如何利用人工智能技术将黑白照片转化为彩色照片呢

首先，请打开 GitHub 官网，搜索并找到 "DeOldify" 这个项目，然后将其源代码下载到您的本地电脑上。

接下来，请确保您的电脑上已经安装了 Python。如果尚未安装，请前往 Python 官网下载并安装适合您电脑系统的版本。对于 64 位的系统，可以选择下载以下文件：https://www.python.org/ftp/python/3.12.0/python-3.12.0-amd64.exe。安装完成后，打开终端并输入以下命令创建 Python 虚拟环境：

Python -m venv venv 来创建一个python的虚拟环境，在执行这个命令后你应该能够在你的当前文件夹下找到一个名为venv的文件，

随后，请在您的项目文件夹下打开终端，输入以下命令激活虚拟环境：

.\venv\Scripts\activate

接下来，切换到 "deoldify" 文件夹，该文件夹包含您刚才从 GitHub 上下载的项目文件。切换目录的命令为：cd deoldify

接下来，执行以下命令安装项目的依赖环境：

pip install -r requirements.txt

在执行这个命令的时候请确保您的电脑网络畅通，且电脑中有一块 NVIDIA 的独立显卡。安装完依赖后，再执行以下命令安装 DeOldify：pip install e .

在执行完这个指令后，再执行以下指令：pip install e . 执行这个指令是为了安装deoldify,

到了这里，运行这个deoldify项目的所有环境和依赖都安装到位了，

接下来请把下面的代码：

import subprocess
import os

# 尝试导入依赖
try:
    import fastai
    import deoldify
    # ...你可以尝试导入其他依赖
    dependencies_installed = True
except ImportError:
    dependencies_installed = False

# 如果依赖没有安装，执行安装命令
if not dependencies_installed:
    subprocess.run(["pip", "install", "-r", "requirements.txt"])

from deoldify import device
from deoldify.device_id import DeviceId
#choices:  CPU, GPU0...GPU7
device.set(device=DeviceId.GPU0)

# 获取当前文件的目录
current_dir = os.path.dirname(os.path.abspath(__file__))

# 设置 TORCH_HOME 为当前目录下的 torch_cache 文件夹
torch_cache_dir = os.path.join(current_dir, 'torch_cache')
os.environ['TORCH_HOME'] = torch_cache_dir

os.makedirs('result', exist_ok=True)
os.makedirs('input', exist_ok=True)

import torch

if not torch.cuda.is_available():
    print('GPU not available.')

import fastai
from deoldify.visualize import *

torch.backends.cudnn.benchmark = True

# 创建 models 目录
os.makedirs('models', exist_ok=True)

pretrained_model_path = './models/ColorizeStable_gen.pth'
if not os.path.exists(pretrained_model_path):
    
    # 下载预训练模型
    #subprocess.run(["wget", "https://www.dropbox.com/s/axsd2g85uyixaho/ColorizeStable_gen.pth?dl=0", "-O", pretrained_model_path])
    # 或者使用 curl
    subprocess.run(["curl", "-L", "https://www.dropbox.com/s/axsd2g85uyixaho/ColorizeStable_gen.pth?dl=1", "-o", pretrained_model_path])


# 下载预训练模型
#subprocess.run(["wget", "https://www.dropbox.com/s/axsd2g85uyixaho/ColorizeStable_gen.pth?dl=0", "-O", "./models/ColorizeStable_gen.pth"])
#subprocess.run(["curl", "-L", "https://www.dropbox.com/s/axsd2g85uyixaho/ColorizeStable_gen.pth?dl=1", "-o", "./models/ColorizeStable_gen.pth"])

colorizer = get_image_colorizer(artistic=False)

# 提示用户选择图片类型
image_source = input("Enter 'url' for a web image or 'file' for a local image: ").strip().lower()

# 根据用户的选择，提示用户输入相应的 URL 或文件路径
if image_source == 'url':
    image_path_or_url = input("Enter the URL of the image: ").strip()
elif image_source == 'file':
    image_path_or_url = input("Enter the file path of the image: ").strip()
else:
    print('Invalid input. Please run the program again and enter either "url" or "file".')
    exit()  # 退出程序

render_factor = 35
watermarked = True

if image_source == 'url':
    image_path = colorizer.plot_transformed_image_from_url(url=image_path_or_url, render_factor=render_factor, compare=True, watermarked=watermarked)
elif image_source == 'file':
    image_path = colorizer.plot_transformed_image(path=image_path_or_url, render_factor=render_factor, compare=True, watermarked=watermarked)

# 使用 matplotlib 显示图像
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

img = mpimg.imread(image_path)
imgplot = plt.imshow(img)
plt.show()

for i in range(10, 40, 2):
    colorizer.plot_transformed_image('test_images/image.png', render_factor=i, display_render_factor=True, figsize=(8, 8))

if image_source == 'url':
    # 从 URL 下载图片并保存到 input 文件夹
    response = requests.get(image_path_or_url)
    input_image_path = os.path.join('input', 'input_image.jpg')  # 你可以选择其他文件名和格式
    with open(input_image_path, 'wb') as f:
        f.write(response.content)
    
    image_path = colorizer.plot_transformed_image_from_url(url=image_path_or_url, render_factor=render_factor, compare=True, watermarked=watermarked)
elif image_source == 'file':
    # 复制本地图片到 input 文件夹
    input_image_path = os.path.join('input', os.path.basename(image_path_or_url))
    shutil.copy(image_path_or_url, input_image_path)
    
    image_path = colorizer.plot_transformed_image(path=image_path_or_url, render_factor=render_factor, compare=True, watermarked=watermarked)

# 保存处理后的图片到 result 文件夹
result_image_path = os.path.join('result', 'result_image.jpg')  # 你可以选择其他文件名和格式
shutil.copy(image_path, result_image_path)

复制粘贴到一个txt文档中，然后将这个txt文档重命名为go_v1.py，并将这个go_v1.py文档移动到项目deoldify文件夹下，如下所示：

接下来，请记住你的虚拟环境还没有退出，如果退出了请重新激活虚拟环境，然后将虚拟环境切换到deoldify文件夹下，随后运行以下命令：

Python go_v1.py ，不久后你的电脑桌面会弹出如下画面：

到这里你需要选择你需要上色的黑白照片，如果你选择url，那么你就在这提示词“Enter 'url' for a web image or 'file' for a local image: “背后输入url，那么，接下来你应该选择网络上的一张黑白照片的地址，这里我输入的地址是这个：https://cdn.pixabay.com/photo/2016/01/17/15/15/albert-einstein-1145030_1280.jpg

如下所示：

按下回车后，等上几秒钟，你就得到了如下的画面：

上面这副图片的左侧表示的原链接中的黑白照片，而右边则是经过deoldify软件处理后的彩色照片，更多的黑白图片转彩色照片的展示示例如下所示：

上述黑白照片url地址分给为：

https://cdn.pixabay.com/photo/2018/01/01/15/24/one-3054343_1280.jpg

https://cdn.pixabay.com/photo/2012/11/19/01/41/roses-66517_1280.jpg

https://cdn.pixabay.com/photo/2015/03/24/13/13/self-portrait-687589_1280.jpg