前言

老旧或者破损的照片如何修复呢？本文主要分享一个博主使用后非常不错的照片恢复开源项目：Bringing-Old-Photos-Back-to-Life。

项目的Github地址：项目地址

我们先看看官方给出的效果图：

就算现在看到这张图，我仍然觉着非常惊艳。下面我会把项目环境安装部署，到最后使用的效果做一个展示。

项目环境搭建

该项目的环境搭建有点复杂，我一点点说。

conda虚拟环境创建

在项目README.md文件中要求python版本在3.6以上。

我们用anaconda创建一个虚拟环境bobl，anaconda的安装配置可以参考我的另一篇文章：机器学习基础环境部署 | 机器学习系列_阿良的博客-CSDN博客_机器学习 环境搭建

我们使用命令创建：

conda create -n bobl python=3.6

激活环境

conda activate bobl

在Pycharm项目中配置interpreter，设置到conda目录envs下bobl环境的python。

Pytorch安装

虽然项目官方给出的requirements.txt包含pytorch，为了保险起见，还是去Pytorch官方网站上安装一下。Pytorch官方地址:PyTorch

因为我本机没插显卡，安装的cpu版本。有显卡的话，还是去参考：机器学习基础环境部署 | 机器学习系列_阿良的博客-CSDN博客_机器学习 环境搭建

选择对应的命令安装Pytorch库。

Synchronized-BatchNorm-PyTorch repository安装

官方给出的安装说明里面需要部署Synchronized-BatchNorm-PyTorch项目进来。

这里注意一点，需要把Synchronized-BatchNorm-PyTorch项目中的sync_batchnorm拷贝到上级目录。完整的目录接口参考下图：

Global目录Synchronized-BatchNorm-PyTorch项目部署

官方说明里面也需要把Synchronized-BatchNorm-PyTorch项目部署到Global里面。

也是一样要把sync_batchnorm拷贝到上级目录。结构如下：

检测预处理模型下载

需要用到一个检测预处理模型，主要是用来识别照片中的人脸部分的。

注意解压后的位置，结构如下：

下载脸部增强模型文件

官方说明：

下载两个模型zip解压到对应目录下，结构如下：

下载依赖

注意，我这里去掉了pytorch的依赖安装，已经已经装过了。

dlib

scikit-image

easydict

PyYAML

dominate>=2.3.1

dill

tensorboardX

scipy

opencv-python

einops

PySimpleGUI

安装命令：

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

完整部署后项目结构

完整的结构如下图：