ai如何去马赛克（只知道AI深不可测）

我们已经见识过很多种 AI 的神奇应用方式：下围棋、聊天、融合两张图片的风格、创作小说……按理说，已经没什么可以让人感到惊喜了，我来为大家科普一下关于ai如何去马赛克?下面希望有你要的答案，我们一起来看看吧!

ai如何去马赛克

我们已经见识过很多种 AI 的神奇应用方式：下围棋、聊天、融合两张图片的风格、创作小说……按理说，已经没什么可以让人感到惊喜了。

但，如果连万恶的马赛克都能消除呢？

一般的水印或者马赛克，用 Photoshop 的「内容识别」工具就能搞定。只需要框选水印区域，选择「填充」-「内容识别」，软件便会根据选区周边的内容自动填充，在那些构图和色彩简单的图片上可以轻松去除不想要的元素。

然而内容识别工具说到底还是对选区周围的内容平均取样之后填充，就像是图片的「自体皮肤移植」，无法修复已经被水印破坏的内容，在面对复杂图像以及我们最熟悉的黑条马赛克时可谓束手无策。

比如说，这里有一个西部牛仔的照片。他是诸多暴力行为的嫌疑人，我们先在这按照法律保护隐私的要求给双眼打上马赛克。要是我们试图用内容识别工具来使图片恢复原貌，那很遗憾，只可能得到一个恐怖的「无眼人」，因为关于眼睛的信息已经被遮挡起来，无法通过「移植」的办法来解决。

所以，要想找回被遮挡的眼睛，只能靠「脑补」——可以是人脑，也可以是人工智能。

前段时间在 GitHub 上线的 DeepCreamPy 项目正是为此而生。它是个以修复任意尺寸和形状的图像损坏为志业的项目，因运用了新算法的缘故，效果是目前类似项目中最好的。

比如说，同样的图片，使用 DeepCreamPy 处理后，会发现被遮挡的眼睛被它重新「画」出来了，虽然还做不到 100%完美，但粗看之下已经和原图相差无几。

什么是 DeepCreamPy？

DeepCreamPy 由 deeppomf 开发，技术上主要参考了 NVIDIA 今年发表的一项研究。通过深度全卷积网络，使用 CPU 即可推断出图像缺失的内容并给出有意义的预测——也就是说，作为一个图像处理项目，甚至不需要显卡的支持便可运行。

这意味着项目依赖 CPU 的处理能力。像我这台仍用着 3 代 i5 的电脑，处理一张图片就要大约 30 秒时间，并且目前版本的 DeepCreamPy 还要求使用者手动标明哪里是打码区域，因此还实现不了大规模自动化处理。

虽然图形化界面尚未完成，但作者发布了经过训练的预构建模型，哪怕是对神经网络一窍不通的人，只要按着流程来依然能体验上这套工具的神奇威力。

此外，作者已经将项目开源，我们也可以重新训练或编译这个模型，不过前提是要安装 Python、TensorFlow、Keras、Pillow、h5py 等工具，学有余力的同学可以自行尝试。下面将会用预构建模型为例介绍怎么使用 DeepCreamPy 去除马赛克。

如何使用 DeepCreamPy？

首先，你需要下载作者发布的整合包并解压，要注意的是，它只能在 64 位 Windows 系统上运行。

别忘了 DeepCreamPy 现在还不支持全自动化处理，所以还得用 Photoshop 打开需要处理的图片：用纯绿色（#00FF00） 涂抹打码部分，以便程序识别需要处理的区域。最好使用铅笔工具涂色，若要用画笔工具的话一定要记得关闭抗锯齿功能，否则会导致识别错误。

然后，将涂上绿色的图片以 PNG 格式保存到整合包的「decensor_input」文件夹里——根据个人经验，大多数不运行的情形都是因为忘记了正确的文件格式。

最后，双击运行「decensor.exe」等待程序自动处理完成后，到「decensor_output」文件夹就能查看处理完毕的图片。程序的启动和运行会花费一定时间，所以看到空白的命令行界面不要慌张，耐心等待或者干脆把程序切到后台去干别的事就行了。

就我个人的测试体验来看，大多时候 DeepCreamPy 的确能给出惊艳的答案，但它的「脑补」能力自然还不及大脑，马赛克面积过大的话给出来的结果也不大靠谱。好在我的对手只是 E 绅士上工整的小型黑条马赛克，目前的算法就完全应付得来。

咳咳，你懂的。