弹出的链接地址即可访问，在控制台看到如下信息代表成功启动👇

打开弹出的URL，显示如下界面👇（用户上传待修复图片后，选择修复类型，点击submit即可开始修复，修复结束后会在右侧输出栏中展示原图与修复后的图片）

PS：Web端可以部署在公网服务器访问

---

运行基于PyQt的GUI程序

1. 在pycharm中运行GUI.py文件。
2. 单击浏览并选择待修复的图像以修复划痕（test_images/old_w_scratch文件夹中提供了可用于测试的图像）。
3. 单击“修改照片”按钮。
4. 等待一段时间（控制台会有算法的中间过程输出），然后在GUI窗口上查看修复结果。
5. 单击“保存”，或者“退出窗口”退出，保存后的图片会在指定的文件夹中获取到。

---

🔧 如何自己训练模型?

• 训练自己想要的定制化图像修复模型只需要准备好针对需要修复图片的同类型图片数据即可，具体训练方式请咨询作者

---

⭐️作者联系方式：

• Github提供训练好的模型文件以及调用该文件进行修图的测试代码（Github开源代码中提供可供测试的模型文件，拉取Git代码后安装环境可进行修图测试，但不含模型定义源码、训练代码以及桌面端GUI代码，）
• 该项目完整代码 + 详细环境配置（如有需要可提供模型远程部署）+ Web端 + 训练方式 == 价格300RMB
• 如果你的电脑没有合适的GPU，或需要自行训练私有数据而自己的GPU显存不够，作者另提供GPU服务器短期（3个月内）免费使用服务，免费提供24G显存+64G内存云服务器（可使用Vscode、OpenSSH、PuTTY、Xshell、SecureCRT、MobaXterm等远程工具连接）

---

Advertisement

• 作者于浙江某985高校就读人工智能方向研究生(CSDN已认证)，可以定制模型，并提供相应技术文档以及各种需要，只需要描述需求即可
• 人工智能、深度学习领域，尤其是计算机视觉（Computer vision，CV）方向的模型or毕业设计，只要你想得出，没有做不出