---

前言

老舊或者破損的照片如何修復呢？本文主要分享一個博主使用后非常不錯的照片恢復開源項目：Bringing-Old-Photos-Back-to-Life。

項目的Github地址：項目地址

我們先看看官方給出的效果圖：

就算現在看到這張圖，我仍然覺著非常驚艷。下面我會把項目環境安裝部署，到最后使用的效果做一個展示。

項目環境搭建

該項目的環境搭建有點復雜，我一點點說。

conda虛擬環境創建

在項目README.md文件中要求python版本在3.6以上。

我們用anaconda創建一個虛擬環境bobl

conda create -n bobl python=3.6

激活環境

conda activate bobl

在Pycharm項目中配置interpreter，設置到conda目錄envs下bobl環境的python。

Pytorch安裝

雖然項目官方給出的requirements.txt包含pytorch，為了保險起見，還是去Pytorch官方網站上安裝一下。Pytorch官方地址:PyTorch

因為我本機沒插顯卡，安裝的cpu版本。

選擇對應的命令安裝Pytorch庫。

Synchronized-BatchNorm-PyTorch repository安裝

官方給出的安裝說明里面需要部署Synchronized-BatchNorm-PyTorch項目進來。

這里注意一點，需要把Synchronized-BatchNorm-PyTorch項目中的sync_batchnorm拷貝到上級目錄。完整的目錄接口參考下圖：

Global目錄Synchronized-BatchNorm-PyTorch項目部署

官方說明里面也需要把Synchronized-BatchNorm-PyTorch項目部署到Global里面。

也是一樣要把sync_batchnorm拷貝到上級目錄。結構如下：

檢測預處理模型下載

需要用到一個檢測預處理模型，主要是用來識別照片中的人臉部分的。

注意解壓后的位置，結構如下：

下載臉部增強模型文件

官方說明：

下載兩個模型zip解壓到對應目錄下，結構如下：

下載依賴

注意，我這里去掉了pytorch的依賴安裝，已經已經裝過了。

dlib
scikit-image
easydict
PyYAML
dominate>=2.3.1
dill
tensorboardX
scipy
opencv-python
einops
PySimpleGUI

安裝命令：

pip install -r requirements.txt -i https://pypi.douban.com/simple

完整部署后項目結構

完整的結構如下圖：

項目使用

官方給到的圖，我就不用了，不能說明問題。我自己準備了兩種圖，一張是一張人臉的，一張是多張人臉的。

先按照官方給出的命令跑跑看

我們直接使用最下面這個命令，包含劃痕去除與高度還原。看一下執行情況。

(bobl) D:\\spyder\\Bringing-Old-Photos-Back-to-Life>python run.py --input\_folder E:\\csdn\\老照片 --output\_folder result1/ --GPU -1 --with\_scratch --HR
Running Stage 1: Overall restoration
initializing the dataloader
model weights loaded
directory of testing image: E:\\csdn\\老照片
processing 1.jpg
processing 2.jpg
Mapping: You are using multi-scale patch attention, conv combine + mask input
Now you are processing 1.png
C:\\ProgramData\\Anaconda3\\envs\\bobl\\lib\\site-packages\\torch\\nn\\functional.py:3635: UserWarning: Default upsampling behavior when mode=bilinear is changed to align\_corners=False since 0.4
.0. Please specify align\_corners=True if the old behavior is desired. See the documentation of nn.Upsample for details."See the documentation of nn.Upsample for details.".format(mode)
Now you are processing 2.png
Finish Stage 1 ...Running Stage 2: Face Detection
12
1
Finish Stage 2 ...Running Stage 3: Face Enhancement
dataset \[FaceTestDataset\] of size 13 was created
The size of the latent vector size is \[16,16\]
Network \[SPADEGenerator\] was created. Total number of parameters: 92.1 million. To see the architecture, do print(network).
hi :)
Finish Stage 3 ...Running Stage 4: Blending
Finish Stage 4 ...All the processing is done. Please check the results.(bobl) D:\\spyder\\Bringing-Old-Photos-Back-to-Life>

輸出的文件不但有最終的結果，也有檢測出來的每個臉的處理前后效果。結果結構如下：

驗證一下

1、多人照片最終的效果驗證，下面上圖是輸出結果圖，下圖是原始圖。可以看出有些劃痕已經消失，但是還是有一些，不過整體的任務更立體鮮明了。

2、單人照片最終效果驗證，下面上圖為結果圖，下圖為原始圖。單人就很明顯了，不但劃痕都消除了，人也更清晰立體，效果是真不錯。

3、模型也會把多人圖中的每張臉都識別出來，并且跑出結果，可以對比一下看看，細節還是修復的很好的。

總結

官方還給出了其他的命令，就不一一驗證了。整體的效果是非常好的，只是在多人圖的時候還有些瑕疵，瑕不掩瑜。

---

關于Python技術儲備

學好 Python 不論是就業還是做副業賺錢都不錯，但要學會 Python 還是要有一個學習規劃。最后大家分享一份全套的 Python 學習資料，給那些想學習 Python 的小伙伴們一點幫助！

微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】

一、Python所有方向的學習路線

Python所有方向的技術點做的整理，形成各個領域的知識點匯總，它的用處就在于，你可以按照上面的知識點去找對應的學習資源，保證自己學得較為全面。

二、Python基礎學習視頻

② 路線對應學習視頻

還有很多適合0基礎入門的學習視頻，有了這些視頻，輕輕松松上手Python~在這里插入圖片描述

③練習題

每節視頻課后，都有對應的練習題哦，可以檢驗學習成果哈哈！

因篇幅有限，僅展示部分資料

三、精品Python學習書籍

當我學到一定基礎，有自己的理解能力的時候，會去閱讀一些前輩整理的書籍或者手寫的筆記資料，這些筆記詳細記載了他們對一些技術點的理解，這些理解是比較獨到，可以學到不一樣的思路。

四、Python工具包+項目源碼合集

①Python工具包

學習Python常用的開發軟件都在這里了！每個都有詳細的安裝教程，保證你可以安裝成功哦！

②Python實戰案例

光學理論是沒用的，要學會跟著一起敲代碼，動手實操，才能將自己的所學運用到實際當中去，這時候可以搞點實戰案例來學習。100+實戰案例源碼等你來拿！

③Python小游戲源碼

如果覺得上面的實戰案例有點枯燥，可以試試自己用Python編寫小游戲，讓你的學習過程中增添一點趣味！

五、面試資料

我們學習Python必然是為了找到高薪的工作，下面這些面試題是來自阿里、騰訊、字節等一線互聯網大廠最新的面試資料，并且有阿里大佬給出了權威的解答，刷完這一套面試資料相信大家都能找到滿意的工作。

六、Python兼職渠道

而且學會Python以后，還可以在各大兼職平臺接單賺錢，各種兼職渠道+兼職注意事項+如何和客戶溝通，我都整理成文檔了。


這份完整版的Python全套學習資料已經上傳CSDN，朋友們如果需要可以微信掃描下方CSDN官方認證二維碼免費領取【保證100%免費】