Ч б в цветное фото: Превратить чёрно-белые фото в цветные — Находки на vc.ru

Превратить чёрно-белые фото в цветные — Находки на vc.ru

Colorize.cc — превратит ваше чёрно-белое фото в цветное.

Просто загрузите фотографию на сайт и подождите пару минут 👍🏻

8704 просмотров

{ «author_name»: «atimohov», «author_type»: «self», «tags»: [], «comments»: 10, «likes»: 14, «favorites»: 45, «is_advertisement»: false, «subsite_label»: «links», «id»: 88758, «is_wide»: true, «is_ugc»: true, «date»: «Sat, 19 Oct 2019 11:15:57 +0300», «is_special»: false }

{«id»:379652,»url»:»https:\/\/vc. ru\/u\/379652-atimohov»,»name»:»atimohov»,»avatar»:»bcb26cdf-20d1-239b-08fa-0a6106d35f17″,»karma»:1476,»description»:»»,»isMe»:false,»isPlus»:false,»isVerified»:false,»isSubscribed»:false,»isNotificationsEnabled»:false,»isShowMessengerButton»:false}

{«url»:»https:\/\/booster.osnova.io\/a\/relevant?site=vc»,»place»:»entry»,»site»:»vc»,»settings»:{«modes»:{«externalLink»:{«buttonLabels»:[«\u0423\u0437\u043d\u0430\u0442\u044c»,»\u0427\u0438\u0442\u0430\u0442\u044c»,»\u041d\u0430\u0447\u0430\u0442\u044c»,»\u0417\u0430\u043a\u0430\u0437\u0430\u0442\u044c»,»\u041a\u0443\u043f\u0438\u0442\u044c»,»\u041f\u043e\u043b\u0443\u0447\u0438\u0442\u044c»,»\u0421\u043a\u0430\u0447\u0430\u0442\u044c»,»\u041f\u0435\u0440\u0435\u0439\u0442\u0438″]}},»deviceList»:{«desktop»:»\u0414\u0435\u0441\u043a\u0442\u043e\u043f»,»smartphone»:»\u0421\u043c\u0430\u0440\u0442\u0444\u043e\u043d\u044b»,»tablet»:»\u041f\u043b\u0430\u043d\u0448\u0435\u0442\u044b»}},»isModerator»:false}

Как из черно белой фотографии сделать цветную

Всем привет! Сегодня хочу вам рассказать о том, как раскрасить черно-белое фото онлайн и это все абсолютно бесплатно. Совсем недавно в сети появился новый онлайн сервис по раскраске черно-белых фотографий. Пока сам сервис работает в бета-тестирование, но уже сегодня вы сможете сделать цветную фотографию из ваших старых фото.

Сделать фотографию цветной из Ч/Б

 

Как из черно-белой фотографии сделать цветную

Онлайн сервис Colorize Photos был разработан программистами Калифорнийским институтом в Беркли, который основан на алгоритме обработке изображений Colorful Image Colorization.

Для того чтобы раскрасить черно-белое фото онлайн, вам нужно перейти на сайт Colorize Photos и указать url вашего изображение и нажать на кнопку «Colorize it» и через несколько секунд вы получите свой результат в цветном варианте.

 

Я также решил из черно-белой фотографии сделать цветную, нашел старую черно-белую фотографию своего города и попробовал сервис в действии.

 

Онлайн-сервис абсолютно бесплатен

. Так же после регистрации в сервисе вы сможете использовать API системы для ваших сайтов.

Не смотря на то что сервис еще находится в бета-тесте и пока не имеет возможности справится со всеми деталями черно-белых фотографий. Он не плохо справляется со своей задачей по раскрашиванию черно белых фотографий. Вот еще несколько примеров работы сервиса.

 

 

Так же хочу отметить, для наилучшего результата сервиса используйте черно белые фото высокого разрешения, если вы сканируете свои старые фотографии, то разрешение ставьте не меньше 300dpi, это нужно для того что бы сервис лучше произвел обработку фотографий.

что лучше, черно-белое или цветное фото?

Как часто при обработке вам хочется конвертировать снимок в черно-белое изображение? При этом стоит понимать, что если снимок плохой, то конвертация в ч/б не сделает его лучше. Ну а если с технической и композиционной составляющей все хорошо, то следующие советы вам помогут определиться, конвертировать фото в черно-белый вариант или нет.

Сохранить цвет

Первое, что нужно учитывать при выборе между цветным или черно-белым изображением, на самом деле, сам по себе цвет! Спросите себя: что привлекает вас к изображению? Если вы увидите, что взаимосвязь между различными оттенками в изображении имеют важное значение, тогда оставить его в цветном варианте будет лучше. Изображение с большим количеством цветов не всегда делает хорошее черно-белое изображение. Изображения с контрастными оттенками, такими как красный и зеленый, часто кажется однотонным в черно-белом преобразовании, что делает изображение менее ярким или мутным.

Настроение

Подобно тому как художники использовали цвет в живописи, чтобы передать настроение в течение многих столетий, цвета в фотографии также могут создать эмоциональную атмосферу образа. Цвет является мощным посланником. С его помощью можно повлиять на эмоции зрителя, рисовать ассоциации между идеями и направлять глаз по композиции изображения.

Поэтому черно-белые изображения часто передают эмоцию автора, они более глубокие по смыслу и должны быть более продуманы по композиции, так как взгляд будет воспринимать лишь ритм, и светотеневой рисунок.

Тон или цветовой баланс фотографии может указывать на время суток или сезон, который передает определенную эмоцию или опыт работы в пределах изображения. Черно-белые фотографии кажутся более вневременными, чем цветные изображения, потому что они свободны от цветовых схем, связанных с конкретными типами пленок, процессов или тенденций в области цифровой обработки. Черно-белой фотожурналистике часто бывает трудно показать, что события происходили в наше время, потому что мы воспринимаем черно-белые снимки как документальные.

Внимание

Наибольшое визуальное воздействие часто создается либо путем выделения определенного цвета или двух цветов из разделенных областей цветового круга, включенного в одно изображение. Цвета, такие как красный и зеленый, или оранжевый и фиолетовый (дополнительные цвета) очень хорошо воспринимаются человеческим глазом.

Если изображение содержит эти комбинации, было бы лучше оставить цвет и тратить время, подчеркивая красочные компоненты изображения.

 Отсутствие цвета акцентирует внимание на свет и тени, а не на привлекательные цветовые сочетания. Акцент на конкретных цветах также может быть полезным при формировании единого тела работы, используя цвет для контраста различных изображений в серии.

Содержание

Проще говоря, черно-белые изображения создают акцент на свет, форму или текстуру. Если содержание фотографии является более важным, чем цвет предмета, или вы чувствуете, что цвет на фотографии служит лишь отвлечением от посыла, которое вы хотите передать – то черно-белый, вероятно, является хорошим выбором.

Внимание переходит от цвета к тонам в черно-белом. Так такие предметы как дым, тени становятся более очевидными в черно-белом изображении. Из-за наших ассоциаций с этими предметами и их внешним видом передача чувства драмы может стать более очевидной в черно-белом изображении, чем у цветного изображения.

Нет какого-то идеального пошагового руководства как сделать эффектный черно-белый снимок. Вы должны сами это почувствовать и понимать, что такие изображения лаконичны, и посыл может быть более мощным, чем у цветной фотографии. При этом не нужно бежать сейчас и конвертировать каждый свой снимок в черно-белый вариант. Поэтому снимайте всегда в цвете и в пост обработке вы сами решите судьбу изображения

Больше о фотографии:

Как подготовить фотографии к печати

7 причин полюбить фотографию на длинной выдержке

Почему в противостоянии черно-белой и цветной фотографии нет смысла

50-е годы ХХ века профессиональные фотографы презирали цветные снимки. Теперь фото в цвете — «значение по умолчанию». Почему и как чаша весов склонилась в их сторону?

Пролог: мечте больше нет места

В 2015 году Leica выпустила красивое и нелепое рекламное видео. В нем шла речь о новом продукте бренда — цифровой камере, которая снимает только в ч/б. Видео впечатляющее и странно убедительное. На фоне гипнотизирующих монохромных орнаментов голос за кадром убеждал, что черно-белое решение чище, а гиперреализм цвета не просто чрезмерно груб — он не нужен в принципе и служит лишь помощью людям без воображения.

Слоган видеоролика звучал безапелляционно: «В цветном мире нет места мечте».

Конечно, это утрированно и неверно. Ситуация обратна: цвет раскрывает то, что мы не видим в ч/б-режиме. Настаивая на черно-белом, автор зачастую выглядит претенциозно. Но видеозаявление Leica возвратило актуальность одному из самых старых противостояний в фотографии: спор о том, что лучше — ч/б или цвет. Сегодня мы понимаем, что эти дебаты бесплодны, но сама полемика и ее история очень интересны. Ларс Мензель (©Lars Mensel), фотограф и писатель из Берлина, составил небольшой экскурс, который поможет понять, как развивался этот спор.

Действие первое: цвет — глупость

Фотография стала «законной» формой искусства совсем недавно. В конце XIX века ее считали слишком буквальной и прямолинейной. Творческая аудитория говорила, что фото не развивает воображение так, как изобразительное искусство. Аргументация напоминает тезисы из того самого ролика Leica — что-то слишком реалистичное не может быть художественным.  

Изначально фотография конкурировала с изобразительным искусством, требовала таких же временных затрат (на экспозицию), в ней использовалось тяжелое статичное оборудование. Наиболее популярными темами, как и в живописи, были пейзажи и портреты. Во время Первой мировой войны стали доступны портативные камеры и пленка — благословение по сравнению с ранее использовавшимися стеклянными пластинами. Прогресс позволил фотографам работать в ранее невозможных условиях, и материал стал сильнее отличаться от живописных картин.

Анри Картье-Брессон, Хелен Левитт и другие пионеры фото использовали реализм новаторским способом. Со своими неожиданными темами и моментами, пойманными на снимках, они демонстрировали, что съемка композиций и статичных объектов отличается от живописи. С появлением новой эстетики родилась уличная фотография.

photo by Henri Cartier-Bresson

Легендарные фотографы постигали свое ремесло в мире черно-белого фото. Делая снимок, они заранее знали, что он будет монохромным, и абстракция будет его естественным качеством — как, к примеру, двухмерность. Цветные фото появились лишь в середине 50-х годов ХХ века, когда были изобретены процессы, позволившие достаточно просто снимать и печатать цветное изображение. Этот технологический прорыв сопоставим с изобретением портативной камеры, а привыкшие к ч/б фотографы стали играть роль, которую раньше брали на себя адепты живописи. Они отказались принять новую технологию и признать цветные фотографии искусством.

Вместо того, чтобы наслаждаться открывшимися возможностями, фотографы-художники избегали цвета. В их представлениях серьезная, документальная, художественная фотография должна была быть исключительно черно-белой. Легендарный Анри Картье-Брессон, прославившийся монохромными снимками-шедеврами, даже заявил, что цвет — это полная ерунда и глупость.

Действие второе: монохромное видение

Почему Картье-Брессон так резко отверг цвет? Скорее всего, потому что ч/б «работает» иначе. Объекты, которые эффектно выглядят на черно-белых фото, в реальности зачастую не очень красивы — как, к примеру, яркие цветные изображения после уменьшения насыщенности.

Исторический фотоканон был разработан для одной палитры, и пионерам искусства нужно было научиться снимать предметы, которые хорошо смотрелись в ч/б-режиме. Портреты Тины Модотти, абстрактные снимки Ман Рэя, фото Эдварда Уэстона опирались на резкость контраста. Во многом они снимали, подстраиваясь под черно-белые «рамки» — подчеркивая форму, контрастность, очертания.

Картье-Брессон заявлял, что цвет отрицает все трехмерное значение фотографии. Это не так — просто в прошлом фотографы не умели им пользоваться. Принятый и привычный инструмент объясняет жесткую позицию по отношению к появившейся новинке. Говорят, что после экспериментов с полихромом Картье-Бресон был так недоволен результатом, что уничтожил все негативы. Сегодня фотограф известен только по монохромным работам.

В книге «Понять фотографию» (Understanding a Photogtaph) Джон Бергер писал, что до изобретения снимка картины были единственной визуальной демонстрацией того, как люди видели мир. Черно-белые фото тоже дают нам понять, как фотографы-первопроходцы видели мир: в красивых оттенках серого. Когда цветную съемку освоила рекламная индустрия, презрение художников только возросло. В 1959 году Уолтер Эванс констатировал: «В этом вопросе все просто — цветная фотография вульгарна».

Сегодня эта позиция кажется абсурдом. Цветная фотография давно стала стандартным способом отображения мира. Это изменение парадигмы можно считать полноценным маленьким восстанием.

Действие третье: мир в цвете

В то время, как фотохудожники задирали носы, цветная пленка спокойно покоряла мир. В послевоенные годы фотография из удела исключительно профессионалов стала превращаться в популярное хобби.

Изобретение Kodak цветной пленки Kodachrome в 1936 году и Ektachrome десятилетием позже привело к постепенному принятию цветных снимков. И почему бы и нет — ведь это позволило запечатлеть обычную жизнь во всей ее яркости.

В «черно-белые времена» фотографы должны были самостоятельно печатать снимки. Для многих профессиональных авторов обработка цветной пленки стала непосильной задачей, тогда как любители все чаще создавали домашние фотолаборатории. Не поднимая фото до произведения искусства, потребители просто стремились делать простые и реалистичные снимки — семейные и повседневные.

Обобщенный вывод Уильяма Эглтстона «мир в цвете — мы ничего с этим не поделаем» приняли все. Этот фотограф-новатор, как и Сол Лейтер, создававший из цвета слои на своих уличных снимках, Стивен Шор, Джоэль Мейеровиц и другие авторы, помог в 70-е годы перейти от ч/б к цвету, несмотря на яростное сопротивление. Восставшие фотографы хотели вырваться из монохромного мира, привычного предыдущим поколениям.

photo by Joel Meyerowitz

Джоэль Мейеровиц говорил, что цветные изображения информативнее, они гораздо больше, чем мир в оттенках серого. Эпоха сменилась, и вместе с ней изменился и предмет съемки. Фотографы начали фотографировать сцены, не связанные с логикой черно-белых, высококонтрастных настроек. Например, Уильям Эглтстон снимал торговые центры, Сол Лейтер — дождливые города, а Стивен Шор — яркие повседневные картины. 

photo by Stephen Shore

В отличной книге Уильяма Эглтстона «От цвета к черно-белому» (From Color to Black and White) куратор Агнес Сир писала, что художники-новаторы смогли интересно изобразить банальные объекты, и именно использование цвета помогло решить эту творческую задачу. Переход от ч/б к полихрому был сродни переходу от героической фотожурналистики в стиле агентства «Магнум» к более поэтичному «повседневному» повествованию.

Сначала никому не были интересны подобные работы, но сегодня эти ранние пробы уже легендарны. Понадобилось время, чтобы у мира искусства открылись глаза на новое видение предмета и на цветную фотографию в целом. Казавшиеся обыденными фотографии стали популярными именно потому, что они были обыденными и знакомили широкую публику с красотой, «спрятанной» в повседневной жизни.

Эпилог: нерешенный вопрос

Цвет перестал быть противоречивой позицией, теперь это стандарт фотографии. Черно-белые снимки используются, в основном, для работы в классическом жанре, в фэшн-съемке, имитирующей модернистский стиль, или в маркетинговых кампаниях, которые хотят визуализировать размытое понятие высшего класса и изысканности. Это не означает, что противоречия разрешены и уничтожены.

Сегодня речь уже не идет о правильности и неправильности, реалистичности и снобизме, перспективности и старомодности. Противоречие сейчас заключается в том, как воспринимается воображение, как оно работает — или должно работать. Джоэл Меровиц сказал, что цвет — это не вопрос, а, скорее, ответ. Для фотографа он — одно из множества принимаемых профессиональных решений и часть видения и интерпретации мира.

photo by Alec Soth

Эта позиция уравнивает значимость ч/б и цветной съемки. Несколько лет назад фотограф Алек Сот в интервью Aperture сказал, что, глядя на фотографии, можно подумать — 80 лет назад мир был черно-белым. На самом деле, он не был похож на снимки того времени. Важно другое — то, как реальность была сфотографирована, формировало ее, как и сейчас.

Как сделать черно-белое фото цветным за 5 секунд

На demos.algorithmia.com можно загрузить черно-белое фото и сразу получить раскрашенный вариант. Впечатляющий результат получается далеко не для каждый фотографии, но возможности сервиса очень радуют. Приведем несколько примеров.

Фото природы идеального качества обрабатываются круто:

Любительские бытовые фото 70-х получаются с пятнами:

Фото 1945-го года выглядет неестественно, но красиво:

Иногда некоторые части остаются черно-белыми:

Животные обрабатываются вполне прилично:

Групповые фото людей иногда выходят неплохо:

А иногда не очень:

Качественная портретная съемка преображается как по волшебству:

И чем моложе фото, тем лучше результат (начало 90-х):

Думаю, у каждого в семейном архиве найдется снимок, который получится очень хорошо и поможет вам порадовать родственников. У сервиса есть бесплатный API и раскраску изображений можно автоматизировать.

Помимо предмета статьи Algorithmia разрабатывает и другие сервисы на базе нейросетей. Они умеют определять наличие обнаженных людей на фото, их пол, цвет кожи и эмоции. Есть даже детектор языка программирования, на котором написан код:

Большинство из них доступны в бета-режиме, но могут быть использованы в сторонних веб-приложениях. Будущее с нейросетями и тотальной автоматизацией уже здесь.

🤓 Хочешь больше? Подпишись на наш Telegram. … и не забывай читать наш Facebook и Twitter 🍒 В закладки iPhones.ru Нейросети в действии.

• До ←

  5 приложений, которые должны быть в телефоне каждой девушки

• После →

  Смотри, мы сняли фильм на GoPro Hero5 Black

Как быстро раскрасить старую черно-белую фотографию

Наверняка у вас сохранилось множество старых черно-белых фотографий. Такой фотоальбом неплохо было бы перевести в цифровой формат, а заодно отреставрировать и, возможно, даже раскрасить некоторые фото. Благо, с современными технологиями это сделать несложно. И если для сканирования нужно дополнительное оборудование, хотя некоторые умудряются использовать для этого камеру обычного смартфона, то с реставрацией и раскраской проблем не возникнет. Кроме того, что это можно сделать вручную с помощью графического редактора, есть возможность и автоматической реставрации и придания цвета.

Мы протестировали несколько сервисов для раскраски черно-белых изображений: color.artlebedev.ru, algorithmia.com, 9may.mail.ru, colorize.cc.

Colorize и algorithmia поставили штамп на тестовую фотографию, что может быть критично для домашнего архива. Фото: pxhere.com

Как видно на изображении выше, сервисы выдают примерно одинаковый результат. Текущий уровень развития уже позволяет создать довольно качественное изображение, зачастую не уступающее ручной обработке. У mail.ru и colorize получились наиболее качественные изображения с более четкими границами и переходами. Кроме того, у женщины получился ровный цвет кожи.

Стоит отметить, что сервис 9may.mail.ru был приурочен ко Дню Победы и предназначен для обработки в первую очередь старых военных фотографий, о чем и говорит его название. Но никто не запрещает загружать и любые другие изображения в том числе и рисунки.

Примерно такие же результаты получились и другим изображением. На этот раз мы специально взяли фотографию с большим количеством деталей и без людей. Но и с этим заданием проблем не было. Лучшие результаты снова выдали mail.ru и colorize. Обратите внимание, что colorize требует указать адрес электронной почты, на который и придет обработанное изображение.

Желательно прогнать фото через разные сервисы, так как результат может быть где-то лучше, а где-то хуже. Фото: pxfuel.com

К минусам подобных автоматизированных сервисов можно отнести лишь то, что вам придется загружать личные фото на сервер. Конечно, компания, предоставляющая услуги, не будет использовать фото в иных целях или предоставлять к ним доступ третьим лицам. Это не опаснее, чем хранить фотоархив в облаке. Но лучше пользоваться только проверенными сервисами и не загружать свои фотографии на сомнительные сайты.
Это тоже интересно: 

 

Во время загрузки произошла ошибка.

«Чёрно-белое» цветоделение

Впервые про цветоделение я услышал лет двенадцать назад. Узнал со слов старших, но тоже не слишком опытных товарищей, что это такое шаманство, тайное знание, доступное лишь посвящённым. Особенно пугали уровнями генерации чёрной краски…

   

В наши дни цветоделение — этап технологического процесса, построенного на соблюдении отраслевых стандартов и грамотном управлении цветом. Печатаются контрольные шкалы, проводятся точные измерения, генерируются профили. Конвертация изображения в CMYK, в цветовое пространство будущего печатного оттиска, позволяет подобрать оптимальные значения для цветовой палитры оригинала. В большинстве случаев…

   

…Но не для чёрно-белой фотографии. Её не убили ни повсеместное распространение цветной негативной плёнки, «мыльниц» и мини-лабов, ни давление «цифры». При печати очень важно сохранить нейтральность снимка, чистоту, не допустить появления каких бы то ни было посторонних оттенков. Ведь белый, серый и чёрный — пожалуй, самые важные памятные цвета.

  

В принципе, ч/б фото можно напечатать в одну краску.

Но плотности одной лишь чёрной явно недостаточно, чтобы добиться на оттиске хорошего контраста.

Можно воспользоваться стандартным профилем CMYK — тем же, что и для цветных фото.

Но большая часть деталей по всему тоновому диапазону распределится по каналам триады, а на долю чёрной краски придутся только глубокие тени. И малейшее нарушение серого баланса при печати будет хорошо заметно — фото из ч/б превратится в тонированное. Ведь человеческий глаз гораздо более чувствителен к любым цветовым несоответствиям именно в светах и в средних тонах, нежели в тенях.

   

Предлагаю способ, не только сохраняющий «чёрно-белость», но и делающий фото максимально контрастным: в панели Convert to Profile вместо стандартного профиля CMYK выбираем Custom CMYK… и устанавливаем необычные настройки цветоделения.

Профиль печатных красок и значение растискивания зависят от типа бумаги, на которую вы ориентируетесь (мелованная, немелованная, газетная). И не удивляйтесь, максимально допустимая сумма красок — именно 400%. Такое значение обеспечит максимальный контраст, а сумма красок даже в самых глубоких тенях всё равно не превысит 270%.

   

Как видите, теперь чёрный канал похож на исходное ч/б фото, а каналы триады лишь добавляют плотности в тени. Сумма красок в самой тёмной точке, которую мне удалось найти, — 269%. Типография, где печатается Publish, считает разумным максимумом 300%. Чтобы сделать тени ещё немного плотнее, а всё фото контрастнее, предлагаю воспользоваться кривыми.

Обратите внимание, света по всем трём каналам зафиксированы контрольными точками и остаются без изменений. Мы повышаем контраст в тенях равномерно по трём каналам — до тех пор, пока сумма красок в самой тёмной точке не достигнет максимума. Серый в тенях баланс при этом не нарушается, так как разные плотности по краскам триады заданы автоматически при цветоделении.

Ещё одна задача, для которой подходит «чёрно-белое» цветоделение, — обработка каталожной съёмки. Например, чёрные ботинки, серебристый холодильник, вилка с ножом из полированной нержавейки или сотовый телефон.

Не беспокойтесь за цветные элементы на фото — границы между ними и монохромным корпусом прибора достаточно резкие, их цвет не пострадает от специфического цветоделения.

    

Сумма красок в самой тёмной точке — 249%. Но для повышения контраста в тенях кривые в данном случае не подойдут, затемнять цветные элементы нам незачем. На помощь придёт Selective Color.

Короткий совет напоследок. Если работаете не с универсальными профилями (скажем, из комплекта Photoshop или с сайта FOGRA), а пользуетесь собственными, созданными специально под ваш печатный процесс, кроме стандартного профиля для цветных фото, сгенерируйте ещё один — для чёрно-белых. Он точнее учтёт специфику вашего печатного процесса, чем самодельный профиль на базе Custom CMYK.

Об авторе: Модест Осипов ([email protected]), руководитель отдела предпечатной подготовки бренд-билдингового агентства «Вазари».

превратить черно-белые фотографии в цветные с AI

Доступ к API

Добавьте эту услугу в свое приложение, веб-сайт или рабочий процесс компании с помощью Hotpot API.

Также доступны частные или автономные решения.

Если у вас ограниченный бюджет, спросите о кредитах для авторов. Эта программа предоставляет бесплатные кредиты Hotpot в обмен на честную атрибуцию.

Цены и лицензирование

Бесплатные изображения ограничены лицензией CC BY-NC.

Наша философия — поддерживать цены на достаточно низком уровне, чтобы вы могли легко оправдать удобство и ценность Hotpot. Мы с нетерпением ждем возможности увидеть, как вы используете технологию Hotpot.

Проезд

Загрузите изображение.

Попробуйте нашу программу восстановления фотографий AI, чтобы удалить царапины или дефекты.

Попробуйте наш AI Image Upscaler, чтобы увеличить разрешение изображения.

Для достижения наилучших результатов используйте черно-белые изображения без царапин или других пятен, которые могут сбить с толку наш очень серьезный, но, к сожалению, ограниченный ИИ.Мы активно изучаем методы более точной и реалистичной раскраски изображений.

Обзор

Этот сервис Hotpot AI анализирует черно-белые изображения и превращает их в реалистичные цветные фотографии. Для этого мы создали замечательный проект DeOldify и применили проприетарные усовершенствования, основанные на новейших методах глубокого обучения, подполе машинного обучения.

Результатом является сложное предсказание о цветах людей и объектов на картинке, но, как и любое предсказание, оно может быть неверным или предвзятым.Например, наш ИИ может раскрасить рубашку в синий цвет, хотя на самом деле она была красной.

Для этой службы изображения не сохраняются без разрешения пользователя. Из соображений затрат на хранение и обеспечения конфиденциальности пользователей мы храним изображения только до тех пор, пока это необходимо для работы наших моделей машинного обучения, и не храним фотографии сверх этого.

Инструменты AI

Изучите другие инструменты Hotpot AI, в том числе инструменты для удаления фона, персонализации изображений, масштабирования изображений, восстановления изображений, аутсорсинга письменных задач, раскрашивания изображений и т. Д.

Внести вклад

Помогите улучшить наш ИИ, поделившись изображениями, которые плохо конвертируются.

Автоматически раскрашивайте свои черно-белые фотографии с помощью MyHeritage In Color ™

Мы рады объявить о запуске MyHeritage In Color ™, новаторской функции для автоматического раскрашивания ваших черно-белых фотографий, дающей невероятные результаты.

Попробуйте MyHeritage In Color ™ прямо сейчас

Фотографии дают уникальный взгляд на жизнь наших предков и родственников, но просмотр их в черно-белом режиме помещает их на определенное расстояние.Просмотр одних и тех же изображений в цвете оживляет их, как ничто другое. Раскрашенные исторические фотографии могут пробудить интерес к прошлому и помочь нам ближе познакомиться с событиями и людьми из прошлых времен. Это позволяет нам взглянуть на эти фотографии совершенно по-новому, давая нам новый взгляд на людей и места, которые сделали нас такими, какие мы есть сегодня.

Представьте, что вы впервые видите цветную свадебную фотографию дедушки и бабушки или замечаете мелкие детали, изображающие жизнь на улицах Нью-Йорка сто лет назад.Когда вы посмотрите цветные изображения рядом с исходными черно-белыми фотографиями, вы будете поражены их разницей.

Как это работает

Технология раскрашивания фотографий, обеспечивающая эту функцию, была лицензирована MyHeritage от DeOldify, созданной инженерами-программистами Джейсоном Антиком и Даной Келли. Ранняя версия технологии DeOldify была внесена Antic в общественное достояние в ноябре 2018 года. Antic и Kelley обновили ее в мае 2019 года. С тех пор они продолжали улучшать и настраивать технологию на коммерческой основе.Их последняя версия позволяет создавать цветные фотографии беспрецедентного качества и в настоящее время является эксклюзивной версией MyHeritage.

Мы считаем, что это лучшая в мире технология раскрашивания черно-белых фотографий. Технология была обучена с использованием миллионов фотографий и позволила лучше понять наш мир и его цвета. Результаты более реалистичны и превосходного качества по сравнению с другими доступными в настоящее время инструментами автоматической раскраски. Черно-белые фотографии остаются нетронутыми и не изменяются в процессе раскрашивания, в результате которого появляются новые фотографии вместе с исходными.

MyHeritage In Color ™ работает со всеми фотографиями — даже с блеклыми фотографиями, на которых все еще есть цвет. Цвета, которые вы видите на фотографиях, имитируются автоматически алгоритмами раскрашивания — ручное ретуширование не требуется.

Примеры

Вот несколько невероятных примеров исторических фотографий, которые мы раскрасили с помощью MyHeritage In Color ™. Полученные фотографии оживляют прошлое, как никогда раньше.

Менеджер бара Аламо и Милдред Ирвин, артистка — Норт-Платт, Небраска, 1938. Корова — Стерджис, Территория Дакота (ныне Южная Дакота), 1888 год.Фотограф: Джон Ч. Грабилл, Библиотека Конгресса Семья Тимоти Леви Крауча, квакера Роджерена, на ежегодном ужине в День благодарения — Ледьярд, Коннектикут, 1940. Фотограф: Джек Делано, Управление безопасности фермы

Как получить доступ к MyHeritage In Color ™

Для начала посетите myheritage.com/incolor.

MyHeritage in Color ™ главная страница

Нажмите «Загрузить фото», чтобы выбрать файл на вашем компьютере. Или перетащите фотографию по своему выбору в фоторамку.

После загрузки фотографии вам будет предложено зарегистрироваться в MyHeritage, чтобы раскрасить фотографии.Регистрация бесплатна. Если у вас уже есть учетная запись MyHeritage и вы не входили в нее ранее, просто выберите опцию «Войти» в нижней части всплывающего окна.

Раскрашивание фотографии обычно занимает всего несколько секунд, в зависимости от ее размера и уровня детализации.
В процессе раскрашивания в центре фотографии будет анимироваться вращающийся прелоадер.

Выполняется раскрашивание… осталось всего несколько секунд!

Как только цветная фотография будет готова, она будет отображена. Исходная черно-белая фотография остается неизменной, и вы получаете новую, раскрашенную фотографию, которая сохраняется отдельно с тем же разрешением, что и исходная фотография.

Ваше раскрашенное фото готово!

Вы сможете перетащить ползунок по изображению, чтобы увидеть эффект раскрашивания фотографии до и после, или использовать значки в правом верхнем углу для быстрого переключения между черно-белой и раскрашенной версиями.

Предлагаем вам поделиться раскрашенной фотографией в социальных сетях с друзьями и семьей. Реакция вашей семьи и друзей будет бесценной, и они смогут воспользоваться возможностью раскрасить свои собственные черно-белые фотографии.

Символ раскрашивания

В рамках нашего обязательства по сохранению подлинности исторических документов мы предпринимаем дополнительный шаг, дифференцируя раскрашенные фотографии от тех, которые изначально были сфотографированы в цвете, используя специальный рельефный символ палитры в нижнем левом углу раскрашенных фотографий. Мы надеемся, что эта ответственная практика будет принята другими, использующими технологию раскрашивания фотографий, чтобы этот факт можно было отличить от вымысла.

Несмотря на высокую реалистичность, фотографии, раскрашенные с помощью MyHeritage In Color ™, имеют цвета, имитируемые автоматическими алгоритмами, и эти цвета могут не совпадать с реальными цветами, когда была сделана исходная фотография.

Значок раскрашивания в нижнем левом углу раскрашенных фотографий

Раскрашивание фотографий уже на MyHeritage

Если у вас уже есть учетная запись MyHeritage и на платформе есть генеалогическое древо, вы можете быть одним из многих наших пользователей, которые вместе загрузили сотни миллионов исторических фотографий в MyHeritage. Теперь вы можете раскрасить любую фотографию, которая у вас уже есть на MyHeritage, благодаря встроенной функции раскрашивания, которую мы только что добавили. Для этого сначала выберите «Мои фотографии» на вкладке «Семейное древо», чтобы получить доступ к своим фотографиям.

Доступ к фотографиям на MyHeritage

Выберите любой альбом из списка слева или оставьте альбом по умолчанию «Все мультимедийные элементы». Затем нажмите на любую черно-белую фотографию на экране.

Раздел «Мои фотографии» на MyHeritage

Перейдя на страницу фотографий, нажмите новую кнопку «Раскрасить».

Щелкните «Раскрасить». Раскрашивание начнется мгновенно. Это так просто.

Как только цветная фотография будет готова, вы увидите фотографию с ползунком вниз по центру, который вы можете перетащить, чтобы просмотреть полное изображение в цвете или в черно-белом.Здесь вы также можете переключаться между черно-белыми и цветными версиями и делиться своей цветной фотографией в социальных сетях.

Публикация раскрашенной фотографии в социальных сетях

Чтобы просмотреть раскрашенную фотографию в полном размере, нажмите «Просмотреть в полном размере».

Выбор варианта просмотра

Вы можете выбрать, хотите ли вы просмотреть полноразмерную версию раскрашенной фотографии или исходную фотографию.

Вы можете загрузить раскрашенную фотографию, нажав кнопку «Загрузить», а затем выбрать, загружать ли раскрашенную фотографию или оригинал.

Любая загруженная вами фотография и ее цветная версия будут сохранены для вас на MyHeritage, и вы можете удалить их в любое время, нажав кнопку «X» и выбрав версию, которую хотите удалить. Когда вы удаляете раскрашенную фотографию, исходная черно-белая фотография все равно останется на вашем семейном сайте. Однако, если вы удалите исходную фотографию, цветная версия (если она существует) также будет удалена.

После раскрашивания фотографии вы увидите значок раскрашивания в правом нижнем углу черно-белой версии фотографии в разделе фотографий на веб-сайте.Эти значки помогают отслеживать, какие фотографии вы раскрасили.

Значок, указывающий на то, что создана раскрашенная версия.

Раскрашенная фотография не будет добавлена ​​в ваши альбомы как отдельная фотография; вместо этого он будет совмещен с исходной фотографией. Щелкните фотографию на странице альбома, чтобы открыть страницу с фотографиями, а затем вы можете переключаться между черно-белой и цветной версиями. Ваша исходная фотография останется нетронутой, без каких-либо добавлений к ней.

Раскрашивание фотографий с помощью мобильного приложения MyHeritage

MyHeritage In Color ™ доступно в бесплатном мобильном приложении MyHeritage, которое можно загрузить из App Store или Google Play.Если у вас уже есть приложение, вам нужно сначала обновить его, чтобы убедиться, что вы используете последнюю версию.

Вы можете раскрашивать фотографии из раздела Фото или загружать новые черно-белые фотографии. Рекомендуем использовать сканер в мобильном приложении. Это отличный способ оцифровать ваши исторические фотографии и перенести их из физических альбомов прямо в MyHeritage, где они будут сохранены для потомков. При сканировании фотографий делайте это с максимально возможным разрешением, чтобы добиться максимального качества и наилучших результатов.

Посетите раздел «Фотографии», чтобы увидеть все загруженные вами фотографии.

Раскрасьте любую фотографию в разделе «Фото» в одно касание.

Когда фотография будет раскрашена, вы увидите фотографию с ползунком вниз по центру, который вы можете перетащить, чтобы просмотреть полное изображение в цвете или в черно-белом.

Вы можете переключаться между черно-белой и раскрашенной версиями, отмечать людей на фотографии и публиковать раскрашенную фотографию в социальных сетях.

Щелкните значок, чтобы открыть дополнительные параметры, чтобы пометить фотографию, отредактировать или просмотреть сведения о фотографии, сохранить цветную или исходную черно-белую фотографию в библиотеке или удалить цветную или исходную черно-белую фотографию. Если вы удалите исходную фотографию, если существует какая-либо цветная версия, она также будет удалена.

Какие исторические фотографии нужно раскрасить?

Все они! Сейчас самое время собрать все те семейные фотографии, которые у вас завалялись! Иди и найди эту коробку с картинками, томящуюся в глубине высокой полки в шкафу или спрятанную в углу вашего чердака или подвала.Поверьте, вы больше никогда не увидите их такими, как раньше.

Если у вас есть исторические семейные фотографии в физических альбомах, вы можете раскрасить их, отсканировав их и загрузив в MyHeritage In Color ™. Если вы еще не отсканировали свои семейные фотографии, сейчас нет времени, как настоящее — это отличный способ сохранить их для будущих поколений.

В настоящее время мы не предлагаем поддержку раскрашивания семейных видео, например снятых на 8-миллиметровые пленки. Сделать это можно с помощью той же технологии, и мы рассматриваем возможность добавления поддержки раскрашивания видео в будущем, если у наших пользователей на это будет достаточный спрос.

Стоимость

Раскрасить несколько фотографий может любой желающий бесплатно. После этого требуется подписка. Пользователи, у которых есть полная подписка на MyHeritage, могут раскрашивать неограниченное количество фотографий. Не подписчики заметят водяной знак логотипа MyHeritage в правом нижнем углу своих раскрашенных фотографий, тогда как подписчики Complete могут создавать раскрашенные фотографии без логотипа.

Подробнее о различных планах подписки можно узнать здесь.

Улучшения

Технология автоматического раскрашивания фотографий великолепна, но не идеальна.Перфекционисты среди вас заметят, что некоторые цвета могут показаться неправильными или несовместимыми. Мы постоянно сотрудничаем с создателями DeOldify Джейсоном и Даной, чтобы улучшить технологию, и эти улучшения будут внедрены в MyHeritage в ближайшие месяцы, как только они станут доступны.

Резюме

Мы искренне надеемся, что вам понравится оживлять черно-белые фотографии вашей семьи с помощью MyHeritage In Color ™. Расскажите, пожалуйста, об этой удивительной функции, чтобы другие тоже могли ее попробовать.Наслаждаться!

Раскрашивание черно-белых фотографий с помощью нейронных сетей

Готовы создавать, обучать и развертывать ИИ?

Начните работу с совместной платформой искусственного интеллекта FloydHub бесплатно

Попробовать FloydHub бесплатно

Ранее в этом году Амир Авни использовал нейронные сети для троллинга subreddit / r / Colorization — сообщества, в котором люди вручную раскрашивают исторические черно-белые изображения с помощью Photoshop. Они были удивлены ботом Амира для глубокого обучения — то, что могло занять до месяца ручного труда, теперь можно было сделать всего за несколько секунд.

Я был очарован нейронной сетью Амира, поэтому воспроизвел ее и задокументировал процесс. Прежде всего, давайте посмотрим на некоторые результаты / неудачи моих экспериментов (прокрутите вниз, чтобы увидеть окончательный результат).

Сегодня раскрашивание выполняется вручную в программе Photoshop. Чтобы оценить всю тяжелую работу, стоящую за этим процессом, взгляните на это великолепное видео с полосами памяти о раскрашивании. Короче говоря, на раскрашивание картинки может уйти до одного месяца. Это требует обширных исследований.Одно только лицо должно иметь до 20 слоев розового, зеленого и синего оттенков, чтобы получилось правильно.

Эта статья предназначена для начинающих. Тем не менее, если вы новичок в терминологии глубокого обучения, вы можете прочитать два моих предыдущих сообщения [1] [2] и посмотреть лекцию Андрея Карпати, чтобы узнать больше.

Я покажу вам, как создать собственную нейронную сеть для раскрашивания в три этапа.

Первый раздел раскрывает основную логику. Мы создадим простую 40-строчную нейронную сеть в качестве «альфа-бота» для раскрашивания.В этом фрагменте кода не так много волшебства — он полезен для ознакомления с синтаксисом.

Следующим шагом будет создание нейронной сети, которая может обобщать — нашу «бета-версию». Мы сможем раскрашивать изображения, которых бот еще не видел.

Для нашей «окончательной» версии мы объединим нашу нейронную сеть с классификатором. Мы будем использовать Inception Resnet V2, который был обучен на 1,2 миллиона изображений. Чтобы раскрашивание получилось ярким, мы обучим нашу нейронную сеть портретам из Unsplash.

Если вы хотите заглянуть в будущее, то вот блокнот Jupyter с альфа-версией нашего бота. Вы также можете ознакомиться с тремя версиями на FloydHub и GitHub, а также с кодом для всех экспериментов, которые я проводил на облачных графических процессорах FloydHub.

Core Logic

В этом разделе я расскажу, как визуализировать изображение, основы цифровых цветов и основную логику нашей нейронной сети.

Черно-белые изображения могут быть представлены сеткой пикселей. Каждый пиксель имеет значение, соответствующее его яркости.Значения варьируются от 0 до 255, от черного до белого.

Цветные изображения состоят из трех слоев: красного, зеленого и синего. Это может показаться вам нелогичным. Представьте себе разделение зеленого листа на белом фоне на три канала. Интуитивно можно подумать, что растение присутствует только в зеленом слое.

Но, как вы видите ниже, лист присутствует во всех трех каналах. Слои определяют не только цвет, но и яркость.

Например, для получения белого цвета необходимо равномерное распределение всех цветов.Добавляя равное количество красного и синего, он делает зеленый ярче. Таким образом, цветное изображение кодирует цвет и контраст с помощью трех слоев:

Как и в случае с черно-белыми изображениями, каждый слой цветного изображения имеет значение от 0 до 255. Значение 0 означает, что в этом слое нет цвета. Если значение 0 для всех цветовых каналов, то пиксель изображения черный.

Как вы, возможно, знаете, нейронная сеть создает связь между входным значением и выходным значением.Чтобы быть более точным с нашей задачей окраски, сеть должна найти черты, которые связывают изображения в оттенках серого с цветными.

Итак, мы ищем функции, которые связывают сетку значений оттенков серого с тремя цветовыми сетками.

Альфа-версия

Начнем с создания простой версии нашей нейронной сети для раскрашивания изображения женского лица. Таким образом, вы можете познакомиться с основным синтаксисом нашей модели по мере того, как мы добавляем в нее функции.

Имея всего 40 строк кода, мы можем сделать следующий переход.Среднее изображение сделано с помощью нашей нейронной сети, а изображение справа — это исходная цветная фотография. Сеть обучается и тестируется на одном образе — мы вернемся к этому во время бета-версии.

Цветовое пространство

Сначала мы воспользуемся алгоритмом для изменения цветовых каналов с RGB на Lab. L обозначает легкость, а a и b для цветовых спектров зеленый – красный и сине – желтый.

Как вы можете видеть ниже, изображение, закодированное в Lab, имеет один слой для оттенков серого и три цветовых слоя упакованы в два. Это означает, что мы можем использовать исходное изображение в градациях серого в нашем окончательном прогнозе. Кроме того, нам нужно всего два канала для прогнозирования.

Научный факт — 94% клеток нашего глаза определяют яркость. Остается только 6% наших рецепторов, которые действуют как сенсоры цвета. Как вы можете видеть на изображении выше, изображение в оттенках серого намного резче, чем цветные слои.Это еще одна причина сохранить изображение в градациях серого в нашем окончательном прогнозе.

От черно-белого к цветному

Наш окончательный прогноз выглядит так. У нас есть слой в градациях серого для ввода, и мы хотим предсказать два цветовых слоя, ab в Lab . Чтобы создать окончательное цветное изображение, мы включим изображение L / оттенки серого, которое мы использовали для ввода, таким образом, создав изображение Lab .

Чтобы превратить один слой в два, мы используем сверточные фильтры.Думайте о них как о синих / красных фильтрах в 3D-очках. Каждый фильтр определяет то, что мы видим на картинке. Они могут что-то выделить или удалить, чтобы извлечь информацию из изображения. Сеть может либо создать новое изображение из фильтра, либо объединить несколько фильтров в одно изображение.

Для сверточной нейронной сети каждый фильтр автоматически настраивается для достижения желаемого результата. Мы начнем с того, что сложим сотни фильтров и сузим их до двух слоев: a и b .

Прежде чем мы подробно рассмотрим, как это работает, давайте запустим код.

Развертывание кода на FloydHub

Если вы новичок в FloydHub, выполните их 2-минутную установку, посмотрите мой 5-минутный видеоурок или пошаговое руководство — это лучший (и самый простой) способ обучения моделей глубокого обучения на облачных графических процессорах.

Альфа-версия

После установки FloydHub используйте следующие команды:

  git clone https://github.com/emilwallner/Coloring-greyscale-images-in-Keras
  

Откройте папку и запустите FloydHub.

  cd Coloring-greyscale-images-in-Keras / floydhub
floyd init colornet
  

В вашем браузере откроется веб-панель управления FloydHub, и вам будет предложено создать новый проект FloydHub под названием colornet . Как только это будет сделано, вернитесь к своему терминалу и выполните ту же команду init .

  floyd init colornet
  

Хорошо, давайте запустим нашу работу:

  floyd run --data emilwallner / datasets / colornet / 2: data --mode jupyter --tensorboard
  

Небольшие заметки о нашей работе:

• Мы смонтировали общедоступный набор данных на FloydHub (который я уже загрузил) в каталог data с --data emilwallner / datasets / colornet / 2: data .Вы можете изучить и использовать этот набор данных (и многие другие общедоступные наборы данных), просмотрев его на FloydHub
• Мы включили Tensorboard с --tensorboard
• Мы выполнили задание в режиме Jupyter Notebook с --mode jupyter
• Если у вас есть кредит на GPU, вы также можете добавить к своей команде флаг GPU --gpu — это сделает его примерно в 50 раз быстрее

Перейдите в свой блокнот Jupyter на вкладке «Задания» на веб-сайте FloydHub, щелкните ссылку «Блокнот Jupyter» и перейдите к этому файлу: floydhub / Alpha version / working_floyd_pink_light_full.ipynb . Откройте его и нажмите Shift + Enter во всех ячейках.

Постепенно увеличивайте значение эпохи, чтобы почувствовать, как обучается нейронная сеть.

  model.fit (x = X, y = Y, batch_size = 1, epochs = 1)
  

Начните со значения эпохи 1 и увеличьте его до 10, 100, 500, 1000 и 3000. Значение эпохи указывает, сколько раз нейронная сеть учится на изображении. После обучения нейронной сети вы найдете изображение img_result.png в основной папке.

  # Get images
image = img_to_array (load_img ('woman.png'))
изображение = np.array (изображение, dtype = float)

# Импортировать изображения карты в цветовое пространство лаборатории
X = rgb2lab (1.0 / 255 * изображение) [:,:, 0]
Y = rgb2lab (1.0 / 255 * изображение) [:,:, 1:]
Y = Y / 128
X = X.reshape (1, 400, 400, 1)
Y = Y.reshape (1, 400, 400, 2)

model = Последовательный ()
model.add (InputLayer (input_shape = (Нет, Нет, 1)))

# Построение нейронной сети
model = Последовательный ()
model.add (InputLayer (input_shape = (Нет, Нет, 1)))
model.add (Conv2D (8, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
модель.add (Conv2D (8, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (16, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (16, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
model.add (Conv2D (32, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (32, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
model.add (UpSampling2D ((2, 2)))
model.add (Conv2D (32, (3, 3), Activation = 'relu', padding = 'same'))
model.add (UpSampling2D ((2, 2)))
model.add (Conv2D (16, (3, 3), Activation = 'relu', padding = 'same'))
модель.добавить (UpSampling2D ((2, 2)))
model.add (Conv2D (2, (3, 3), Activation = 'tanh', padding = 'same'))

# Готовая модель
model.compile (optimizer = 'rmsprop', loss = 'mse')

# Обучаем нейронную сеть
model.fit (x = X, y = Y, batch_size = 1, эпохи = 3000)
print (model.evaluate (X, Y, batch_size = 1))

# Выходные раскраски
output = model.predict (X)
вывод = вывод * 128
холст = np.zeros ((400, 400, 3))
холст [:,:, 0] = X [0] [:,:, 0]
холст [:,:, 1:] = вывод [0]
imsave ("img_result.png", lab2rgb (cur))
imsave ("img_gray_scale.png", rgb2gray (lab2rgb (cur)))
  

Команда FloydHub для запуска этой сети:

  floyd run --data emilwallner / datasets / colornet / 2: data --mode jupyter --tensorboard
  

Техническое объяснение

Напомним, что входом является сетка, представляющая черно-белое изображение.Он выводит две сетки со значениями цвета. Между входными и выходными значениями мы создаем фильтры, чтобы связать их вместе, сверточную нейронную сеть.

При обучении сети мы используем цветные изображения. Мы конвертируем цвета RGB в цветовое пространство Lab. Черно-белый слой — это наш вход, а два цветных слоя — выход.

Слева у нас есть черно-белый ввод или фильтры и прогноз от нашей нейронной сети.

Мы сопоставляем прогнозируемые значения и реальные значения в пределах одного интервала.Таким образом, мы можем сравнить значения. Интервал изменяется от -1 до 1. Чтобы отобразить предсказанные значения, мы используем функцию активации Tanh. Для любого значения, которое вы дадите функции Tanh, она вернет от -1 до 1.

Значения истинного цвета изменяются от -128 до 128, это интервал по умолчанию в цветовом пространстве Lab. Разделив их на 128, они тоже попадают в интервал от -1 до 1. Это позволяет нам сравнить ошибку с нашим прогнозом.

После вычисления окончательной ошибки сеть обновляет фильтры, чтобы уменьшить общую ошибку.Сеть остается в этом цикле до тех пор, пока ошибка не станет настолько низкой, насколько это возможно.

Давайте проясним синтаксис во фрагменте кода.

  X = rgb2lab (1.0 / 255 * изображение) [:,:, 0]
Y = rgb2lab (1.0 / 255 * изображение) [:,:, 1:]
  

1.0 / 255, указывает, что мы используем 24-битное цветовое пространство RGB. Это означает, что мы используем числа от 0 до 255 для каждого цветового канала. Это стандартный размер цветов, который дает 16,7 миллиона цветовых комбинаций. Поскольку люди могут воспринимать только 2-10 миллионов цветов, нет смысла использовать большее цветовое пространство.

  Y = Y / 128
  

Цветовое пространство Lab имеет другой диапазон по сравнению с RGB. Цветовой спектр ab в Lab изменяется от -128 до 128. Разделив все значения в выходном слое на 128, мы устанавливаем диапазон между -1 и 1. Мы сопоставляем его с нашей нейронной сетью, которая также возвращает значения между -1 и 1.

После преобразования цветового пространства из rgb2lab () , мы выбираем слой оттенков серого с помощью: [:,:, 0] . Это наш ввод для нейронной сети. [:,:, 1:] выбирает два цветовых слоя: зеленый – красный и сине – желтый.

После обучения нейронной сети мы делаем окончательный прогноз, который преобразуем в картинку.

  output = model.predict (X)
вывод = вывод * 128
  

Здесь мы используем изображение в градациях серого в качестве входных данных и пропускаем его через нашу обученную нейронную сеть. Мы берем все выходные значения от -1 до 1 и умножаем их на 128. Это дает нам правильный цвет в цветовом спектре Lab.

  холст = нп.нули ((400, 400, 3))
холст [:,:, 0] = X [0] [:,:, 0]
холст [:,:, 1:] = вывод [0]
  

Наконец, мы создаем черный холст RGB, заполняя его тремя слоями нулей. Затем мы копируем слой с оттенками серого из нашего тестового изображения. Затем мы добавляем наши два цветных слоя на холст RGB. Затем этот массив значений пикселей преобразуется в изображение.

Выводы из альфа-версии

• Читать научные статьи больно . Как только я суммировал основные характеристики каждой статьи, стало легче просматривать статьи.Это также позволило мне поместить детали в контекст.
• Простой запуск — ключ к успеху . Большинство реализаций, которые я смог найти в Интернете, содержат от 2 до 10 тысяч строк. Это затрудняло понимание основной логики проблемы. Как только у меня появилась barebone-версия, стало легче читать реализацию кода, а также исследовательские статьи.
• Изучите общественные проекты. Чтобы получить общее представление о том, что кодировать, я просмотрел 50–100 проектов по раскрашиванию на Github.
• Вещи не всегда работают должным образом. Вначале он мог создавать только красный и желтый цвета. Сначала у меня была функция активации Relu для финальной активации. Поскольку он отображает только числа в положительные цифры, он не может создавать отрицательные значения, синий и зеленый спектры. Это исправлено добавлением функции активации Tanh и отображением значений Y.
• Понимание> Скорость. Многие реализации, которые я видел, были быстрыми, но с ними было сложно работать. Я выбрал оптимизацию для скорости инноваций, а не для скорости кода.

Бета-версия

Чтобы понять слабые места альфа-версии, попробуйте раскрасить изображение, на котором она не обучалась. Если вы попробуете, то увидите, что это неудачная попытка. Это потому, что сеть запомнила информацию. Он не научился раскрашивать изображение, которого раньше не видел. Но вот что мы сделаем в бета-версии — научим нашу сеть обобщать.

Ниже приведен результат раскраски проверочных изображений нашей бета-версией.

Вместо использования Imagenet я создал общедоступный набор данных на FloydHub с изображениями более высокого качества. Изображения взяты с Unsplash — общих снимков профессиональных фотографов. Он включает 9,5 тыс. Обучающих изображений и 500 проверочных изображений.

Наша нейронная сеть находит характеристики, которые связывают полутоновые изображения с их цветными версиями.

Представьте, что вам нужно раскрасить черно-белые изображения — но с ограничением, что вы можете видеть только девять пикселей за раз.Вы можете сканировать каждое изображение сверху слева направо и пытаться предсказать, какого цвета должен быть каждый пиксель.

Например, эти девять пикселей — край ноздри женщины чуть выше. Как вы понимаете, создать хорошую раскраску практически невозможно, поэтому разбейте ее на шаги.

Сначала вы ищите простые шаблоны: диагональную линию, все черные пиксели и так далее. Вы ищете одинаковый точный узор в каждом квадрате и удаляете пиксели, которые не совпадают.Вы генерируете 64 новых изображения из своих 64 мини-фильтров.

Если вы отсканируете изображения еще раз, вы увидите те же мелкие узоры, которые вы уже обнаружили. Чтобы получить более высокий уровень понимания изображения, вы уменьшите размер изображения вдвое.

У вас по-прежнему есть только фильтр три на три для сканирования каждого изображения. Но, комбинируя свои новые девять пикселей с фильтрами более низкого уровня, вы можете обнаруживать более сложные шаблоны. Комбинация из одного пикселя может образовывать полукруг, маленькую точку или линию.Опять же, вы многократно извлекаете один и тот же узор из изображения. На этот раз вы создаете 128 новых отфильтрованных изображений.

После нескольких шагов полученные отфильтрованные изображения могут выглядеть примерно так:

Как уже упоминалось, вы начинаете с низкоуровневых функций, таких как ребро. Слои, расположенные ближе к выходу, объединяются в узоры, затем в детали и в конечном итоге превращаются в лицо. Если это сложно понять, то посмотрите этот видеоурок.

Этот процесс похож на большинство нейронных сетей, работающих со зрением, известных как сверточные нейронные сети.Свертка похожа на слово комбинировать, вы объединяете несколько отфильтрованных изображений, чтобы понять контекст изображения.

Нейронная сеть работает методом отслеживания и ошибок. Сначала он делает случайный прогноз для каждого пикселя. Основываясь на ошибке для каждого пикселя, он работает в обратном направлении по сети, чтобы улучшить извлечение признаков.

Начинается корректировка ситуаций, в которых возникают наибольшие ошибки. В данном случае — раскрашивать или нет и находить разные объекты.Затем окрашивает все объекты в коричневый цвет. Это цвет, который больше всего похож на все другие цвета, что дает наименьшую ошибку.

Поскольку большая часть обучающих данных очень похожа, сеть изо всех сил пытается различать разные объекты. Он отрегулирует различные оттенки коричневого, но не сможет создать более тонкие цвета. Это то, что мы рассмотрим в полной версии.

Ниже приведен код бета-версии, за которым следует техническое объяснение кода.

  # Get images
X = []
для имени файла в os.listdir ('../ Поезд /'):
    X.append (img_to_array (load_img ('../ Train /' + имя файла)))
X = np.array (X, dtype = float)

# Настроить тренировочные и тестовые данные
split = int (0,95 * len (X))
Xtrain = X [: split]
Xtrain = 1.0 / 255 * Xtrain

# Дизайн нейронной сети
model = Последовательный ()
model.add (InputLayer (input_shape = (256, 256, 1)))
model.add (Conv2D (64, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (64, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
model.add (Conv2D (128, (3, 3), Activation = 'relu', padding = 'same'))
модель.add (Conv2D (128, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
model.add (Conv2D (256, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (256, (3, 3), Activation = 'relu', padding = 'same', strides = 2))
model.add (Conv2D (512, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (256, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (128, (3, 3), Activation = 'relu', padding = 'same'))
model.add (UpSampling2D ((2, 2)))
model.add (Conv2D (64, (3, 3), Activation = 'relu', padding = 'same'))
модель.добавить (UpSampling2D ((2, 2)))
model.add (Conv2D (32, (3, 3), Activation = 'relu', padding = 'same'))
model.add (Conv2D (2, (3, 3), Activation = 'tanh', padding = 'same'))
model.add (UpSampling2D ((2, 2)))

# Готовая модель
model.compile (optimizer = 'rmsprop', loss = 'mse')

# Преобразователь изображений
datagen = ImageDataGenerator (
        shear_range = 0,2,
        zoom_range = 0,2,
        Rotation_range = 20,
        horizontal_flip = Истина)

# Создание обучающих данных
batch_size = 50
def image_a_b_gen (размер_пакета):
    для партии в датагене.поток (Xtrain, batch_size = batch_size):
        lab_batch = rgb2lab (партия)
        X_batch = lab_batch [:,:,:, 0]
        Y_batch = lab_batch [:,:,:, 1:] / 128
        yield (X_batch.reshape (X_batch.shape + (1,)), Y_batch)

# Модель поезда
TensorBoard (log_dir = '/ output')
model.fit_generator (image_a_b_gen (batch_size), steps_per_epoch = 10000, epochs = 1)
# Тестовые изображения
Xtest = rgb2lab (1.0 / 255 * X [split:]) [:,:,:, 0]
Xtest = Xtest.reshape (Xtest.shape + (1,))
Ytest = rgb2lab (1.0 / 255 * X [split:]) [:,:,:, 1:]
Ytest = Ytest / 128
модель печати.оценить (Xtest, Ytest, batch_size = batch_size)

# Загрузить черно-белые изображения
color_me = []
для имени файла в os.listdir ('../ Test /'):
        color_me.append (img_to_array (load_img ('../ Test /' + имя файла)))
color_me = np.array (color_me, dtype = float)
color_me = rgb2lab (1.0 / 255 * color_me) [:,:,:, 0]
color_me = color_me.reshape (color_me.shape + (1,))

# Тестовая модель
output = model.predict (color_me)
вывод = вывод * 128

# Выходные раскраски
для i в диапазоне (len (вывод)):
        cur = np.zeros ((256, 256, 3))
        cur [:,:, 0] = color_me [i] [:,:, 0]
        cur [:,:, 1:] = вывод [i]
        imsave ("результат / img _" + str (i) + ".png ", lab2rgb (cur))
  

Вот команда FloydHub для запуска нейронной сети Beta:

  floyd run --data emilwallner / datasets / colornet / 2: data --mode jupyter --tensorboard
  

Технические пояснения

Основное отличие от других визуальных сетей — важность расположения пикселей. В раскрашивающих сетях размер или соотношение изображений остаются неизменными во всей сети. В других сетях изображение искажается по мере приближения к последнему слою.

Уровни максимального объединения в классификационных сетях увеличивают плотность информации, но также искажают изображение. Он ценит только информацию, но не макет изображения. В раскрашивании сетей мы вместо этого используем шаг 2, чтобы уменьшить ширину и высоту вдвое. Это также увеличивает плотность информации, но не искажает изображение.

Еще два отличия — это повышающая дискретизация слоев и сохранение соотношения сторон изображения. Классификационные сети заботятся только об окончательной классификации.Поэтому они продолжают уменьшать размер и качество изображения по мере его прохождения по сети.

Раскрашивающие сети сохраняют пропорции изображения. Это делается путем добавления белого отступа, как на визуализации выше. В противном случае каждый сверточный слой обрезает изображения. Это делается с помощью параметра * padding = 'same' * . **

Чтобы удвоить размер изображения, сеть раскраски использует слой с повышающей дискретизацией. [Документация]

  для имени файла в os.listdir ('/ Color_300 / Train /'):
    ИКС.добавить (img_to_array (load_img ('/ Color_300 / Test' + имя файла)))
  

Этот цикл for сначала подсчитывает все имена файлов в каталоге. Затем он выполняет итерацию по каталогу изображений, преобразует изображения в массив пикселей и объединяет их в гигантский вектор.

  datagen = ImageDataGenerator (
        shear_range = 0,2,
        zoom_range = 0,2,
        Rotation_range = 20,
        horizontal_flip = Истина)
  

В ImageDataGenerator мы настраиваем настройку для нашего генератора изображений.Таким образом, одно изображение никогда не будет прежним, что улучшит процесс обучения. shear_range наклоняет изображение влево или вправо, а другие настройки не требуют пояснений. [Документация]

  batch_size = 50
def image_a_b_gen (размер_пакета):
    для партии в datagen.flow (Xtrain, batch_size = batch_size):
        lab_batch = rgb2lab (партия)
        X_batch = lab_batch [:,:,:, 0]
        Y_batch = lab_batch [:,:,:, 1:] / 128
        yield (X_batch.reshape (X_batch.shape + (1,)), Y_batch)
  

Мы используем изображения из нашей папки Xtrain, генерируя изображения на основе указанных выше настроек.Затем мы извлекаем черно-белый слой для X_batch и два цвета для двух цветных слоев.

  model.fit_generator (image_a_b_gen (batch_size), steps_per_epoch = 1, epochs = 1000)
  

Чем мощнее ваш графический процессор, тем больше изображений вы в него поместите. При такой настройке вы можете использовать 50–100 изображений. steps_per_epoch рассчитывается путем деления количества обучающих изображений на размер вашего пакета. Например, 100 изображений с размером пакета 50, равным 2 шагам на эпоху.Количество эпох определяет, сколько раз вы хотите тренировать все изображения. 10К изображений с 21 эпохой займут около 11 часов на графическом процессоре Tesla K80.

Выводы

• Проведите множество экспериментов с небольшими партиями, прежде чем выполнять большие серии. Даже после 20-30 экспериментов все равно находил ошибки. То, что он работает, не означает, что он работает. Ошибки в нейронной сети часто более сложны, чем традиционные ошибки программирования. Одной из самых странных была моя икота Адама.
• Более разнообразный набор данных делает изображения коричневыми. Если у вас очень похожие изображения, вы можете получить достойный результат без более сложной архитектуры. Но они также хуже умеют обобщать.
• Формы, формы и формы. Размер каждого изображения должен быть точным и оставаться пропорциональным во всей сети. Вначале я использовал размер изображения 300, разделив его пополам три раза, вы получите 150, 75 и 35,5. Таким образом, теряется половина пикселя.Это привело ко многим «хитростям», пока я не понял, что лучше использовать степень двойки: 2, 8, 16, 32, 64, 256 и так далее.
• Создание наборов данных

Полная версия

Наша последняя версия нейронной сети раскраски состоит из четырех компонентов. Мы разделили ранее существовавшую сеть на кодировщик и декодер. Между ними мы будем использовать слой слияния. Если вы новичок в классификационных сетях, я бы порекомендовал бегло взглянуть на это руководство.

Параллельно кодировщику входные изображения также проходят через один из самых мощных на сегодняшний день классификаторов — inception resnet v2 — сеть, обученную на 1.2M изображений. Мы извлекаем слой классификации и объединяем его с выходными данными кодировщика.

Вот более подробное изображение из оригинальной статьи.

Перенося знания из классификатора в раскрашивающую сеть, сеть может получить представление о том, что изображено на картинке. Таким образом, позволяя сети сопоставлять представление объекта со схемой окраски.

Вот некоторые из проверочных изображений, использующих только 20 изображений для обучения сети.

Большинство изображений оказались плохими, но мне удалось найти несколько достойных из-за большого набора для проверки (2500 изображений). Тренировка на большем количестве изображений дала более стабильный результат, но большинство из них получилось коричневатым. Вот полный список экспериментов, которые я проводил, включая проверочные изображения [1] [2].

Вот наиболее распространенные архитектуры из предыдущего исследования:

Архитектура

• Добавление небольших цветных точек на изображение вручную для направления нейронной сети [1]
• Найдите подходящее изображение и перенесите раскраску [1] [2] [3]
• Остаточный кодер и объединение уровней классификации [1]
• Объединение гиперстолбцов из классифицирующей сети [1] [2]
• Объединение окончательной классификации кодера и декодера [1] [2]

Цветовые пространства

Lab, YUV, HSV и LUV [1] [2] [3] [4]

Убыток

Среднеквадратичная ошибка, классификация, взвешенная классификация [1] [2] [3]

Я выбрал E, — с фьюжн-слоем.Он дает одни из лучших результатов, и его легко понять и воспроизвести в Керасе. Хотя это не самая сильная цветовая схема, она идеальна для начала. Это отличная архитектура для понимания динамики проблемы окраски.

Я использовал дизайн нейронной сети из этой статьи (Baldassarre alt el., 2017) с моей собственной интерпретацией в Керасе.

Примечание: в приведенном ниже коде я переключаюсь с последовательной модели Keras на их функциональный API. [Документация]

  # Get images
X = []
для имени файла в os.listdir ('/ data / images / Train /'):
    X.append (img_to_array (load_img ('/ data / images / Train /' + имя_файла)))
X = np.array (X, dtype = float)
Xtrain = 1.0 / 255 * X

# Вес груза
inception = InceptionResNetV2 (веса = Нет, include_top = True)
inception.load_weights ('/ data / inception_resnet_v2_weights_tf_dim_ordering_tf_kernels.h5')
inception.graph = tf.get_default_graph ()

embed_input = Вход (форма = (1000,))

#Encoder
encoder_input = Вход (форма = (256, 256, 1,))
encoder_output = Conv2D (64, (3,3), Activation = 'relu', padding = 'same', strides = 2) (encoder_input)
encoder_output = Conv2D (128, (3,3), активация = 'relu', padding = 'same') (encoder_output)
encoder_output = Conv2D (128, (3,3), Activation = 'relu', padding = 'same', strides = 2) (encoder_output)
encoder_output = Conv2D (256, (3,3), активация = 'relu', padding = 'same') (encoder_output)
encoder_output = Conv2D (256, (3,3), Activation = 'relu', padding = 'same', strides = 2) (encoder_output)
encoder_output = Conv2D (512, (3,3), активация = 'relu', padding = 'same') (encoder_output)
encoder_output = Conv2D (512, (3,3), активация = 'relu', padding = 'same') (encoder_output)
encoder_output = Conv2D (256, (3,3), активация = 'relu', padding = 'same') (encoder_output)

#Слияние
fusion_output = RepeatVector (32 * 32) (embed_input)
fusion_output = Изменить форму (([32, 32, 1000])) (fusion_output)
fusion_output = concatenate ([encoder_output, fusion_output], ось = 3)
fusion_output = Conv2D (256, (1, 1), активация = 'relu', padding = 'same') (fusion_output)

# Декодер
decoder_output = Conv2D (128, (3,3), активация = 'relu', padding = 'same') (fusion_output)
decoder_output = UpSampling2D ((2, 2)) (decoder_output)
decoder_output = Conv2D (64, (3,3), активация = 'relu', padding = 'same') (decoder_output)
decoder_output = UpSampling2D ((2, 2)) (decoder_output)
decoder_output = Conv2D (32, (3,3), активация = 'relu', padding = 'same') (decoder_output)
decoder_output = Conv2D (16, (3,3), активация = 'relu', padding = 'same') (decoder_output)
decoder_output = Conv2D (2, (3, 3), Activation = 'tanh', padding = 'same') (decoder_output)
decoder_output = UpSampling2D ((2, 2)) (decoder_output)

model = Модель (входы = [encoder_input, embed_input], output = decoder_output)

#Create embedding
def create_inception_embedding (grayscaled_rgb):
    grayscaled_rgb_resized = []
    для i в grayscaled_rgb:
        i = resize (i, (299, 299, 3), mode = 'constant')
        grayscaled_rgb_resized.добавить (я)
    grayscaled_rgb_resized = np.array (grayscaled_rgb_resized)
    grayscaled_rgb_resized = preprocess_input (grayscaled_rgb_resized)
    с inception.graph.as_default ():
        embed = inception.predict (grayscaled_rgb_resized)
    возврат встраивать

# Преобразователь изображений
datagen = ImageDataGenerator (
        shear_range = 0,4,
        zoom_range = 0,4,
        диапазон_ вращения = 40,
        horizontal_flip = Истина)

# Создать данные для обучения
batch_size = 20

def image_a_b_gen (размер_пакета):
    для партии в датагене.поток (Xtrain, batch_size = batch_size):
        grayscaled_rgb = gray2rgb (rgb2gray (пакет))
        embed = create_inception_embedding (grayscaled_rgb)
        lab_batch = rgb2lab (партия)
        X_batch = lab_batch [:,:,:, 0]
        X_batch = X_batch.reshape (X_batch.shape + (1,))
        Y_batch = lab_batch [:,:,:, 1:] / 128
        yield ([X_batch, create_inception_embedding (grayscaled_rgb)], Y_batch)

# Модель поезда
tenorboard = TensorBoard (log_dir = "/ output")
model.compile (optimizer = 'adam', loss = 'mse')
модель.fit_generator (image_a_b_gen (batch_size), callbacks = [tensorboard], epochs = 1000, steps_per_epoch = 20)

# Сделайте прогноз по невидимым изображениям
color_me = []
для имени файла в os.listdir ('../ Test /'):
    color_me.append (img_to_array (load_img ('../ Test /' + имя файла)))
color_me = np.array (color_me, dtype = float)
color_me = 1.0 / 255 * color_me
color_me = gray2rgb (rgb2gray (color_me))
color_me_embed = create_inception_embedding (color_me)
color_me = rgb2lab (color_me) [:,:,:, 0]
color_me = color_me.reshape (color_me.shape + (1,))


# Тестовая модель
выход = модель.предсказать ([color_me, color_me_embed])
вывод = вывод * 128

# Выходные раскраски
для i в диапазоне (len (вывод)):
    cur = np.zeros ((256, 256, 3))
    cur [:,:, 0] = color_me [i] [:,:, 0]
    cur [:,:, 1:] = вывод [i]
    imsave ("результат / img _" + str (i) + ". png", lab2rgb (cur))
  

Вот команда FloydHub для запуска полной нейронной сети:

  floyd run --data emilwallner / datasets / colornet / 2: data --mode jupyter --tensorboard
  

Технические пояснения

Функциональный API

Keras идеально подходит, когда мы объединяем или объединяем несколько моделей.

Сначала мы загружаем нейронную сеть inception resnet v2 и загружаем веса. Поскольку мы будем использовать две модели параллельно, нам нужно указать, какую модель мы используем. Это делается в Tensorflow, бэкэнде для Keras.

  inception = InceptionResNetV2 (веса = None, include_top = True)
inception.load_weights ('/ data / inception_resnet_v2_weights_tf_dim_ordering_tf_kernels.h5')
inception.graph = tf.get_default_graph ()
  

Для создания нашей партии мы используем измененные изображения.Мы превращаем их в черно-белые и проходим через начальную модель resnet.

  grayscaled_rgb = gray2rgb (rgb2gray (пакет))
embed = create_inception_embedding (grayscaled_rgb)
  

Во-первых, мы должны изменить размер изображения, чтобы оно соответствовало исходной модели. Затем мы используем препроцессор для форматирования значений пикселей и цвета в соответствии с моделью. На последнем этапе мы пропускаем его через начальную сеть и извлекаем последний слой модели.

  def create_inception_embedding (grayscaled_rgb):
    grayscaled_rgb_resized = []
    для i в grayscaled_rgb:
        i = resize (i, (299, 299, 3), mode = 'constant')
        grayscaled_rgb_resized.добавить (я)
    grayscaled_rgb_resized = np.array (grayscaled_rgb_resized)
    grayscaled_rgb_resized = preprocess_input (grayscaled_rgb_resized)
    с inception.graph.as_default ():
        embed = inception.predict (grayscaled_rgb_resized)
    возврат встраивать
  

Возвращаемся к генератору. Для каждого пакета мы генерируем 20 изображений в формате ниже. На графическом процессоре Tesla K80 это занимает около часа. С этой моделью он может делать до 50 изображений одновременно без проблем с памятью.

  yield ([X_batch, create_inception_embedding (grayscaled_rgb)], Y_batch)
  

Это соответствует нашему формату модели colornet.

  model = Модель (входы = [encoder_input, embed_input], output = decoder_output)
  

encoder_input подается в нашу модель Encoder, затем выходные данные модели Encoder объединяются с embed_input в слое слияния; результат слияния затем используется в качестве входных данных в нашей модели декодера, которая затем возвращает окончательный результат, decoder_output .

  fusion_output = RepeatVector (32 * 32) (embed_input)
fusion_output = Изменить форму (([32, 32, 1000])) (fusion_output)
fusion_output = concatenate ([fusion_output, encoder_output], ось = 3)
fusion_output = Conv2D (256, (1, 1), активация = 'relu') (fusion_output)
  

В слое слияния мы сначала умножаем уровень категории 1000 на 1024 (32 * 32).Таким образом, мы получаем 1024 строки с последним слоем из начальной модели. Затем его форма преобразуется из 2D в 3D, сетка 32 x 32 с столбцами 1000 категорий. Затем они связываются вместе с выходными данными модели кодировщика. Мы применяем сверточную сеть с фильтром 254 с ядром 1X1, конечным результатом слоя слияния.

Выводы

• Терминология исследования была сложной. Я потратил три дня на поиски способов реализации «модели Fusion» в Керасе.Поскольку это звучало сложно, я не хотел сталкиваться с проблемой. Вместо этого я обманом заставил себя искать короткие пути.
• Я задавал вопросы онлайн. У меня не было ни одного комментария в Slack-канале Keras, и Stack Overflow удалил мои вопросы. Но, публично разобрав проблему, чтобы упростить ответ, он заставил меня изолировать ошибку, приблизив меня к решению.
• Электронная почта людям. Хотя форумы могут быть холодными, людей волнует, если вы общаетесь с ними напрямую.Обсуждение цветовых пространств по Skype с незнакомым исследователем вдохновляет.
• Откладывая решение проблемы слияния, я решил собрать все компоненты, прежде чем сшивать их вместе. Вот несколько экспериментов, которые я использовал для разрушения слоя слияния.
• Когда у меня появилось что-то, что, как я думал, будет работать, я не решился запустить это. Хотя я знал, что основная логика в порядке, я не верил, что она сработает. После чашки чая с лимоном и долгой прогулки — запустил.После первой строчки в моей модели возникла ошибка. Но через четыре дня, несколько сотен ошибок и несколько тысяч поисковых запросов в Google появилась «Эпоха 1/22» по моей модели.

Следующие шаги

Раскрашивание изображений — очень интересная проблема. Это такая же научная проблема, как и художественная. Я написал эту статью, чтобы вы быстро научились раскрашивать и продолжить с того места, где я остановился. Вот несколько советов для начала:

• Реализуйте это с другой предварительно обученной моделью
• Другой набор данных
• Повышение точности сети с большим количеством изображений
• Создайте усилитель в цветовом пространстве RGB.Создайте модель, аналогичную раскрашивающей сети, которая принимает насыщенное цветное изображение на входе и правильное цветное изображение на выходе.
• Внедрить взвешенную классификацию
• Используйте классификационную нейронную сеть как функцию потерь. Изображения, которые классифицируются как поддельные, вызывают ошибку. Затем он решает, насколько каждый пиксель повлиял на ошибку.
• Примените его к видео. Не беспокойтесь о раскраске, но переключайтесь между изображениями последовательно. Вы также можете сделать что-то подобное для больших изображений, разместив меньшие по размеру.

Вы также можете легко раскрасить свои собственные черно-белые изображения с помощью трех моих версий нейронной сети раскрашивания с использованием FloydHub.

• Для альфа-версии просто замените файл woman.jpg файлом с тем же именем (размер изображения 400×400 пикселей).
• Для бета-версии и полной версии добавьте изображения в папку Test перед запуском команды FloydHub. Вы также можете загрузить их прямо из записной книжки в папку «Тест» во время работы записной книжки.Обратите внимание, что эти изображения должны быть ровно 256×256 пикселей. Кроме того, вы можете загружать все тестовые изображения в цвете, потому что это автоматически преобразует их в черно-белые.

Если вы что-то построите или застрянете, напишите мне в твиттер: emilwallner. Я хотел бы увидеть, что вы создаете.

Огромное спасибо Федерико Бальдассарре за ответы на уточняющие вопросы и их предыдущую работу по раскрашиванию. Также спасибо Muthu Chidambaram, который повлиял на реализацию ядра в Keras, сообществу Unsplash за предоставленные изображения.Также спасибо Марин Хазиза, Валдемарасу Репсис, Цинпин Хоу, Чарли Харрингтону, Сай Соундарарадж, Яннесу Клаасу, Клаудио Кабралу, Алену Демене и Игнасио Тоноли за чтение черновиков этого текста.

Подъем штанги

Готовы вывести раскрашивание на новый уровень ?! Пожалуйста, поприветствуйте DeOldify: основанный на GAN подход к раскрашиванию и восстановлению старых изображений и фильмов.

---

Приглашение FloydHub для авторов ИИ

Хотите писать потрясающие статьи, как Эмиль, и сыграть свою роль на долгом пути к общему искусственному интеллекту? Мы ищем увлеченных писателей, чтобы создать лучший в мире блог для практического применения новаторского А.I. техники. FloydHub имеет большой охват в сообществе ИИ, и с вашей помощью мы можем вдохновить новую волну ИИ. Подайте заявку сейчас и присоединяйтесь к команде!

---

Об Эмиле Валлнер

Это третья часть серии блогов, состоящих из нескольких частей, от Эмиля, как он изучает глубокое обучение. Эмиль провел десять лет, исследуя человеческое обучение. Он работал в бизнес-школе Оксфорда, инвестировал в образовательные стартапы и построил бизнес в сфере образовательных технологий. В прошлом году он поступил в Ecole 42, чтобы применить свои знания о человеческом обучении к машинному обучению.Эмиль также является писателем AI для FloydHub.

Вы можете следить за Эмилем в Twitter и на Medium.

Мы всегда ищем больше гостей, которые пишут интересные сообщения в блогах о глубоком обучении. Дайте нам знать в Twitter, если вам интересно.

Почему дебаты о черно-белых и цветных фотографиях — это вообще не дискуссия | Ларс Мензель | Vantage

Акт II: Монохромный взгляд

Почему Картье-Брессон так решительно отказался от цвета? Скорее всего, потому, что черно-белое изображение работает иначе, чем цветное.

Объекты, которые хорошо смотрятся в черно-белом цвете, часто не выглядят хорошо в цвете. По той же причине, по которой яркие цветные изображения после обесцвечивания выглядят скучно. Образы фотоисторической пушки выполнены в той или иной палитре. Каждый видит и снимает в том же цвете или в черно-белом цвете, что и пленка или сенсоры вашей камеры.

Портреты Тины Модотти основаны на резком контрасте черно-белой фотографии.

Для пионеров фотографии это означало научиться снимать объекты, которые хорошо работали в черно-белом цвете — просто посмотрите на высококонтрастные снимки модернистов, таких как Эдвард Уэстон и Тина Модотти, абстрактные портреты Мана Рэя.Они снимали не только из , но и для в черно-белом цвете, подчеркивая форму, контраст и формы.

«Цвет отрицает все трехмерные ценности фотографии», — позже утверждал Картье-Брессон. Черно-белое не ограничивало его — фотографы того времени знали, как им пользоваться.

Пейзаж Анри Картье-Брессона

Способы съемки этих фотографов также объясняют их позицию, когда на сцену выходит цвет. Цвет заставил их выглядеть иначе.Сообщается, что после экспериментов с полихромией Картье-Брессон был настолько недоволен, что уничтожил свои негативы — и по-прежнему известен только своими монохромными работами.

В статье «Понимание фотографии» Джон Бергер писал, что «картины до изобретения фотографии — единственное имеющееся у нас визуальное свидетельство того, как люди видели мир». Я бы сказал, что черно-белые фотографии до изобретения цветной фотографии также дают нам представление о том, как фотографы видели мир: в красивых оттенках серого.

Так же, как черно-белое сейчас кажется нашим глазам уменьшенным, цвет, должно быть, казался безвкусным фотографам 1950-х: он выглядел как украшение. Когда рекламные фотографы стали использовать цвет, презрение художников только возросло. В 1959 году Уолтер Эванс заявил: «Есть четыре простых слова, которые нужно произносить шепотом: цветная фотография вульгарна».

Сегодня такая позиция кажется абсурдной. Цветная фотография долгое время была стандартным способом изображения мира. Произошло еще одно изменение парадигмы и небольшое восстание.

4 совета, которые помогут вам выбрать между черным и белым или цветным для вашего изображения

Почему черно-белые фотографии говорят с нами? В природе цвета предназначены для того, чтобы привлекать и заставлять нас привлекать наше внимание. Тем не менее, даже без цвета, черно-белые изображения являются основой нашего ремесла и мощным выражением художественного духа.

Есть много разных мнений о черно-белой фотографии. Некоторым фотографам это нравится и они снимают исключительно в черно-белом режиме, в то время как другие фотографы категорически избегают этого понятия и снимают только в цвете.Тогда у вас есть большинство из нас, кто находится где-то между полюсами любви и ненависти. К счастью, эпоха цифровых изображений позволяет фотографам решать постфактум, какие изображения делают нас счастливее: полноцветные или черно-белые. Однако такая простота преобразования может стать своего рода проблемой, потому что на самом деле переключиться с цветного на черно-белый настолько просто, что это может вызвать противоречивые чувства по поводу того, какой путь выбрать. Хотя на самом деле не существует абсолютной волшебной формулы для определения наилучшего выбора для вашего конкретного изображения, есть несколько рекомендаций, которым вы можете следовать, чтобы немного облегчить свое решение.

Вот четыре совета, которые помогут вам решить, будет ли изображение более привлекательным в черно-белом цвете, чем в цветном.

Черно-белое или цветное?

# 1 Сильно ли влияет цвет на изображение?

Это может показаться легким суждением, но не всегда так просто. Цвет может быть непостоянным и может либо добавить, либо непреднамеренно снизить интерес к фотографии. Спросите себя: «Основывается ли это изображение исключительно на цвете или есть другие интересные аспекты, которые можно подчеркнуть?» Насколько приятно было бы смотреть на бесцветную радугу? Это не означает, что все красочные объекты и сцены не будут хорошо сочетаться с черно-белыми, но, как правило, наиболее ярко или разнообразно окрашенные предметы должны оставаться именно такими — красочными.

Это изображение действительно ничего не говорило о цвете, поэтому я использовал сильную подсветку сзади, чтобы создать сильный контраст с объектом.

В исходном изображении не так много изменений в цвете, поэтому я решил преобразовать его в черно-белый, чтобы действительно выделить узоры.

Обычно подтверждается и обратное. Когда у вас изначально мягкая сцена или приглушенные цвета, изображение обычно хорошо получается при преобразовании в черно-белое, и это подводит нас к совету №2.

# 2 Есть интересный свет или контрасты?

Здесь начинающие фотографы, как правило, сталкиваются с небольшими трудностями, потому что для того, чтобы увидеть хороший свет или контрасты, обычно требуется довольно много предварительной визуализации. Не волнуйся! Для развития глаза требуется некоторое развитие. Чем больше вы заставляете себя смотреть за пределы очевидного, тем больше вы научитесь видеть почти в черно-белом.

Когда вы удаляете цвет из фотографического уравнения, у вас остаются только различия в тоне; свет и тьма.Эти различия — вот что действительно делает хорошие черно-белые изображения, а различия в свете и тени создают контраст фотографии. Итак, когда вы видите, что данная сцена или объект дает возможность использовать резкие контрасты и уникальное освещение или тень, это может быть отличной возможностью попробовать черно-белое изображение. Взгляните на это изображение листа комнатного растения.

Я использовал одиночную вспышку позади листа, чтобы действительно выделить контрасты внутри. Обычно эти детали могли остаться незамеченными, а черно-белая обработка действительно дополняет освещение.

Великий Ансель Адам сказал, что он; «Мог передать большее чувство цвета с помощью хорошо выполненных черно-белых изображений, используя только свет, тень и даже тонкости текстуры, чтобы выразить качества фотографии». Последняя переменная, текстура, подводит нас к совету №3.

# 3 Есть интересные текстуры?

Когда мы думаем о текстуре, мы можем легко описать ее в терминах того, как вещи ощущаются физически, когда мы воспринимаем их через наше осязание. Однако текстуру в фотографии сложнее выразить словами.Текстуру на фотографии нужно воспринимать глазами, а затем мы определяем, гладкая она, грубая или грубая. Преобразование тактильного осязаемого в визуально осязаемое изображение требует практики и натренированного глаза, и именно здесь работа в черно-белом режиме может быть лучшим выбором. Примеры текстур, которые хорошо подходят для черно-белых фотографий, — это дерево, металлы и камень, даже растения и человеческая кожа. Направленное освещение (свет в основном из одного источника, идущего сбоку) дополняет и помогает подчеркнуть текстуры.

Это изображение было создано при естественном освещении, падающем прямо с одной стороны. Это действительно подчеркивает текстуру, недостатки и шероховатость фотографии.

Этот последний совет выходит за рамки физических атрибутов изображения и касается тех чувств, которые мы хотим передать с помощью фотографии. Вот где действительно может проявить себя черно-белая фотография.

# 4 Какое настроение вы хотите создать?

Вы когда-нибудь смотрели фотографию и сразу же поражались ее ощущениям? Это часто называют настроением фотографии.Это может быть мрачная и дождливая уличная сцена или изображение теплого и радушного заката. В любом случае использование черно-белого изображения — хороший способ передать настроение в вашей фотографии. По общему признанию, черно-белый обычно придает фотографии темный, мрачный, мрачный или эфирный оттенок, но это не значит, что он не подходит для более оптимистичных изображений. Преобразуйте некоторые из ваших пейзажей в черно-белые, чтобы увидеть, как может измениться настроение. Поэкспериментируйте с черно-белыми портретами, которые помогут изобразить объект съемки более стойким и задумчивым.

На этой фотографии жаркого дня на Бостон-Коммон было много различий в освещении, а также отличная окраска, особенно в небе. Тем не менее, я выбрал черно-белое, потому что мне просто было легче и он больше соответствовал тому, что я видел в своей голове.

Имейте в виду, что вы можете столкнуться с другими терминами, если решите больше работать с черно-белой фотографией. Эти термины обычно меняются местами, но на самом деле они не все одинаковы. Это поможет вам понять различия в каждом из них, чтобы вы знали, чего ожидать.

Монохромный

Монохромный означает, что для создания изображения используются разные оттенки только одного цвета. Это часто считается черно-белым (технически одноцветным), но на самом деле можно использовать любой цвет. Фотографии, окрашенные в оттенки сепии, являются хорошим примером монохромных изображений.

Это пример монохромной фотографии, которая не является черно-белой.

Оттенки серого

Термин «оттенки серого» — это еще один термин, который используется для обозначения черно-белых изображений.Хотя это и не совсем неверно, в изображениях в градациях серого используются только различные оттенки серого (точнее 256), и никакой другой цвет. Оттенки серого могут быть очень мягкими, когда не используются другие виды редактирования, потому что они, как правило, оставляют всю фотографию средне-серой. Обратите внимание, насколько мягким и неинтересным выглядит изображение ниже, преобразованное в оттенки серого.

Истинный черный и белый

Как я уже сказал, черно-белые изображения действительно монохроматические, но не все монохромные изображения являются черно-белыми.В настоящих черно-белых фотографиях для создания изображения используется только черный и белый, хотя в большинстве по-прежнему используется смесь серых тонов.

Это то же изображение, что и выше, после дальнейшей обработки, чтобы оно было ближе к истинной черно-белой фотографии. Становятся более очевидными различия в тонах, и фотография становится намного приятнее.

Черно-белая фотография была основным жанром с момента зарождения фотографии и превратилась в высокий вид искусства.Конечно, есть люди, которые просто не любят черно-белые изображения и предпочитают все в цвете. Тем не менее, черно-белую фотографию нельзя сбрасывать со счетов и, конечно же, недооценивать с точки зрения художественного выражения. Современное программное обеспечение для обработки изображений делает преобразование цветных изображений в черно-белые практически без усилий, поэтому воспользуйтесь этими советами и попробуйте!

Как «вручную раскрасить» черно-белые фотографии в цифровом формате в Photoshop

Не так давно я написал практическую статью от B&H Explora о ручном раскрашивании черно-белых фотографий с использованием тонированных черно-белых отпечатков и прозрачных масел для фотографий .Статья была хорошо принята, и ее было интересно написать. Это также заставило меня задуматься, есть ли способ создавать изображения, имитирующие внешний вид, цвет и ощущение раскрашенных вручную отпечатков в электронном виде с использованием Photoshop.

Короче говоря, я немного поигрался, и, знаете ли, это возможно. Ты можешь это сделать. Более того, в отличие от фотографий, раскрашенных вручную масляной краской, здесь нет никакой очистки. Все, что вам нужно сделать, когда вы закончите, — это нажать «Сохранить».

Фотографии © Allan Weitz 2020

Вы начинаете с черно-белого изображения…

Если у вас уже есть черно-белое изображение — хорошо; вы выполнили первый шаг.Возьмите пять и поговорите между собой. Если вы начинаете с файла цветного изображения, у вас есть два варианта. Первый вариант — открыть изображение в Photoshop и перейти к ИЗОБРАЖЕНИЮ> НАСТРОЙКИ> ОТТЕНОК / НАСЫЩЕННОСТЬ и сдвинуть ползунок НАСЫЩЕННОСТЬ в главном канале до упора влево. Бум, у вас есть черно-белое преобразование вашего файла цветного изображения.

Второй — и предпочтительнее — метод заключается в том, чтобы открыть изображение в Photoshop и перейти в ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ЧЕРНО-БЕЛЫЙ и сделать паузу в меню цветового канала.

Этот шаг дает вам возможность настроить тональность изображения путем индивидуальной настройки каналов красного, желтого, зеленого, голубого, синего и пурпурного цветов. Это важно, потому что при раскрашивании фотографий вы хотите иметь возможность раскрыть теневые области, чтобы расширить диапазон тональности изображения, открывая ранее скрытые детали. Эти настройки могут быть выполнены глобально в режиме «Мастер», но у вас будет гораздо больше контроля над светом и тенями, если вы пройдете через цветовой канал файла изображения за цветовым каналом.

Лучший метод преобразования файла цветного изображения в черно-белое в Photoshop — это перейти в ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ЧЕРНО-БЕЛЫЙ. Оттуда вы настраиваете каждый из ползунков, чтобы максимизировать степень детализации, которую вы можете видеть, от светлых участков до самых темных теней. Для достижения наилучших результатов визуализируйте изображение немного ярче, чем обычно, прежде чем нажимать кнопку «Сохранить».

Для достижения наилучших результатов рекомендуется осветлить окончательное изображение примерно на 10–15% больше, чем обычно, прежде чем нажимать кнопку «Сохранить».Это позволяет цветам лучше смешиваться и сливаться с теневыми областями. Имейте в виду, что вы всегда можете увеличить плотность теневых областей, а также выполнить точную настройку насыщенности и значений тона каждого из цветовых каналов в конце процесса. (Об этом я еще раз напомню ближе к концу рассказа)

Прежде чем двигаться дальше, убедитесь, что вы используете файл изображения RGB, а не одноканальный файл оттенков серого. Они выглядят точно так же на вашем мониторе, но сегодня мы не сможем творить чудеса, если файл изображения имеет только оттенки серого.

Если вы преобразовали цветной файл в черно-белый с помощью любого из описанных выше методов, все готово. Если вы не уверены, какое у вас черно-белое изображение — RGB или оттенки серого, откройте файл в Photoshop и выберите ИЗОБРАЖЕНИЕ> РЕЖИМ. Если изображение в оттенках серого, просто откройте файл изображения в Photoshop, выберите ИЗОБРАЖЕНИЕ> РЕЖИМ> ЦВЕТ RGB и бум — теперь у вас есть файл изображения RGB. Хорошо, пойдем дальше.

Эта цветная фотография буксирной дороги, которая проходит вдоль канала Делавэр-Раритан, была сделана на iPhone 8-Plus.Чтобы «раскрасить» изображение в электронном виде, я отправил его на свою рабочую станцию ​​и открыл в Photoshop. Первым делом нужно преобразовать изображение в монохромное. Потратьте время на настройку тональности изображения в каждом из цветовых каналов для получения оптимальных деталей и окраски поверхностей.

Теперь веселье начинается

Начнем с открытия файла с черно-белым изображением. Внимательно посмотрите на изображение и решите, какую часть изображения вы хотите раскрасить и какого цвета вы хотите, чтобы это было. После принятия решения перейдите в ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ФОТО ФИЛЬТР, и появится выбор из 21 стандартного фотографического фильтра.Если вы знакомы с основными фильтрами для черно-белой и цветной фотографии, вы узнаете их все.

За некоторыми исключениями, я обычно начинаю процесс окраски с легкого тонирования сепией всего изображения с плотностью ниже 25% по умолчанию. (Обычно я сказал — пожалуйста, имейте это в виду.) Причина в том, что за исключением ясеня, нантакета и некоторых разновидностей камня, ничто в этом мире не является нейтрально-серым. Луна серая. Земля — ​​нет. При работе над сушей и морскими пейзажами я часто сохраняю определенные камни — или их части — на изображениях естественным серым тоном.Что касается архитектуры, я часто оставляю большую часть базового изображения в нетронутом нейтральном состоянии.

Когда вы переходите в ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ЦВЕТНОЙ ФИЛЬТР, фильтр по умолчанию — оранжевый # 85 Теплый фильтр. Настройки плотности по умолчанию для каждого из фильтров составляют 25% при их первом открытии. Отфильтрованное изображение можно просматривать в формате WYSIWYG, и, как и в большинстве фильтров и меню настройки в Photoshop, вы можете щелкнуть изображение или небольшой флажок, чтобы просмотреть изображение до и после.

Примечание: На каждом этапе пути я настраиваю поток, жесткость краев и непрозрачность нового цвета, чтобы сохранить уровень реализма.

Моим первым шагом в процессе раскрашивания было согреть все изображение, отфильтровав его с помощью 85 Warming Filter с плотностью 25% (ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ФИЛЬТР ФОТО). Используя кисть History, я щелкнул по исходному файлу изображения и вернул некоторым камням и некоторым другим мелким деталям их исходные нейтральные тона. Это такие детали, которые усиливают «реалистичность» окончательного цветного изображения.

Затем я вернулся в меню фильтров (ИЗОБРАЖЕНИЕ> НАСТРОЙКИ> ФИЛЬТР ФОТО) и выбрал зеленый фильтр, отрегулировал плотность до более высоких 78% и применил зеленый фильтр к моему изображению.Используя свою кисть History, я щелкнул изображение с зеленым фильтром и начал закрашивать листья на деревьях и кустах, обрамляющих канал. Чтобы изменить тон зелени без создания каких-либо резких эффектов, я выборочно отрегулировал поток моих кистей, чтобы увеличить или уменьшить интенсивность цвета зеленого, что придает изображению дополнительную глубину и более реалистичное ощущение.

Затем я применил зеленый фильтр с плотностью 78% и, используя свою кисть History, вернулся к моему предыдущему изображению и закрасил листья и кусты.Чтобы изменить тональность зелени, я изменил поток кисти, чтобы подчеркнуть светлые и темные участки на деревьях.

Затем я повторил описанный выше шаг, используя синий фильтр с плотностью 18% для неба и воды. Используя кисть History, я закрасил области, которые я хотел отрендерить синим цветом, и нажал «Сохранить».

Затем был использован синий фотофильтр с плотностью 18% для неба и воды.

Моим последним шагом было добавить в микс немного сепии, чтобы изменить землистый тон буксирной дорожки.Я также вернулся к исходному черно-белому преобразованию и, используя кисть History, «нейтрализовал» некоторые камни вдоль воды и несколько других областей, чтобы сделать их серыми.

Исходная фотография iPhone (слева) и моя цифровая ручная цветная обработка сцены с использованием меню черно-белых фильтров Photoshop и кисти History (справа) . Мое намерение состояло не в том, чтобы точно скопировать исходное изображение — хотя я мог бы это сделать, если бы я приложил усилия, — а в том, чтобы раскрасить изображение, «чувствуя» и личную эстетику.Прелесть такой работы в том, что в процессе нет ни правильного, ни неправильного — это чисто личное.

На протяжении всего процесса важно следить за потоком, плотностью и резкостью краев кистей, чтобы поддерживать баланс цвета и контраста. Я часто делаю тонкую настройку контрастности и уровней цвета по ходу работы и часто делаю финальную настройку перед сохранением окончательного изображения.

Ниже приведены дополнительные изображения до и после черно-белых фотографий, которые я раскрасил в цифровом виде с помощью этого рабочего процесса.Большинство исходных изображений, используемых в этой серии, изначально были цветными и были преобразованы в черно-белые с помощью процесса, описанного в тексте выше. В каждом наборе исходное изображение находится слева, а обновленная цветная версия — справа.

Описанный выше «искусственный цвет» — это лишь один из многих методов на выбор для имитации цветных фотографий. Я предпочитаю этот метод, потому что он хорошо работает, а цветовая палитра фотофильтра передает цвет, похожий на внешний вид традиционных масел для фотографий, которые я часто использовал в прошлом.Я также много лет знаком с фильтрами Kodak Photo, поэтому, когда я слышу термины 81A и 85B, я точно знаю, какими должны быть тональные значения.

Имейте в виду, что цвета не обязательно должны совпадать с оригиналом. Во всяком случае, вам следует подходить к раскрашиванию этих изображений как к творческому процессу интерпретации. Если у вас есть предпочтительная методология, сделайте это, а когда у вас будет время, сообщите нам об этом в поле для комментариев ниже. Несомненно, другие хотели бы услышать об этом.Я знаю, что хотел бы.

Цветная и черно-белая фотография

Цветная и черно-белая фотография

Вскоре после зарождения монохроматической фотографии в начале 1800-х годов энтузиасты начали экспериментировать с цветной фотографией. Когда цветная пленка стала массовым явлением, многие фотографы отказались от новой разработки и остались верны черно-белому изображению. Теперь, хотя цветная фотография явно является стандартом в современном мире, фотографы все еще сталкиваются с дилеммой принятия решения о том, представлять ли свои изображения в цвете или в черно-белом.

Воздействию фотографии на зрителя может способствовать или препятствовать выбор использования черно-белого или цветного. Принятие осознанного решения о цвете требует критического взгляда. Подумайте о преимуществах цвета и преимуществах черного и белого, прежде чем решить, что лучше всего подходит для каждого из ваших изображений.

Преимущества цветной фотографии

Цвет привлекает внимание. Яркий оттенок, подчеркивающий объект изображения, сразу же привлечет внимание зрителя.
Обстановка и время изображения определяются по его цветам.Теплые тона создают контекст осеннему портрету. Холодные цвета изображают зиму. Сочная зелень показывает зрителю, что фото было сделано весной.
Настроение можно передать на основе цветовой схемы фотографии. Например, холодный тон может вызвать чувство печали или одиночества, а более теплый — нежность или радость.
Элементы теории цвета привлекают внимание зрителя при эффективном использовании. Возможность использовать дополнительные цвета или аналогичные цвета, например, чтобы подчеркнуть взаимосвязь между предметами, теряется при черно-белой фотографии.

Когда использовать цвет

Выбирайте цветные изображения, когда цвет является ключевым элементом истории, которую рассказывает ваша фотография. Например, фотография ребенка, который ест первую в сезоне красную спелую клубнику золотым летним вечером, вероятно, выиграет от насыщенных цветов.

Когда отношения между различными оттенками в вашем изображении важны, цвет часто является лучшим выбором. Контрастные цветовые тона не всегда хорошо сочетаются с высококонтрастным черно-белым. Зеленый и красный, например, совершенно различны на цветном изображении, но на черно-белом изображении они могут показаться довольно похожими по тону.

Преимущества черно-белой фотографии

Черно-белые изображения кажутся более вневременными, чем цветные. Как свидетельствуют цветовые схемы, создаваемые конкретными типами пленок, или тенденции в цифровой обработке, цвет иногда может указывать на определенную эпоху. Удаление цвета затрудняет установку точной даты на фотографии. Отсутствие цвета на фотографии часто подчеркивает свет и тени. Объекты, освещенные сзади, и драматические тени быстро привлекают внимание аудитории в черно-белых изображениях.

Многие фотографы изобразительного искусства предпочитают черно-белые изображения из-за их склонности отделять объект от реальности. Люди видят мир в цвете, а его монохромное изображение заставляет задуматься и присмотреться. Удаление цвета из изображения помогает зрителю сосредоточиться на эмоциональном состоянии объекта. Черно-белые портреты позволяют зрителям видеть лицо объекта и читать его глаза, не отвлекаясь.

Когда использовать черно-белое изображение

Короче говоря, преобразуйте изображения в черно-белые, когда свет, форма или текстура в сцене более убедительны, чем оттенки объекта.Черно-белое изображение — хороший выбор, когда цвет на фотографии служит только отвлечением от сообщения, которое вы хотите передать с помощью изображения.

Изображения с широким диапазоном значений тона хорошо подходят для черно-белых изображений. Большинство черно-белых изображений наиболее успешны, когда есть определенные черный и белый — то есть оттенки на фотографии варьируются от самого черного черного до самого белого белого с большим количеством различных серых тонов между ними.

Как стрелять

Благодаря цифровой постобработке у нас есть преимущество в том, что мы решаем представить фотографии в цвете или в черно-белом цвете после съемки.Камеры обычно имеют монохромные режимы, которые позволяют просматривать изображения в черно-белом режиме на ЖК-экране. Если вы используете эту функцию, убедитесь, что вы настроили захват изображения в формате RAW, а не в формате JPEG (или в дополнение к нему). Съемка в формате RAW дает вам гибкость. Съемка в формате RAW помогает увидеть финальную фотографию при просмотре сцены, однако съемка в формате RAW позволяет протестировать черно-белое изображение на изображении после того, как оно было снято. Если позже вы решите, что фотография нуждается в цвете для воздействия, информация о цвете в файле RAW будет доступна.Однако если вы снимаете только черно-белое изображение, сохраненное в формате JPEG, информация о цвете будет потеряна.

В конечном счете, выбор использования цветного или черно-белого изображения для изображения является субъективным. Попробуйте смотреть на свои фотографии как в черно-белом, так и в цветном варианте, чтобы понять, что работает, а что нет. Независимо от того, какой вариант вы выберете, убедитесь, что вы знаете, почему вы его выбрали. Цвет или отсутствие цвета в изображении должны способствовать его эффекту.

.