利用AI把老照片修复成彩色4K并实现微信小程序查看管理
马上要过年了，为了让我妈可以在亲戚朋友面前愉快的聊（装）天（逼），我决定把家里的老照片修复一下，一些爸妈年轻时的黑白照片也弄成彩色的。不然他们老以为我坐电脑前面就是玩游戏 😂。
先上结果对比，左面是老照片，右面是修复后的。
我妈年轻的时候咋这么好看 😆
确认过眼神，就是我要的亚子，那么开始操作吧。
1. 扫描相片
首先第一步需要把照片扫描到电脑上，有高清的扫描仪是最好的，但是像我这种穷 b 就只能用手机完成了，在这用的是 Google 良心应用照片扫描仪（官网，Google Play，App Store）。
官方宣传说：
毫无眩光的高分辨率扫描仪
实际使用下来效果非常棒，就是比较累人，需要一张一张的扫，毕竟没有扫描仪方便。
2. 放大照片
照片都是有些年头的了，那个年代还都是胶卷相机照的，本身效果就不太好，所以第一步就是把相片放大，利用 AI 补充一些细节。
在这使用的是一个高性能图像放大算法waifu2x ，这个算法最初是给动漫图片放大使用的（不愧是日本人开发的），但是实测UpPhoto模型对于照片的成像效果也非常不错，市面上所谓的无损放大大部分都是假的，一小部分又得收费，实际效果感觉没啥太大区别。而且这个算法还支持CUDA，网上 99%搜到的在线“无损”放大都是基于这个算法。那这么好用直接开整就完事了。
首先先下载waifu2x-caffe，这是waifu2x的Caffe版，也就是GUI（客户端）的版本，有简体中文的语言包，还支持GPU加速。
使用很简单，在releases里下载最新版本的，直接解压就能用。如果你的显卡比较新，支持GPU加速的话那么比直接CPU计算快上好几倍。配置GPU加速也很简单*(windows)*。
首先去英伟达下载CUDA和cuDNN。注意对应版本，比如我的显卡支持最新的
CUDA，那么我下载的就是最新（2019-12）的cuda_10.2.89_441.22_win10.exe（国内网络环境不好，所以一定要下载local版的）。然后下载
cuDNN，cuDNN需要对应CUDA的版本，上面下载的是CUDA 10.2，所以在这下载cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2。
注意：
cuDNN需要登录才能下载
下载完成之后之后就可以开始安装了
安装
CUDA之前记得安装Visual Studio。两个软件都是下一步到底就行。之后把
cuDNN解压出来放到CUDA的安装目录里，我的是在默认安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2。
环境变量会自动配置，网上的教程都过时了，一直下一步到结束就行。
然后点一下软件的cuDNN检查看看是否配置成功了。
当然不配置也不影响使用，就是会非常非常慢。之后就是中文界面的傻瓜操作了，选择需要转换的文件夹和输出的文件夹。自动降噪放大，3级，2x，UpPhoto 模型_（或者拿你的照片多试几次，挑一个效果最好的）_。点击开始之后就是漫长的等待了。我转换了1000 多张相片花了大概4 个多小时。
3. 压缩照片大小
照片放大以后位深度会比较大，整体照片体积也会很大，比我的一张照片大概就有50M左右，所以我们需要压缩一下，本来打算使用腾讯出的智图，效果还不错，但是依赖的imagemagick默认是CPU运行，GPU的版本还没编译成功，无奈放弃了。后来发现PS的压缩效果也很不错，所以直接就用PS了。PS本身就带录制功能，直接录制一下压缩的操作然后执行就行了，在这就不赘述了。
4. 搭建图床
后面我们需要用到图片的url，微信小程序也需要一个接口。所以在这搭建一个图床，或者使用其他免费的图床也可以**（免费图床有随时挂掉/网络不稳定的几率，做好准备）**。
我使用的是一个开源的图床服务Lychee 。这是一个基于PHP的图床服务，搭建也很简单。在这就不多说了，搜一下教程一大堆。
简单来说就是：
clone项目- 配置目录权限
- 在云供应商申请免费的
ssh证书，配置https - 配置
mysql - 配置
php - 配置
nginx - 打开地址输入数据库账号密码会自动建表
- 这个项目自带中文，在设置里改一下就可以了
5. AI 上色
上述工作完成后就是关键的一步。给黑白或者褪色的照片上色了。在这使用的是DeOldify这个项目，这应该是全世界最知名的开源AI上色库了。你可以下载到本地，作者在这说过本地搭建并不简单，而且我确实失败了*(头铁被锤爆了)*，不知道是windows上Docker的原因还是其他问题。
但是谷歌给大众提供了一个平台Colaboratory，官方简介：
Colaboratory是一个免费的Jupyter笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。 借助
Colaboratory，您可以编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，所有这些都可通过浏览器免费使用。
简单来说这是一个谷歌开放的一款研究工具，主要用于机器学习的开发和研究。这款工具现在拥有非常好的GPU而且目前可以免费使用！
商业GPU免费使用！有没有？实测内存不够了居然还可以免费加！除了国内登不上简直没有其他缺点 🐶。
首先打开项目给建好的笔记地址 _(不保证最新，建议从GitHub上打开)_。第一步先选择复制到云端硬盘。因为笔记本身并不满足咱们的需求，所以需要对原代码进行改动，复制到自己的云端硬盘以后下次打开就可以直接使用了。
笔记复制到自己的云盘上以后第一步先挂载自己的云盘到Colab上。因为每次重新打开笔记的时候（重新打开浏览器之类的操作）都会重新分配新的服务器，所以要把自己云盘挂载上，训练成功的图片要存到自己的云盘上，否则重新打开/刷新以后就没有了。
挂载这一步的代码已经有了：
直接点击
from google.colab import drive balabalabala前面的按钮
出现一个这样的链接
https://accounts.google.com/o/oauth2/auth?client_id=*********，然后直接点击这个链接登陆你的
Google账号获得一个很长的字符串
把那行字符串复制下来粘贴到出现的输入框里回车
看看左面文件选项卡下有没有你的网盘目录，没有就重新操作
挂载云盘成功以后每一个运行都点一下，等待执行完就可以了。执行到最后一步（Colorize!!）的时候可以随便搜一个黑白照片试一下效果。成功以后可以进行正式的训练了。
项目本身提供的代码一次只能训练一张，得手动执行 粘贴图片地址-训练-保存，这肯定不符合需求，像我有 1000 多张图片，一个一个整估计得明年过年才能训练完了。。。所以在这修改一下代码。
第一步把原本笔记里的最后一步清空，写下咱们的代码：
- 设置阈值，具体数字根据效果来，可以多试几次看看多大数值效果好(
min: 7, max: 45)
1
render_factor = 45
- 所有图片的
url：
上面搭建图库就是为了这个，可以直接在
network里找到所有图片的数组。格式化一下：1
你的图片数组.map((p) => `你的域名${p.url}`);
- 然后把所有地址粘过来：
1
paths=["地址1","地址2"...]
- 定义一个内存释放的函数，训练的时候不会自动释放内存，次数多了直接就崩溃了，所以每训练完一张图片就回收一下内存：
1
2
3
4
5
6def clean_mem():
torch.cuda.empty_cache()
n = 2**14
a_2GB = np.ones((n, n)) # RAM: +2GB
del a_2GB # RAM: -2GB
gc.collect()- 之后循环进行训练：
1
2
3
4for i in range(len(paths)):
clean_mem()
image_path = colorizer.plot_transformed_image_from_url(url=paths[i], render_factor=render_factor, compare=False)
shutil.copyfile(image_path,'/content/drive/My Drive/你的自定义文件夹地址/'+str(i)+'.png') 现在直接点击前面的运行按钮就可以开始训练了，时间会很漫长，具体时间没看，大概 6,7 个小时才训练完成。别觉得慢，要是部署到家用机器上估计几天几夜打底吧（再提一嘴，谷歌真是太良心了，就算是
2080TI Super也干不过免费分配的吧）。 等到所有图片计算完成后你可以在云盘上看到所有成功后的图片。在这把他们打成一个压缩包，共享出去，然后搜一个谷歌云盘真实地址解析的网站（搜一下有的是，在这就不挂了，没准几天就死链了）。拿到真实地址以后可以用迅雷下载，
200M带宽跑满，美滋滋。图片下载下来后再人工给不太满意的图片用
ps修一下，大功告成。微信小程序
在这我写了一个简单的小程序，实现了相册和图片的管理。使用taro以及 taro-ui构建。
yarn installnpm run dev:weapp开发npm run build:weapp打包小程序
结语
为了让我妈能在春节请朋好友装逼大会中胜出真是让我煞费苦心。不知道叔叔阿姨大爷大娘手里的泡脚桶啊，按摩仪呀啥的还香不香了 😂
- 设置阈值，具体数字根据效果来，可以多试几次看看多大数值效果好(
利用AI把老照片修复成彩色4K并实现微信小程序查看管理
