# Image-Denoising-Project

**Repository Path**: yuliuse/image-denoising-project

## Basic Information

- **Project Name**: Image-Denoising-Project
- **Description**: 软件工程原理与实践小组项目
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-11-05
- **Last Updated**: 2024-12-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Image Denoising and Restoration Project


**温馨提醒**

1. 本项目仅适用学习交流
2. 本项目不在任何平台出售, 如有发现请积极举报
3. 为了更好的体验，友情提示此项目是一个全栈项目
4. 如果帮到你了麻烦**点个Star**
5. 发现有问题？添加下方微信客服一起探讨，或者直接提Issues

## 在线体验

- PC地址(点击图片可访问)：[在线体验链接](https://www.baidu.com/)(敬请期待)

  <a href="https://www.baidu.com/">![前端页面展示](%E9%A1%B9%E7%9B%AE%E5%88%86%E5%B7%A5%E4%B8%8E%E9%A1%B9%E7%9B%AE%E6%B1%87%E6%8A%A5%E8%AE%B0%E5%BD%95/%E4%BD%9C%E4%B8%9A/370c7f14ffee1f1c736db14f9a42ee8.png)

![处理效果展示](%E9%A1%B9%E7%9B%AE%E5%88%86%E5%B7%A5%E4%B8%8E%E9%A1%B9%E7%9B%AE%E6%B1%87%E6%8A%A5%E8%AE%B0%E5%BD%95/%E4%BD%9C%E4%B8%9A/e7053ce827480a0d7863715bb95a4d3.png)


![处理效果展示](%E9%A1%B9%E7%9B%AE%E5%88%86%E5%B7%A5%E4%B8%8E%E9%A1%B9%E7%9B%AE%E6%B1%87%E6%8A%A5%E8%AE%B0%E5%BD%95/%E4%BD%9C%E4%B8%9A/%E5%9B%BE%E7%89%8711.png)

## 1. 项目简介
**Image Denoising and Restoration 项目是一款图像处理应用，结合深度学习和传统图像处理技术，提供图像去噪、修复、背景移除、颜色化、对象检测、视频修复等多种功能，旨在为用户提供便捷、高效的图像修复与处理体验。通过集成先进的CBDNet、ERSGAN模型以及其他图像处理技术，项目能够处理各种复杂的图像质量问题，提升图像的清晰度和视觉效果。**


### 1.1 功能概况

| **功能编号** | **功能名称**             | **描述**                                                                                                                                          |
|--------------|--------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------|
| F001         | CBDNet图像去噪           | 使用CBDNet深度学习模型去除图像中的噪声，恢复清晰度，特别适合处理低光或低质量的图像。                                                          |
| F002         | ERSGAN图像修复           | 应用ERSGAN模型恢复受损图像，提升图像的细节和质量，修复丢失的部分，确保更自然的修复效果。                                                      |
| F003         | 中值滤波去噪             | 结合传统的中值滤波技术进一步去除图像中的噪声，特别是在处理平滑区域时，能够有效地保留边缘信息。                                                |
| F004         | 背景移除                 | 通过先进的图像分割算法，自动抠出图像中的主体，生成带有透明背景的PNG文件，方便用户进行后期编辑或合成。                                         |
| F005         | 黑白图像颜色化           | 应用深度学习技术，自动为黑白图像添加颜色，生成更加自然的彩色图像，适用于老旧照片的现代化处理。                                                |
| F006         | YOLO对象检测             | 利用YOLO（You Only Look Once）实时对象检测模型，自动识别图像中的物体并进行标注，帮助用户快速获取图像内容信息。                               |
| F007         | 视频修复                 | 将图像修复技术拓展到视频领域，通过逐帧修复，恢复损坏的视频内容，保证视频播放的连贯性和视觉效果。                                              |


### 1.2 项目优势

| 优势编号 | 优势名称 | 描述 |
| -------- | -------- | ---- |
| 1 | **高效的图像修复与处理** | 结合深度学习技术与传统图像处理方法，能够高效处理各类图像问题，无论是去噪、修复还是颜色化，都能提供高质量的输出结果。 |
| 2 | **多功能集成** | 除了基本的去噪与修复功能，项目还提供背景移除、颜色化、视频修复等多种功能，满足不同用户的需求，适用于多种应用场景。 |
| 3 | **自动化处理** | 自动化的图像修复和处理流程，极大提高用户的工作效率，用户只需上传图像或视频，系统即可自动完成处理，无需手动操作。 |
| 4 | **基于深度学习的前沿技术** | 使用CBDNet和ERSGAN等深度学习模型，这些技术是目前图像处理领域的前沿，能够处理更加复杂和高质量的图像问题。 |
| 5 | **视频修复功能** | 视频修复功能使得项目不仅限于静态图像处理，可以对视频进行逐帧修复，拓宽了应用范围，适用于视频编辑、修复等多个行业。 |
| 6 | **用户友好的操作界面** | 提供PC端和微信小程序支持，简单直观的界面设计，方便用户进行图像处理操作。 |
| 7 | **开放API接口** | 后端提供开放接口，支持其他平台和应用对图像处理功能的调用，方便开发者集成到自己的应用中。 |


### 1.3 技术实现

| 技术编号 | 技术名称 | 描述 |
| -------- | -------- | ---- |
| 1 | **CBDNet图像去噪** | CBDNet是基于卷积神经网络（CNN）的一种深度学习模型，专注于低质量图像的噪声抑制，采用无监督学习方式训练模型，能够处理多种噪声类型并保持图像细节。 |
| 2 | **ERSGAN图像修复** | ERSGAN是基于生成对抗网络（GAN）的增强型残差网络，能够通过学习图像的细节信息，恢复因损坏或丢失的部分，生成具有高度还原性的修复图像。 |
| 3 | **YOLO对象检测** | YOLO（You Only Look Once）是一个高效的实时对象检测框架，能够在图像中快速识别多个物体，并返回物体的类别和位置，具有极高的实时性和准确度。 |
| 4 | **中值滤波去噪** | 中值滤波是一种经典的图像去噪技术，通过取邻域像素的中值来替代中心像素值，能够有效去除椒盐噪声，同时保留图像的边缘信息。 |
| 5 | **OpenCV图像处理** | 使用OpenCV进行基础图像处理，如背景移除、图像格式转换等，确保图像处理的高效和准确。 |
| 6 | **前端技术** | 前端采用**Bootstrap**框架开发响应式网页，确保在不同设备上均有良好的用户体验。 |
| 7 | **后端技术** | 后端使用**Django**框架开发，提供RESTful API接口，支持图像处理功能的调用和管理。 |
| 8 | **深度学习框架** | 使用**TensorFlow**和**PyTorch**进行深度学习模型的训练与推理，确保模型的高效运行和扩展性。 |
| 9 | **数据库** | 使用**SQLite**或**MySQL**存储用户数据、图像处理历史记录等信息，确保数据的安全与可管理性。 |
| 10 | **云服务平台** | 项目部署在**阿里云**或**AWS**上，提供稳定的服务器环境和高效的域名管理，确保项目的高可用性和扩展性。 |


## 2. 项目完整运行步骤

### 2.1 项目结构图
![项目结构图](%E9%A1%B9%E7%9B%AE%E5%88%86%E5%B7%A5%E4%B8%8E%E9%A1%B9%E7%9B%AE%E6%B1%87%E6%8A%A5%E8%AE%B0%E5%BD%95/%E4%BD%9C%E4%B8%9A/a4c2101afa036c8cebf535ddf9062e7.png)

### 2.2 项目结构目录

```plaintext
|-- ESRGAN/
|   |-- realesrgan/
|   |   |-- __init__.py
|   |   |-- train.py
|   |   |-- utils.py
|   |   |-- version.py
|   |-- results/
|   |-- scripts/
|   |   |-- extract_subimages.py
|   |   |-- generate_meta_info.py
|   |   |-- generate_meta_info_pairdata.py
|   |   |-- generate_multiscale_DF2K.py
|   |   |-- pytorch2onnx.py
|   |-- tests/
|   |   |-- test_dataset.py
|   |   |-- test_discriminator_arch.py
|   |   |-- test_model.py
|   |   |-- __init__.py
|   |   |-- cog_predict.py
|   |   |-- inference_realesrgan.py
|   |   |-- inference_realesrgan_video.py
|   |-- requirements.txt

|-- image_restore/
|   |-- static/
|   |   |-- css/
|   |   |-- data/
|   |   |-- fonts/
|   |   |-- img/
|   |   |-- js/
|   |   |-- video/
|   |-- templates/
|   |   |-- __init__.py
|   |   |-- admin.py
|   |   |-- apps.py
|   |   |-- dot_new.py
|   |   |-- models.py
|   |   |-- tests.py
|   |   |-- urls.py
|   |   |-- views.py
|   |-- migrations/

|-- ImageRestoreProject/
|   |-- __init__.py
|   |-- asgi.py
|   |-- settings.py
|   |-- urls.py
|   |-- wsgi.py

|-- media/
|-- staticfiles/
|-- .keep
|-- manage.py
```

### 2.3 后端代码运行步骤

#### 2.3.1 环境配置

**运行环境：**

- Python 3.9以上
- Django
- TensorFlow / PyTorch

**启动中间件**：[Redis](https://redis.io/)、[MySQL](https://www.mysql.com/)

推荐使用Python虚拟环境：

```bash
python3 -m venv venv
source venv/bin/activate
```

#### 2.3.2 后端代码运行

1. 克隆项目代码：

```bash
git clone https://gitee.com/sadssds/image-denoising-project.git
```

2. 安装依赖：

```bash
pip install -r requirements.txt
```

3. 数据库迁移：

```bash
python manage.py makemigrations
python manage.py migrate
```

4. 启动开发服务器：

```bash
python manage.py runserver
```

至此，后端代码运行成功！

### 2.4 前端代码运行步骤

#### 2.4.1 前端前台代码运行

**开发工具：** 使用 VSCode 或其他 Web 开发工具

1. 打开 `frontend/index.html`
2. 使用浏览器查看界面效果

#### 2.4.2 前端后台代码运行

前端后台运行环境为 Django，因此无需单独运行前端代码。

## 联系我们：132xxxxxxx


---

**温馨提示**：如遇到任何问题，欢迎通过提交 Issues 或与我们联系。