1、项目背景

相信一提起马赛克这个东西，不少小伙伴都痛心疾首，虽然最近几年也频繁传出有在研发去除马赛克的软件，一直没有成品问世。不过最近一位程序员及经过不断努力终于完成了这款软件。

据悉这位程序员“deeppomf”用深度神经网络开发出了一个能抹去马赛克让原图重现的神奇程序：DeepCreamPy 。为了使这款软件达到更好的效果，作者在短短几个月内收集了超过10万张未打码的原图，但其中95%的图片他都没有仔细看过，只因为太过于浪费时间了。软件被上传分享后，在一周内被下载了500多次。不过目前该软件的局限性还很大，只能完成一些简单的修复。

该项目使用深度完全卷积神经网络（deep fully convolutional neural network），参照了英伟达在今年4月前发布的一篇论文。当然，英伟达原文的目的可不是用来做羞羞的事情，而是为了复原画面被单色条带遮挡的问题。

从实际效果来看，复原后的图片涂抹痕迹仍然比较明显，不过处理线条比较简单的漫画可以说是绰绰有余。

2、适用范围

DeepCreamPy仅适用于薄码，如果马赛克太大太厚，去码可能会失效。另外，它对真人图片无效。如果你非要尝试，可以看一下强行使用的效果：

而且DeepCreamPy目前的版本还不能完全自动处理图片，需要用Photoshop首先对马赛克部分进行手动预处理。

3、使用方法

第一步：安装程序

1、如果你是64位Windows用户，恭喜你可以直接下载exe程序

下载地址：https://github.com/deeppomf/DeepCreamPy/releases/latest

2、否则需要自己编译，编译代码需要一下组件：

Python 3.6
TensorFlow 1.10
Keras 2.2.4
Pillow
h5py

请注意软件版本，Windows上的TensorFlow不兼容Python 2，也不兼容Python 3.7。

代码如下：

import numpy as np
from PIL import Image
import osfrom copy import deepcopyimport config
from libs.pconv_hybrid_model import PConvUnet
from libs.utils import *class Decensor:def __init__(self):self.args = config.get_args()self.is_mosaic = self.args.is_mosaicself.mask_color = [self.args.mask_color_red/255.0, self.args.mask_color_green/255.0, self.args.mask_color_blue/255.0]if not os.path.exists(self.args.decensor_output_path):os.makedirs(self.args.decensor_output_path)self.load_model()def get_mask(self, colored):mask = np.ones(colored.shape, np.uint8)i, j = np.where(np.all(colored[0] == self.mask_color, axis=-1))mask[0, i, j] = 0return maskdef load_model(self):self.model = PConvUnet()self.model.load(r"./models/model.h5",train_bn=False,lr=0.00005)def decensor_all_images_in_folder(self):#load model once at beginning and reuse same model#self.load_model()color_dir = self.args.decensor_input_pathfile_names = os.listdir(color_dir)#convert all images into np arrays and put them in a listfor file_name in file_names:color_file_path = os.path.join(color_dir, file_name)color_bn, color_ext = os.path.splitext(file_name)if os.path.isfile(color_file_path) and color_ext.casefold() == ".png":print("--------------------------------------------------------------------------")print("Decensoring the image {}".format(color_file_path))colored_img = Image.open(color_file_path)#if we are doing a mosaic decensorif self.is_mosaic:#get the original file that hasn't been coloredori_dir = self.args.decensor_input_original_path#since the original image might not be a png, test multiple file formatsvalid_formats = {".png", ".jpg", ".jpeg"}for test_file_name in os.listdir(ori_dir):test_bn, test_ext = os.path.splitext(test_file_name)if (test_bn == color_bn) and (test_ext.casefold() in valid_formats):ori_file_path = os.path.join(ori_dir, test_file_name)ori_img = Image.open(ori_file_path)# colored_img.show()self.decensor_image(ori_img, colored_img, file_name)breakelse: #for...else, i.e if the loop finished without encountering breakprint("Corresponding original, uncolored image not found in {}.".format(ori_file_path))print("Check if it exists and is in the PNG or JPG format.")else:self.decensor_image(colored_img, colored_img, file_name)print("--------------------------------------------------------------------------")#decensors one image at a time#TODO: decensor all cropped parts of the same image in a batch (then i need input for colored an array of those images and make additional changes)def decensor_image(self, ori, colored, file_name):width, height = ori.size#save the alpha channel if the image has an alpha channelhas_alpha = Falseif (ori.mode == "RGBA"):has_alpha = Truealpha_channel = np.asarray(ori)[:,:,3]alpha_channel = np.expand_dims(alpha_channel, axis =-1)ori = ori.convert('RGB')ori_array = image_to_array(ori)ori_array = np.expand_dims(ori_array, axis = 0)if self.is_mosaic:#if mosaic decensor, mask is empty# mask = np.ones(ori_array.shape, np.uint8)# print(mask.shape)colored = colored.convert('RGB')color_array = image_to_array(colored)color_array = np.expand_dims(color_array, axis = 0)mask = self.get_mask(color_array)# mask_reshaped = mask[0,:,:,:] * 255.0# mask_img = Image.fromarray(mask_reshaped.astype('uint8'))# mask_img.show()else:mask = self.get_mask(ori_array)#colored image is only used for finding the regionsregions = find_regions(colored.convert('RGB'))print("Found {region_count} censored regions in this image!".format(region_count = len(regions)))if len(regions) == 0 and not self.is_mosaic:print("No green regions detected!")returnoutput_img_array = ori_array[0].copy()for region_counter, region in enumerate(regions, 1):bounding_box = expand_bounding(ori, region)crop_img = ori.crop(bounding_box)# crop_img.show()#convert mask back to imagemask_reshaped = mask[0,:,:,:] * 255.0mask_img = Image.fromarray(mask_reshaped.astype('uint8'))#resize the cropped imagescrop_img = crop_img.resize((512, 512))crop_img_array = image_to_array(crop_img)crop_img_array = np.expand_dims(crop_img_array, axis = 0)#resize the mask imagesmask_img = mask_img.crop(bounding_box)mask_img = mask_img.resize((512, 512))# mask_img.show()#convert mask_img back to array mask_array = image_to_array(mask_img)#the mask has been upscaled so there will be values not equal to 0 or 1mask_array[mask_array > 0] = 1if self.is_mosaic:a, b = np.where(np.all(mask_array == 0, axis = -1))print(a, b)coords = [coord for coord in zip(a,b) if ((coord[0] + coord[1]) % 2 == 0)]a,b = zip(*coords)mask_array[a,b] = 1# mask_array = mask_array * 255.0# img = Image.fromarray(mask_array.astype('uint8'))# img.show()# returnmask_array = np.expand_dims(mask_array, axis = 0)# Run predictions for this batch of imagespred_img_array = self.model.predict([crop_img_array, mask_array, mask_array])pred_img_array = pred_img_array * 255.0pred_img_array = np.squeeze(pred_img_array, axis = 0)#scale prediction image back to original sizebounding_width = bounding_box[2]-bounding_box[0]bounding_height = bounding_box[3]-bounding_box[1]#convert np array to image# print(bounding_width,bounding_height)# print(pred_img_array.shape)pred_img = Image.fromarray(pred_img_array.astype('uint8'))# pred_img.show()pred_img = pred_img.resize((bounding_width, bounding_height), resample = Image.BICUBIC)pred_img_array = image_to_array(pred_img)# print(pred_img_array.shape)pred_img_array = np.expand_dims(pred_img_array, axis = 0)# copy the decensored regions into the output imagefor i in range(len(ori_array)):for col in range(bounding_width):for row in range(bounding_height):bounding_width_index = col + bounding_box[0]bounding_height_index = row + bounding_box[1]if (bounding_width_index, bounding_height_index) in region:output_img_array[bounding_height_index][bounding_width_index] = pred_img_array[i,:,:,:][row][col]print("{region_counter} out of {region_count} regions decensored.".format(region_counter=region_counter, region_count=len(regions)))output_img_array = output_img_array * 255.0#restore the alpha channel if the image had oneif has_alpha:output_img_array = np.concatenate((output_img_array, alpha_channel), axis = 2)output_img = Image.fromarray(output_img_array.astype('uint8'))#save the decensored image#file_name, _ = os.path.splitext(file_name)save_path = os.path.join(self.args.decensor_output_path, file_name)output_img.save(save_path)print("Decensored image saved to {save_path}!".format(save_path=save_path))returnif __name__ == '__main__':decensor = Decensor()decensor.decensor_all_images_in_folder()

注意：运行Demo需要翻墙下载模型，这里为了方便小伙伴，我已经下载完毕：https://download.csdn.net/download/m0_38106923/10798221

第二步：手动处理黑条遮挡和马赛克遮挡

首先打开Photoshop或者其它图片处理器。对于单色条遮住人物敏感部位的情况，使用纯绿色(色号#00FF00#)预处理图片，以绿条取代图片中的黑条。

强烈建议使用铅笔而不是毛刷工具，如果使用毛刷，请一定要关闭抗锯齿功能。或者用魔棒选中马赛克区域，再用油漆桶上色。这里我给各位分享一个Python编写的处理工具，代码比较长，所以和模型文件放在一起，各位可以尝试下载。

最后将处理的文件以PNG格式存储在软件的”decensor_input”文件夹中。如果敏感部位不是黑条，而是马赛克，还需要将未上色的原始图片放入”decensor_input_original” 文件夹中，并确保其文件名和放在”decensor_input”中的预处理图片文件名相同

第三步：运行去马赛克软件

1、64位Windows用户下载程序的exe后，双击软件即可

2、自行编译项目的用户，需要执行以下两个命令

对于黑条遮挡的图片，输入以下命令：

$ pythondecensor.py

对于马赛克遮挡的图片，输入以下命令：

$ python decensor.py —is_mosaic=True

注意事项

如果你图片处理后成了这样：

一定是你处理的姿势不对，请注意不要犯以下两种错误：

第一幅图中，图片马赛克区域没有完全涂满；第二幅图中，由于开启了抗锯齿功能，导致马赛克边缘区域不是纯绿色填充，请关闭抗锯齿功能！！

用深度神经网络搭建马赛克神器，高清无码效果感人相关推荐

神器｜一键下载海量高清无码壁纸
文 | 豆豆来源:Python 技术「ID: pythonall」电脑默认的壁纸简直不是太难看,今天给大家介绍一个拥有海量壁纸的网站,即使你一天换一张也取之不尽用之不竭,网址如下: https:/ ...
分享20个无版权的高清无码图库站
今天这组网站比较有特色,有专门分享美食图片的,有专门分享复古图片的,各领风骚,质量都是一顶一的棒.下面就是20个无版权的高清无码图库站,记得收藏啊. 您可能感兴趣的相关文章 35款精致的 CSS3 和 ...
Swift开发小技巧--扫描二维码,二维码的描边与锁定,设置扫描范围,二维码的生成(高清,无码,你懂得!)...
二维码的扫描,二维码的锁定与描边,二维码的扫描范围,二维码的生成(高清,无码,你懂得!),识别相册中的二维码扫描二维码用到的三个重要对象的关系,如图: 1.懒加载各种类 // MARK: - 懒加载 ...
分享20个无版权的高清无码图库站
今天这组网站比较有特色,有专门分享美食图片的,有专门分享复古图片的,各领风骚,质量都是一顶一的棒.下面就是20个无版权的高清**图库站,记得收藏啊. Compfight Compfight 是一个图片 ...
电子漫画系列套图更新11张，共计83张，附高清无码下载链接
编辑:晓宇,排版:晓宇微信公众号:芯片之家(ID:chiphome-dy) 电子漫画电子漫画系列作品,从18年开始陆陆续续更新了多次,新关注的小伙伴可能还不知道在哪里获取,好多人在后台找我要,很多 ...
华为 A199 / Ascend G710摄像头拍摄样张多图高清无码慎入
前方高能反应,华为 A199 / Ascend G710摄像头拍摄样张,多图.高清.无码! 废话少说,直接来个连拍的,发现华为A199的连拍速度还不错,不过连拍的张数比较少今天的天气灰蒙蒙的,但 ...
GitHub强势开源，这个神器，支持12个视频片源、高清无码、能下载、全平台！！...
点击上方"Github爱好者社区",选择星标回复"资料",获取小编整理的一份资料作者:GG哥来源:GitHub爱好者社区(github_shequ) 这是 ...
写必备神器！27寸4K显示器写代码贼爽，送一台！高清无码！
为回馈广大读者粉丝们的大力支持,本号主特地选了这款 27寸4K显示器作为抽奖礼品送给大家.这礼物呢,可手捧追剧玩游戏,也可写字撰文搞创作.无论是自己玩,还是当礼物送人,都是理想佳品. 赠送规则本次活 ...
一起玩转算法面试，保姆级攻略（附高清无码算法总结导图）,建议收藏
本文已收录至启舰的电子书<逆天改命-程序员的成神之路>,github地址:https://github.com/harvic/FightingCoder 欢迎star.点击[阅读原文]也 ...

用深度神经网络搭建马赛克神器，高清无码效果感人

目录

1、项目背景

2、适用范围

3、使用方法

用深度神经网络搭建马赛克神器，高清无码效果感人相关推荐

最新文章

热门文章