一、前言

最近閑來無事，翻了翻以前的老照片，看著多年前的老照片，感慨萬千，仿佛又回到了以前的青春歲月。
只可惜青春易逝，無法重來。意氣風發，頭角崢嶸的畫面只能永遠地留存在相片之中了。只嘆當時沒有多拍幾張照片留作紀念，可惜當時設備也不好，照片效果不佳。留下遺憾。
最近學習了Python，發現可以通過Python使用AI來修複老舊照片，而且修複後的效果非常不錯。
AI是一種人工智慧技術，它可以用來處理圖像和視頻。在某些情況下，AI可以幫助修複照片中的瑕疵或缺陷，例如曝光不足、顏色失真等。這意味著，通過使用AI，我們可以更好地處理我們的照片，並確保其質量得到最大程度地修複提升。
要實現這一目標，首先需要對照片進行分析和檢測，找出問題所在。然後，將相關信息輸入到電腦中，利用深度學習技術進行自動化修複。通過本教程，可以快速有效地完成整個流程，從而為我們帶來更加精美的照片。希望能幫到那些和筆者一樣留有遺憾的讀者們。

二、準備

2.1 前期準備

2.1.1 Python版本

必須高於3.7版本，筆者使用的是3.10

2.1.2 下載項目

https://github.com/TencentARC/GFPGAN.git

2.1.3 下載訓練模型

https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth
將此訓練模型保存在剛纔下載的項目的experiments/pretrained_models文件夾中。

2.1.4 準備需要修複的老舊照片

(圖片來源於網路，侵刪。)

2.2 用到的庫

basicsr：
基於PyTorch的開源圖像視頻複原工具箱, 比如超解析度、去噪、去模糊等
facexlib：
提供實用的人臉相關功能的集合
realesrgan：
圖像解析度修複工具，可以提升照片解析度

2.2.1 安裝需要的庫

pip install basicsr==1.4.2
PS：basicsr庫安裝可能會報錯，如果一直報錯，則先不管它，繼續下麵的操作。
pip install facexlib
pip install realesrgan

2.2.2 安裝GFPGAN依賴包

pip install -r requirements.txt
Python setup.py develop

三、實操

3.1 操作步驟

1、將需要修複的老舊照片放到項目中的inputs\my_test_pics中
2、打開終端，切換目錄到項目根目錄下
3、在終端中輸入代碼：
python inference_gfpgan.py -i inputs/my_test_pics -o results -s 2
說明：
inputs/my_test_pics：待修複照片所在目錄
results：修複後的照片目錄，會自動創建4個文件夾，其中：
cmp：存放了修複後的照片中所有人物頭像的對比照
cropped_faces：存放了照片中所有的人物頭像(未修複)
restored_faces：存放了照片中所有的人物頭像(已修複)
restored_imgs：存放了已修複的整張照片
4、等待完成，此過程耗費時間取決於電腦配置。一般2-5分鐘處理完一張照片。

3.1.1 屬性對比

3.1.2 人像對比

3.1.3 修複後的完整圖片

3.2 註意

1、待處理照片文件名必須為ASCII字元，不能包含中文或其他國家字元。
2、修複時會自動找尋照片中的人物頭像進行修複，但也有可能會修複失敗。
3、解析度會提升至原來的4倍，即長和寬分別翻倍。