Реставрация старых фотографий — Быстрая онлайн оценка стоимости!
Для начала нужно понять, какой результат Вам нужен, требуется ли деликатная обработка и насколько важно точно сохранить детали изображения. После чего уже выбрать на какой из вариантов тратить своё время. Подробнее об этих вариантах и поговорим..
Что такое бесплатная реставрация фото?
Это, как правило, автоматизированные инструменты для грубого, не точного устранения повреждений, на несложных или однотонных участках изображения, если повреждения затрагивают линии лица на фотографии, то результат мягко говоря неприемлемый… и для ценных, старых фотографий родных, он вряд-ли подойдёт… Плюсы данного метода — только отсутствие стоимости, но и результат ему соответствует, либо отсутствует вовсе…
Как авто-методы, портят Ваше старенькое фото:
Если повреждения проходят по лицу или по линиям различных элементов на изображении, где автоматика распознает наличие дефектов, то исправления производятся очень грубо и зачастую с устранением повреждения страдают и линии изображения. Это место скорее всего испорчено, пятнами, разводами или мутностью, как на реальном примере Выше…
Фотографии после подобных обработок, рекомендуется не отправлять на профессиональную реставрацию, а лучше прислать оригинал фото, чтоб не переносить ошибки авто-обработки и придерживаться линий с оригинала фотографии. Особенно, если программа исправляла лицо…!
Почему возвращаются к профессионалам
В отличие от шаблонных алгоритмов, в данном варианте вся реставрация фотографии выполняется вручную. Индивидуальный подход с художественным анализом повреждений и подбором нужных методов обработки. Ручная реставрация фотографий отличается от безвозмездных автоматических сервисов, примерно также, как человек с его возможностями отличается от робота, которого только учат ходить подобно человеку, распознавать объекты… Но основная проблема — это думать и анализировать как человек, как художник, этого машины делать, всё ещё не научились… Поэтому, если Вы заинтересованный получить качественный результат, не тратя лишнее время на неудачные эксперименты, лучше обратиться к мастерам…
Восстановление старых фото с редактором Movavi быстро и легко
Данная задача возникает когда вы, например, хотите перевести вашу древнюю семейную фотоколлекцию в цифровой формат, сохранив снимки на компьютере либо заново их распечатав. Увы, со временем исходный вариант изображения может подпортиться: появляются изгибы, потертости, трещины и прочие артефакты. В общем, тут не обойтись без дополнительной обработки.
Теоретически, в качестве программы для восстановления фотографий могут сгодиться многие графические редакторы, но для выполнения этой работы потребуются специальные навыки, поэтому тут либо обучаться Photoshop самостоятельно, либо обращаться к специалистам в фотоателье. К счастью, есть куда более быстрый и легкий способ — установить Movavi Photo Editor.
В блоге ранее мы уже публиковали детальный обзор редактора Movavi, где вы можете почитать о всех его фишках, здесь лишь резюмируем список основных функций:
- ретушь портретов: избавление от морщин, красных глаз и др.недостатков, есть отдельная группа опций для макияжа;
- быстрое применение разных фотоэффектов;
- добавление текстов/надписей;
- улучшение резкости, шумоподавление на темных снимках и другая обработка изображений;
- исправление баланса белого и цветокоррекция;
- повороты, изменение размеров и обрезание картинок;
- мега полезные функции удаления лишних объектов, восстановления старых фото и др.
Инструмент имеет приятный интерфейс и легок в изучении. На сайте есть специальный раздел, где найдете детальные пошаговые инструкции: почитайте подробнее о ретушировании фотографий или удалении/изменении фона. По некоторым задачам встречаются видеоуроки, например, по той же работе с поврежденными фотографиями:
С таким детальным пояснением, думаю, каждый сможет выполнить выбранную им задачу. Давайте попробуем сами в этом убедиться и повторим действия из видеоролика выше.
Процедура восстановление старых фото в Movavi
1. Скачиваем и устанавливаем Movavi (предусмотрена пробная демо версия), после чего возьмем для теста какое-то старинное изображение из интернета. Загружается в редактор оно обычным перетаскиванием.
2. Как видите, здесь имеются «потрепанные» края, которые желательно убрать — используем инструмент «Обрезка», отсекая ненужное. Картинка получится чуть меньше, но лучшего качества. Вы можете выбрать произвольный размер либо один из стандартных.
3. Далее переходим в пункт «Реставрация» и кликаем по одноименной кнопке. Процедура займет какое-то время, но результат вас однозначно удивит.
Во вкладке настроек есть опция «Улучшить фото», которая может дать немного иные цвета и оттенки — попробуйте ее включить/выключить. Также ниже увидите дополнительные подсказки как сделать итоговый снимок еще лучше.
4. Если у вас на фотке имеются лишние детали, пятна, артефакты, то переходим в «Удаление объектов». Здесь определяем размер кисти, глубину поиска (желательно побольше) и отмечаем на изображении проблемные зоны. Далее кликаем «Стереть».
Лучше всего этот инструмент удаляет хорошо заметные объекты, но теоретически, можно попробовать применить его и к следам от трещин/изгибов на фотографии: убрать их совсем не получится, но уменьшить — да.
5. Для улучшения итоговой картинки разработчики также советуют попробовать использовать функции «Удаление шумов» и «Улучшение фото». В первом случае сможете выбрать один из предустановленных вариантов коррекции, во втором — будете самостоятельно задавать параметры четкости, яркости, контраста и т.п.
6. При желании легко добавляется один из предустановленных эффектов, допустим, если оригинал до сканирования был в сепии. На финальном этапе доступен просмотр вариантов до и после.
В принципе, получилось неплохо. Возможно, есть смысл еще поработать над параметрами картинки, но думаем саму суть процесса работы программы для восстановления фотографий вы уловили. Остается лишь сохранить результат в JPG максимального качества.
В сложных ситуациях вряд ли Movavi заменит профессионального работника фотоателье или веб-студии, но следует учитывать скорость и легкость, с которой вы получаете итоговое изображение. Софт выполняет задачу практически на автомате и без дополнительных знаний. Для домашней коллекции или печати небольших снимков подобного результата может хватить с головой.
Интересно а какие сервисы/приложения восстановления старых фото используете вы? Пишите ответы в комментах.
Реставрируем фотографии с помощью нейросетей / Mail.ru Group corporate blog / Habr
Всем привет, я работаю программистом-исследователем в команде компьютерного зрения Mail.ru Group. Ко Дню Победы в этом году мы решили сделать проект по реставрации военных фотографий. Что такое реставрация фотографий? Она состоит из трех этапов:
- находим все дефекты изображения: надломы, потертости, дырки;
- закрашиваем найденные дефекты, основываясь на значениях пикселей вокруг них;
- раскрашиваем изображение.
В этой статье я детально пройдусь по каждому из этапов реставрации и расскажу, как и где мы брали данные, какие сети мы учили, что у нас получилось, на какие грабли мы наступили.
Мы хотим найти все пиксели, относящиеся к дефектам на загруженной фотографии. Для начала нам нужно понять, какие фотографии военных лет будут загружать люди. Мы обратились к организаторам проекта «Бессмертный полк», которые поделились с нами данными. Проанализировав их, мы заметили, что люди зачастую загружают портреты, одиночные или групповые, на которых есть умеренное или большое количество дефектов.
Затем нужно было собрать обучающую выборку. Обучающая выборка для задачи сегментации — это изображение и маска, на которой отмечены все дефекты. Самый простой способ — отдать фотографии в разметку ассесорам. Конечно, люди умеют хорошо находить дефекты, но проблема в том, что разметка — это очень долгий процесс.
На разметку пикселей, относящихся к дефектам на одной фотографии, может уходить от одного часа до целого рабочего дня, поэтому за несколько недель сложно собрать выборку больше чем из 100 фотографий. Поэтому мы старались как-то дополнять наши данные и писали дефекты самостоятельно: брали чистую фотографию, наносили на нее искусственные дефекты и получали маску, показывающую нам, на какие именно части изображения нанесены дефекты. Главной частью нашей обучающей выборки стали 79 фотографий, размеченные вручную, из них 11 штук мы перенесли в тестовую выборку.
Самый популярный подход для задачи сегментации: взять Unet с предобученным энкодером и минимизировать сумму (binary cross-entropy) и (Sørensen–Dice coefficient).
Какие проблемы возникают при таком подходе в задаче сегментации дефектов?
- Даже если нам кажется, что дефектов на фотографии очень много, что она очень грязная и сильно потрёпана временем, всё равно площадь, занимаемая дефектами, гораздо меньше неповреждённой части изображения. Чтобы решить эту проблему, можно увеличить вес положительного класса в , и оптимальным весом будет отношение количества всех чистых пикселей к количеству пикселей, принадлежащих к дефектам.
- Вторая проблема в том, что если мы используем Unet из коробки с предобученным энкодером, например Albunet-18, то теряем много позиционной информации. Первый слой Albunet-18 состоит из свертки с ядром 5 и stride равным двум. Это позволяет сети быстро работать. Мы пожертвовали временем работы сети ради лучшей локализации дефектов: убрали max pooling после первого слоя, уменьшили stride до 1 и уменьшили ядро свёртки до 3.
- Если мы будем работать с маленькими изображениями, например, сжимая картинку до 256 х 256 или 512 х 512, то маленькие дефекты будут просто пропадать из-за интерполяции. Поэтому нужно работать с большой картинкой. Сейчас в production мы сегментируем дефекты на фотографии 1024 х 1024. Поэтому необходимо было обучать нейросеть на больших кропах больших изображений. А из-за этого возникают проблемы с маленьким размером батча на одной видеокарте.
- Во время обучения у нас на одну карточку помещается около 20 картинок. Из-за этого оценка среднего и дисперсии в BatchNorm-слоях получается неточной. Решить эту проблему нам помогает In-place BatchNorm, который, во-первых, экономит память, а во-вторых, у него есть версия Synchronized BatchNorm, которая синхронизирует статистики между всеми карточками. Теперь мы считаем среднее и дисперсию не по 20 картинкам на одной карточке, а по 80 картинкам с 4 карточек. Это улучшает сходимость сети.
В конце концов, увеличив вес , поменяв архитектуру и использовав In-place BatchNorm, мы начали искать дефекты на фотографии. Но задёшево можно было сделать ещё чуть лучше, добавив Test Time Augmentation. Мы можем прогнать сеть один раз на входном изображении, потом отзеркалить его и прогнать сеть ещё раз, это может помочь нам найти маленькие дефекты.
В результате наша сеть сошлась на четырёх GeForce 1080Ti за 18 часов. Inference занимает 290 мс. Получается достаточно долго, но это плата за то, что мы хорошо ищем небольшие дефекты. Валидационный равен 0,35, а — 0,93.
Решить эту задачу нам снова помог Unet. На вход ему мы подавали исходное изображение и маску, на которой единицами отмечаем чистые пространства, а нолями — те пиксели, которые хотим закрасить. Данные мы собирали следующим образом: брали из интернета большой датасет с картинками, например OpenImagesV4, и искусственно добавляли дефекты, которые похожи по форме на те, что встречаются в реальной жизни. И после этого обучали сеть восстанавливать недостающие части.
Как мы можем модицифировать Unet для этой задачи?
Можно использовать вместо обычной свёртки частичную (Partial Convolution). Её идея в том, что при сворачивании региона картинки с каким-то ядром мы не учитываем значения пикселей, относящихся к дефектам. Это помогает сделать закрашивание точнее. Пример из статьи NVIDIA. На центральной картинке они использовали Unet с обычной свёрткой, а на правой — с Partial Convolution:
Мы обучали сеть 5 дней. В последний день мы замораживали BatchNorm, это помогло сделать границы закрашиваемой части изображения менее заметными.
Картинку 512 х 512 сеть обрабатывает за 50 мс. Валидационный PSNR равен 26,4. Однако в этой задаче нельзя безоговорочно доверять метрикам. Поэтому мы сначала прогнали на наших данных несколько хороших моделей, анонимизировали результаты, а потом проголосовали за те, что нам больше понравились. Так мы и выбрали финальную модель.
Я упоминал, что мы искусственно добавляли дефекты в чистые изображения. При обучении нужно очень внимательно следить за максимальным размером накладываемых дефектов, потому что при очень больших дефектах, которые сеть никогда не видела в процессе обучения, она будет дико фантазировать и давать абсолютно неприменимый результат. Так что, если вам нужно закрашивать большие дефекты, при обучении тоже подавайте большие дефекты.
Вот пример работы алгоритма:
Мы сегментировали дефекты и закрасили их, третий шаг — реконструкция цвета. Напомню, что среди фотографий «Бессмертного полка» очень много одиночных или групповых портретов. И мы хотели, чтобы наша сеть хорошо с ними работала. Мы решили сделать свою колоризацию, потому что ни один из известных нам сервисов не раскрашивает портреты быстро и хорошо.
На GitHub есть популярный репозиторий для раскрашивания фотографий. В среднем, он хорошо делает эту работу, но у него есть несколько проблем. Например, он очень любит раскрашивать одежду в синий цвет. Поэтому его мы тоже отвергли.
Итак, мы решили сделать нейросеть для колоризации. Самая очевидная идея: брать чёрно-белое изображение и предсказывать три канала, красный, зелёный и синий. Но, вообще говоря, мы можем упростить себе работу. Можем работать не с RGB-представлением цвета, а с YCbCr-представлением. Компонента Y — это яркость (luma). Загружаемое черно-белое изображение и есть Y канал, мы будем его переиспользовать. Оставалось спрогнозировать Cb и Cr: Cb — это разница голубого цвета и яркости, а Cr — это разница красного цвета и яркости.
Почему мы выбрали YCbCr-представление? Глаз человека более восприимчив к перепадам яркости, чем к изменениям цвета. Поэтому мы переиспользуем Y-компоненту (яркость), то, к чему глаз изначально хорошо восприимчив, и прогнозируем Cb и Cr, в которых мы можем чуть больше ошибаться, поскольку «фальш» в цветах человек замечает меньше. Этой особенностью начали активно пользоваться на заре цветного телевидения, когда пропускной способности канала не хватало, чтобы передавать все цвета полностью. Изображение передавали в YCbCr, передавали Y-компоненту без изменений, а Cb и Cr сжимали в два раза.
Можно снова взять Unet с предобученным энкодером и минимизировать L1 Loss между настоящим CbCr и прогнозируемым. Мы хотим раскрашивать портреты, поэтому кроме фотографий из OpenImages нам нужно добавить специфические для нашей задачи фотографии.
Где взять цветные фотографии людей в военной форме? В интернете есть люди, которые в качестве хобби или на заказ раскрашивают старые фотографии. Они это делают крайне аккуратно, стараясь полностью соблюсти все нюансы. Раскрашивая форму, погоны, медали они обращаются к архивным материалам, поэтому результату их работы можно доверять. В общей сложности мы использовали 200 фотографий, раскрашенных вручную. Второй полезный источник данных — это сайт Рабоче-Крестьянской Красной Армии. Один из его создателей сфотографировался практически во всех возможных вариантах военной формы времен Великой Отечественной войны.
На некоторых фотографиях он повторял позы людей с знаменитых архивных фотографий. Особенно хорошо, что он снимался на белом фоне, это позволило нам очень хорошо аугментировать данные, добавляя разные природные объекты на задний план. Также мы использовали обычные современные портреты людей, дополняя их знаками различия и прочими атрибутами одежды военного времени.
Мы обучили AlbuNet-50 — это Unet, в котором в качестве энкодера используется AlbuNet-50. Сеть начала давать адекватные результаты: кожа розовая, глаза серо-голубые, погоны желтоватого цвета. Но проблема в том, что она раскрашивала картинки пятнами. Это связано с тем, что с точки зрения L1-ошибки иногда бывает выгоднее не делать ничего, чем пытаться предсказывать какой-то цвет.
Мы сравнением наш результат с фотографией Ground Truth — ручной колоризацией художника под ником Klimbim
Как решить эту проблему? Нам нужен дискриминатор: нейронная сеть, которой мы на вход будем подавать изображения, и она будет говорить, насколько реалистично это изображение выглядит. Ниже одна фотография раскрашена вручную, а вторая — нейросетью. Как вы думаете, какая?
ОтветВручную раскрашена левая фотография.
В качестве дискриминатора мы используем дискриминатор из статьи Self-Attention GAN. Это небольшая свёрточная сеть, в последние слои которой встроен так называемый Self-Attention. Он позволяет больше «обращать внимание» на детали изображения. Также мы используем спектральную нормализацию. Точное объяснение и мотивацию можно найти в статье. Мы обучили сеть с комбинацией L1-loss и ошибки, возвращаемой дискриминатором. Теперь сеть лучше раскрашивает детали изображения, а фон получется более консистентным. Еще один пример: слева результат работы сети, обученной только с L1-loss, справа — с L1-loss и ошибкой дискриминатора.
На четырёх Geforce 1080Ti обучение заняло два дня. Сеть отрабатывала за 30 мс на картинке 512 х 512. Валидационная MSE — 34,4. Как и в задаче inpainting, метрикам можно верить не до конца. Поэтому мы отобрали 6 моделей, которые имели лучшие метрики на валидации, и вслепую голосовали за лучшую модель.
После выкатки модели в production мы продолжили эксперименты и пришли к выводу, что лучше минимизировать не попиксельный L1-loss, а perceptual loss. Чтобы его посчитать, нужно прогнать предсказание сети и исходную фотографию через cеть VGG-16, взять карты признаков на нижних слоях и сравнить их по MSE. Такой подход закрашивает больше областей и помогает получить более красочную картинку.
Unet — это классная модель. В первой задаче сегментации мы столкнулись с проблемой при обучении и работе с картинками большого разрешения, поэтому используем In-Place BatchNorm. Во второй задаче (Inpainting) вместо обычной свёртки мы использовали Partial Convolution, это помогло достичь лучших результатов. В задаче колоризации к Unet мы добавили небольшую сеть-дискриминатор, которая штрафовала генератор за нереалистично выглядящее изображение и использовали perceptual loss.
Второй вывод — ассесоры важны. Причем не только на стадии разметки картинок перед обучением, но и для валидации итогового результата, потому что в задачах закрашивания дефектов или колоризации всё равно нужно валидировать результат с помощью человека. Мы отдаем пользователю три фотографии: исходную с удаленными дефектами, колоризованную с удаленными дефектами и просто колоризованную фотографию на случай, если алгоритм поиска и закрашивания дефектов ошибся.
Мы взяли некоторые фотографии проекта «Военный альбом» и обработали их нашими нейросетями. Вот такие результаты получили:
А здесь можно посмотреть их в оригинальном разрешении и на каждом этапе обработки.
Реставрация старых фотографий | Wilber On-Line Room
Наверняка многие из вас уже натыкались в сети на примеры восстановления старых фото. Занятие это довольно интересное, и если вы имеете желание освоить, то нет в этом ничего плохого — хороший повод освоить работу с редактором фотографий такого типа как Adobe Photoshop или ему подобных. Однако я, буду приводить пример такой работы в программе GIMP, т.к. работать мне легче именно в нем.
Хотелось бы также сразу оговориться. Статья написана и больше всего ориентирована на людей, так или иначе имеющих опыт общения с программами по обработке фотографий и имеющих базовые представления в этой области и знакомыми с такими понятиями как пиксел, разрешение, расширение, формат графического файла и тому подобное.
В данном тексте, хотел бы поговорить немного про процесс восстановления старых фотографий, переведенными в цифровую форму путем сканирования.
Сканируем фото
Для сканирования с бумажного оригинала, в большинстве случаев хватит возможностей планшетного сканера для домашнего использования формата А4. Разрешение можно варьировать от 600 до 1200 точек на дюйм (dpi), — в зависимости от размера оригинала. Маленькие фото требуют выбора больших значений разрешения, а большие фото наоборот.
Весь процесс дальнейшей работы над фото заключается в том, что его загружают в растровый редактор и поэтапно восполняют все огрехи на изображении, от крупных к мелким. Основной инструмент для работы это прежде всего Штамп (клонирующая кисть и т.п.). Как вспомогательные — Размазывание (GIMP), Размывание.
Для хранения изображения на компьютере лучше использовать собственные форматы программ для обработки, в случае с GIMP это файлы с раширением .XCF . Хранение данных изображения в таких форматах позволяет сохранять изображение в том виде, в каком оно было, когда последний раз редактировали фото. По завершении работы, изображение экспортируется в более удобный формат, — для печати или же например для галереи на сайте.
Убираем наиболее крупные повреждения
Отмечаем на фото большие разломы, трещины, царапины, пятна и начинаем убирать сначала именно их.
Для работы над фото, выберите в меню программы:
Инструменты — Рисование — Штамп
Далее в панели инструментов, выберите Кисть «Circle Fuzzy», как показано на рисунке. Такая кисть имеет «мягкие» края, позволяющие рисовать мазками с нечеткими границами, что дает возможность более деликатной подрисовки деталей.
Теперь найдите визуально на изображении такой фрагмент, который можно использовать как образец для недостающей части картинки (заплатку) — донорская зона.
Определитесь с выбором, наведите курсор мыши (он должен выглядеть как миниатюрное изображение штампа — печати) на это место и нажмите клавишу Ctrl на клавиатуре. Не отпуская клавишу Ctrl нажмите левой кнопкой мышки один раз, после чего отпустите клавишу Ctrl.
Когда вы задали программе образец для клонирования (курсор «донора»), проведите курсором мышки по такой траектории, которая по вашему мнению позволит восполнить брешь в изображении, которую в данный момент вы устраняете.
Обратите внимание на то, какое движение вы совершили курсором и какой при этом участок был скопирован на новое место из «донорской зоны». Красным цветом показано движение курсора вашей мыши, а голубым повтор его траектории курсором «донора», который во время движения мышкой становится как бы ее тенью.
Для более точного ретуширования таким способом, понадобится всего скорее не одна попытка, а очень много «заходов», пока у вас выйдет достаточно точно совместить «заплатку» и место дефекта. По этой причине работа требует большого терпения и усидчивости, а также немного художественных навыков.
Также не помешает обзавестись мышкой с переключаемым оптическим разрешением (чувствительностью), что позволит более комфортно работать с инструментами рисования на разных разрешениях картинки к примеру.
Второй пример демонстрирует немного иной эффект.
При использовании данной техники восполнения недостающих частей изображения, надо учитывать предполагаемую траекторию движения курсора «донора», т.к. при не очень аккуратном движении вы можете захватить «донором» не только ту часть, что запланировали к копированию в другую область, но и части картинки, которых не должно оказаться на новом месте по вашей задумке.
Красная стрелка показывает траекторию движения мыши, а чуть левее и ниже можно наблюдать тот нежелательный эффект, о котором сказано в предыдущем абзаце. По этой причине, расчитывайте движение «клон-штампа» так, чтобы захватывать и копировать только нужное, меняя протяженность «мазков» кистью и охват. Имейте это ввиду, когда будете заниматься ретушью.
В некоторых случаях будет полезно применение техники копирования одного участка изображения в другое место целыми регионами, когда выделяется нужный фрагмент мышью, затем копируется в буфер обмена (Ctrl+C) и далее вставляется в нужное место (Ctrl+V). После этого ввиде нового слоя «заплатка» выравнивается над нижним и окончательно прикрепляется к нему. После этого края заплатки маскируются также с помощью штампа.
На приведенных в конце статьи примерах это можно проследить по уголкам изображения — некоторые из них были частично скопированы с противоположных сторон, и замаскированы клон-штампом.
Ищем и убираем менее заметные дефекты (мелкие царапины, загрязнения)
(Кликните для увеличения)Мелкие дефекты устраняются примерно также как и крупные, с той основной разницей, что из-за различия в масштабах, меняется количество пройденных мышкой пикселов, а соответственно и разрешение участка, над которым вы в данный момент работаете. Соответственно необходимо будет сменить размер кисти для соответствия масштабам текущей работы. Мышка с переменным разрешением тут также актуальна как более удобный инструмент.
Кроме штампа, среди инструментов рисования в программе GIMP также есть такие полезные вещи как «размывание»; «затемнение/засветление»; «Размазывание».
Простой пример.
Даже если вы используете мягкую кисть при работе с клон-штампом, то нельзя исключать такой ситуации, что вы, восполняя недостающие детали фото будете вынуждены нарисовать нужный элемент и для его большей реалистичности понадобится его включение в окружение методом смазывания краев пограничной области объекта. Чтобы это сделать, можно применить инструмент «Размазывание», работая им аналогично клон-штампу, с той лишь разницей, что эффект от него будет иной. Если сами пробовали рисовать карандашом на бумаге, то наверное вы наблюдали, как смазываются края линии от грифеля, если провести пальцем по ней. Так вот кисть «Размазывание» делает именно такую работу.
На примере чуть выше, слева от головного убора человека как раз был использован инструмент «Размазывание» для сглаживания несколько грязноватого темного фона. Справа же от лица, был применен преимущественно «Клон-штамп» для устранения мелкого мусора на фото.
Заключительный этап
При необходимости производим коррекцию полутонов, теней и светов на изображении с помощью инструментов яркость, котрастность уровни, кривые — на ваше усмотрение и по ситуации (качество исходного фото).
Другие примеры подобных работ можно увидеть в специальной галерее.
Успехов Вам!
Mail.Ru запускает бесплатный онлайн-сервис реставрации архивных фотографий
Как рассказали в Mail.Ru, новый сервис позволит восстановить потерянные детали на снимке, устранить дефекты и по желанию пользователя раскрасить черно-белое изображение. Для этого необходимо загрузить на сайт отсканированную фотографию. После восстановленное изображение можно, например, загрузить на сайт «Бессмертного полка» и распечатать для участия в акции.
Уточняется, что сервис основан на технологии машинного обучения: нейросети показывается очень большое количество старых фотографий, военных фильмов и кадров кинохроники. Нейросеть запоминает внешний вид всех встречающихся на фотографиях объектов и, сохраняя их в памяти, впоследствии может идентифицировать недостающие объекты на изображении и дорисовать их, пояснили в пресс-службе компании.
Участник акции «Бессмертный полк». Архивное фото © РИА Новости / Владимир Астапкович
«День Победы — значимый для всех россиян праздник, война затронула каждую семью в нашей стране. Мы рады, что благодаря нашим “умным” технологиям мы можем дать всем соотечественникам возможность вдохнуть новую жизнь в дорогие для них снимки. Технологии помогут сохранить память о войне, а, как известно, чем дольше живет память, тем меньше шансов, что это повторится», — прокомментировала вице-президент Mail.Ru Group Анна Артамонова.
Mail.Ru Group — одна из крупнейших интернет-компаний в русскоязычном сегменте сети. В ее состав входят сервис бесплатной электронной почты и мессенджеры «Mail.Ru Агент» и ICQ. Компании также принадлежат соцсети «Одноклассники», «Мой мир» и «ВКонтакте» и разработчик мобильных игр Pixonic. В 2016 году Mail.Ru стала инвестором российского приложения Prisma, позволяющего обрабатывать изображения на основе технологий нейронных сетей.
Читайте также: «Армата», «Буки» и «Курганец» готовятся к Параду победы 2019 (фото)
Ретушь и восстановление фотографий с помощью программы AKVIS Retoucher
Купить Пробная версияAKVIS Retoucher — программа для восстановления изображений и ретуши фотографий.
AKVIS Retoucher не просто удаляет царапины, пятна, пыль и прочие дефекты с поверхности фото, он воссоздает недостающие фрагменты, используя соседние участки изображения.
Одним «кликом» вы избавляетесь от царапин на фотографии, удаляете ненужные надписи и даже нежелательные предметы. Текстура фона восстанавливается, программа реконструирует ее после удаления объекта.
Программа очень простая, вы легко сможете научиться пользоваться ею.
Просто выделите то, что хотите удалить, — и нажмите кнопку «пуск». Программа все сделает сама. Вы с изумлением будете наблюдать, как у вас на глазах создается новое изображение.
AKVIS Retoucher позволяет удалять не только дефекты, но и объекты с фотографии.
Для мелких деталей вполне достаточно автоматической обработки; при удалении крупных частей изображения и сложных объектов (машин, людей, нечаянно попавших в кадр) требуется произвести дополнительные действия, «подсказав» программе, откуда лучше взять фрагменты для заполнения удаляемых площадей.
Если нужно увеличить размер холста, Retoucher поможет нарастить границы изображения.
Полиграфисты применяют программу для допечатной подготовки. Часто возникает необходимость расширения границ макета, когда нет места для обрезки. AKVIS Retoucher экономит время, делая это быстро и эффективно!
Программа одинаково полезна как для ретуширования старых черно-белых снимков, так и для обработки современных цветных фотографий.
С помощью AKVIS Retoucher можно:
— удалить с фотографии царапины, пятна, пыль, следы от сгибов и другие дефекты,
— убрать лишние детали, текст, тем самым улучшив внешний вид фотографии, ее композицию,
— реконструировать недостающие части фотографии, «затянуть» дырявые места и нарастить края,
— удалить с изображения объекты.
Retoucher — идеальный инструмент ретуши, который облегчит обработку, сэкономит время и позволит получить удовольствие от самого процесса реставрации и от результата!
AKVIS Retoucher представлен в виде плагина для графических редакторов (plugin) и в виде отдельной, самостоятельной, программы (standalone), не требующей наличия фоторедакторов.
Плагин Retoucher является дополнительным (подключаемым) модулем к фоторедакторам и совместим с самыми популярными программами: AliveColors, Adobe Photoshop, Corel PaintShop Pro и другими.
Возможности AKVIS Retoucher зависят от типа лицензии. Во время ознакомительного периода можно попробовать все варианты и выбрать наиболее подходящий.
Программа доступна на русском языке.
Попробовать бесплатно
Попробуйте программу в течение бесплатного ознакомительного периода!
После установки программа будет работать 10 дней без регистрации.
Пробный период поможет вам оценить все возможности программы.
Скачайте программу:
Купить — AKVIS Retoucher 10.0
Вконтакте
Главная — Реставрация фотографий
Для чего нужна реставрация старых фотографий?
Наверняка у вас дома пылится не один фотоальбом со старыми, выцветшими, но такими дорогими сердцу фотографиями + куча старых фотографий россыпью. Ваше детство, служба в армии, свадьба — все это вы можете найти на пожелтевших или выцветших фотокарточках. Кроме того, у многих есть и некоторое количество фотографий Ваших родителей, дедушек и бабушек – их качество наверняка оставляет желать лучшего. Еще несколько лет назад восстановить такие фотографии и защитить их от влияния времени было просто невозможно. Но сегодня с помощью современной техники и технологий можно не только восстановить, казалось бы, уже навсегда утраченное качество фотографий, но и улучшить его, а также оцифровать свой фотоархив, обеспечив его сохранность на много лет.
Вы, конечно, можете попробовать восстановить свои фотографии самостоятельно – для этого существует достаточное количество графических редакторов и некоторое время. Но если Вы хотите, чтобы эта работа была сделана профессионально, то добро пожаловать на страницы моего сайта.
Реставрация старых фотографий — это способ вернуть фотографиям первоначальный вид. Особенно это ценно для фотографий времён Великой Отечественной войны, которые имеют огромную историческую ценность как для потомков, так и для истории именно в том состоянии, в котором они находятся. Но иногда такие фото настолько повреждены, что с трудом можно разобрать, что и кто на них изображён, здесь, конечно, на помощь приходят различные программы – изобретения современного мира.
Главным является безупречное сохранение информации исходного изображения, его исторической достоверности. Необходимо убрать исключительно только помехи, мешающие восприятию оригинала, поэтому для качественной реставрации недостаточно виртуозно владеть графическим редактором, необходимо иметь навыки работы художника. Человек без подготовки и определенного опыта такой работы не в состоянии добиться хорошего результата. Реставрация каждой фотографии требует больших затрат времени, кропотливой работы и внимательности.
Очень часто реставрацию фото заказывают в качестве подарка людям старшего возраста (родителям, бабушкам, дедушкам). Восстановление забытых и тусклых фотокарточек для них — огромная радость и большое событие. Вы подарите массу положительных эмоций, если позаботитесь о том, чтобы преподнести в подарок обновленные фотографии с запечатленными на них знаменательными событиями и дорогими лицами.