去马赛克神器DeepCreamPy，让你心中无码，眼中自然无码

有人说，马赛克是阻碍人类进步的绊脚石，虽然最近几年也频繁传出有在研发去除马赛克的软件，但是一直没有成品问世。

于是人类和马赛克的斗争就从未消停过。各种有亮点的图片部位，经常被无情地打上马赛克。在此之前，想完美清除马赛克几乎是不可能的，人类的进步一直停留在怎么打马赛克和去马赛克之间。

最近一位 程序员 及经过不断努力终于完成了这款软件。据悉，这位程序员“deeppomf”用深度神经网络开发出了一个能抹去马赛克让原图重现的神奇程序：DeepCreamPy 。

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

不过目前该软件的局限性还很大，只能完成一些简单的修复。

例如本文中将原图在任意位置画上绿色线条进行打码后，在通过DeepCreamPy软件即可进行复原。并且在跟帖中还有不少使用者跟帖晒出了图片处理的前后效果图。

为了使这款软件达到更好的效果，作者在短短几个月内收集了超过10万张未打码的原图，但其中95%的图片他都没有仔细看过，只因为太过于浪费时间了。还说自己并不是第一个做这种软件件的人，却是第一个坚持下来的人。

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

接下来，就是让你实现心中无码，眼中自然无码的教程了。

适用范围

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

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

使用方法

安装软件

64位Windows用户可以直接下载exe程序，资源地址请见附录。

如果你使用的不是Windows系统，需要自己编译，程序中已经包含训练模型，请从压缩包中提取。

编译代码需要一下组件：

• Python 3.6
• TensorFlow 1.10
• Keras 2.2.4
• Pillow
• h5py

Tensorflow、Keras、Pillow、和h5py可以使用pip安装：

$ pip install -r requirements.txt

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

手动处理黑条遮挡和马赛克遮挡

对于你想修复的每个图像，使用图像编辑软件（如 Photoshop 或 GIMP）将你想修复的区域的颜色涂成绿色 (0,255,0)。强烈推荐使用铅笔工具，不要用刷子。如果你没用铅笔，那么确保你所使用的 工具 关闭了抗锯齿（ANTI-ALIASING）功能。

使用 wand selection 工具（关闭了抗锯齿功能）来选择空缺区域。然后稍微扩展选中区域，并在选中区域上使用绿色 (0,255,0) 的油漆桶工具。

要在 Photoshop 中扩展选中区域，可以执行该操作：Selection > Modify > Expand 或 Contract。要在 GIMP 中扩展选中区域，可执行该操作：Select > Grow。将这些图像保存为 PNG 格式，并保存到 decensor_input 文件夹中。

• A. 使用二进制编译文件（Windows）
  双击 decensor 文件来修复图像。
• B. 从头开始运行
  运行以下行进行图像修复：
  $ python decensor.py
  修复后图像将保存至 decensor_output 文件夹。每张图像的修复需要几分钟。

如果敏感部位不是黑条，而是马赛克，还需要将未上色的原始图片放入”decensor_input_original” 文件夹中，并确保其文件名和放在”decensor_input”中的预处理图片文件名相同。

运行去马赛克软件

• A. 使用exe直接处理

双击软件即可

• B. 命令行处理

对于黑条遮挡的图片，输入以下命令：

$python decensor.py

对于马赛克遮挡的图片，输入以下命令：

$python decensor.py —is_mosaic=True

注意事项

如果你图片处理后成了这样：

一定是你处理的姿势不对，请注意不要犯以下两种错误：

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

最后附上软件地址下载地址，请享受吧。

资源地址

• GitHub项目 https://github.com/deeppomf/DeepCreamPy#dependencies-for-running-the-code-yourself
• 软件下载 https://github.com/deeppomf/DeepCreamPy/releases/tag/v1.2.1-beta
• 英伟达论文 https://arxiv.org/pdf/1804.07723.pdf

Linux公社的RSS地址 ： https://www.linuxidc.com/rssFeed.aspx

本文永久更新链接地址： https://www.linuxidc.com/Linux/2018-11/155160.htm