图像着色：为灰度照片赋予合理色彩

FreeGuideOnline 最新 2026-06-20

图像着色：为灰度照片赋予合理色彩

什么是图像着色？

图像着色是指通过算法或手工方式，为原本只有明度信息的灰度图像添加色彩的过程。它是计算机视觉与图像处理领域的一项经典任务，旨在恢复或创造出视觉上真实、自然的彩色效果。与传统的手工上色不同，现代图像着色通常借助深度学习模型，从大量彩色图像中学习物体与颜色的对应关系，实现端到端的自动着色。

图像着色并不是对原始颜色的精确还原，因为灰度图像丢失了所有色度信息。着色模型实际上是在做合理的“色彩猜测”：天空大概率是蓝色或黄昏色调，草地通常是绿色，人脸则是肤色。因此，这项技术的核心在于学习全局场景语义和局部纹理特征，并生成符合人类感知的色彩。

图像着色的主要方法

传统基于优化的方法

在深度学习兴起之前，研究者采用基于颜色扩展和相似度匹配的策略。典型做法是让用户在一部分区域放置颜色标记，算法将颜色扩散到相似亮度的相邻像素。代表性工作有 Levin 等人的经典着色算法，它通过最小化相邻像素间的颜色差异，在极少人工交互下生成平滑自然的色彩。该方法计算量小，但过度依赖人工标记，无法处理复杂场景。

基于深度学习的自动着色

深度卷积神经网络彻底改变了图像着色领域。自动着色模型一般使用编码器-解码器结构，输入灰度图像，输出对应的色度通道（在 CIE Lab 颜色空间中通常为 a 和 b 通道），然后与原始亮度 L 通道合并，重构出彩色图像。

  • 全局先验与类别条件着色：早期工作如 Zhang 等人的“Colorful Image Colorization”，将着色视为分类问题，预测每个像素的颜色分布，并利用全局特征判断场景类型（室内、室外等），从而避免混淆天空与草地。
  • 用户交互引导着色：为了让用户控制着色结果，许多模型支持结合局部颜色点或参考图像。例如，通过绘制彩色笔画或提供一张风格参考图，模型将指定颜色智能地传播到整幅图像。
  • 生成对抗网络（GAN）的应用：利用 GAN 的判别器来约束生成图像的真实性，着色结果更加生动多样。Pix2Pix 这类图像翻译框架可以端到端地学习灰度到彩色的映射。
  • Transformer 与扩散模型：最新方法引入 Vision Transformer 和扩散模型，提升了长距离依赖建模能力，在复杂图案和纹理着色上表现更佳，并能产生多种合理的着色版本。

图像着色的典型流程

自动着色的通用流程包括以下步骤：

  1. 颜色空间转换：将训练用的彩色图像从 RGB 转换为 CIE Lab 空间。L 通道表示亮度，a 与 b 通道表示色彩对立维度。输入为 L 通道（灰度图），监督信号为 a、b 通道。
  2. 模型训练：构建深度网络，输入尺寸为 H×W×1 的 L 通道，输出尺寸为 H×W×2 的 a、b 通道。损失函数通常使用均方误差或分类交叉熵（当预测颜色分布时）。
  3. 后处理与融合：将预测的 a、b 通道与原图的 L 通道拼接，转换回 RGB 空间即可得到着色图像。
  4. 可选细化：通过图像滤波或色彩增强后处理，减少局部伪影，提升色彩饱和度与视觉质量。

常用工具与上手实践

在线体验与开源项目

初学者可以快速体验图像着色效果，无需架设环境：

  • DeOldify：专为老照片和视频着色的开源项目，基于 NoGAN 训练方法，着色效果稳定且色彩鲜艳。提供预训练模型和简洁的 Colab 笔记本。
  • Colorization Transformer (ColTran)：Google 提出的基于 Transformer 的着色模型，支持高分辨率图像，色彩细节丰富。
  • DeepAI Image Colorization API：免费的在线 API，上传灰度图即可获得着色结果，适合快速测试。
  • Algorithmia Colorize Photos：提供易用的网页界面与 API，可批量处理。

自己动手实现一个简单的着色器

如果你了解基础 Python 和 PyTorch，可以尝试复现一个轻量级自动着色模型。下面是一个简化版的概念代码框架（仅作思路展示）：

import torch
import torch.nn as nn

class SimpleColorizer(nn.Module):
    def __init__(self):
        super().__init__()
        # 编码器：提取特征
        self.encoder = nn.Sequential(
            nn.Conv2d(1, 64, 3, stride=2, padding=1), nn.ReLU(),
            nn.Conv2d(64, 128, 3, stride=2, padding=1), nn.ReLU(),
            nn.Conv2d(128, 256, 3, stride=2, padding=1), nn.ReLU()
        )
        # 解码器：上采样并预测 ab 通道
        self.decoder = nn.Sequential(
            nn.ConvTranspose2d(256, 128, 4, stride=2, padding=1), nn.ReLU(),
            nn.ConvTranspose2d(128, 64, 4, stride=2, padding=1), nn.ReLU(),
            nn.ConvTranspose2d(64, 2, 4, stride=2, padding=1),
            nn.Tanh()  # 将输出约束到 [-1, 1] 对应归一化后的 ab 值
        )

    def forward(self, L_channel):
        features = self.encoder(L_channel)
        ab_channel = self.decoder(features)
        return ab_channel

完整实现还需要数据加载（如使用 ImageNet 子集）、CIE Lab 转换、损失函数以及训练循环。推荐从 GitHub 上寻找基于 PyTorch 的教学项目，逐步理解每一步的细节。

着色质量的评估与常见问题

自动着色没有唯一的“正确”结果，因此评估主要分为定量和定性两方面：

  • 峰值信噪比 (PSNR) 与结构相似性 (SSIM)：需要原始彩色图像作为参考，数值越高表示颜色偏差越小。但此类指标会惩罚合理但多样的着色结果。
  • 用户调研：让人类受试者判断着色结果是否真实、自然，是人机交互研究中常用的方法。
  • 常见问题：
    • 色彩渗漏：物体边界处颜色渗出，多半由模型感受野不足或上采样粗糙导致。
    • 色彩平淡：模型倾向于预测平均色，导致饱和度偏低。可借助分类损失或 GAN 来增加鲜艳度。
    • 语义错误：将天空着成绿色，因为缺乏足够上下文或训练数据偏差。增强数据集多样性和采用注意力机制有助于缓解。

图像着色的应用场景

  • 历史照片与电影修复：为黑白档案上色，让历史更直观可感。DeOldify 已被广泛应用于纪录片和家族老照片修复。
  • 艺术创作辅助：漫画、动画线稿的快速上色，提供配色灵感，节省重复劳动。
  • 医学与科学影像增强：为灰度显微镜照片、卫星图像添加伪彩色，突出特定结构，便于人眼分析。
  • 辅助视觉障碍人士：虽然不直接提供视觉恢复，但通过色彩信息增强可改善特定图像内容的感知效率。

进阶学习资源

  • 论文：阅读经典论文《Colorful Image Colorization》(Zhang et al., ECCV 2016) 和《DeOldify: A Progressive Method for Image Colorization》，理解核心原理。
  • 在线课程：在 Coursera、YouTube 上搜索“Deep Learning for Image Colorization”，许多大学实验室公开了配有代码的讲座。
  • 实践项目：在 Kaggle 上寻找历史照片着色竞赛数据集，动手训练并对比不同模型效果。

图像着色是融合艺术感知与工程技术的绝佳领域。从基础理论到实际运行代码，每一步都能让你更深刻地理解颜色、图像与视觉智能。现在，选择一张黑白照片，开启你的第一次自动着色之旅吧。