基于Python深度学习的人脸图像增强系统：U-Net实战与毕设指南

简介这份资源是面向计算机、人工智能、电子信息等相关专业学生与初级开发者的本科毕业设计项目包主题为基于Python深度学习的模糊人脸图像增强系统可用于毕设答辩、课程设计、大作业提交或初期项目立项演示帮助解决模糊人脸图像清晰度不足、细节丢失等实际问题。压缩包共20个文件约359KB以9个py源码文件为核心配合6个pyc编译文件、2张png效果图、1个xml配置、1个txt日志与1个md说明文档涵盖数据输入、模型定义、测试脚本与训练日志等模块目录结构清晰便于按功能检索与二次修改。目前已有194人学习下载具备一定参考热度。读者可从中获得完整的深度学习图像增强实现思路、可运行的训练与测试代码、模型结构参考以及项目组织范例适合作为入门实战练习与毕设方案借鉴。1. 从一张糊脸到能交差的毕设这套 Python 深度学习人脸增强包到底能干什么去年帮学弟看毕设他发来一张自拍五官糊成一团问我“这还能救吗”。我让他把这份本科毕业设计-基于python深度学习的模糊人脸图像增强系统的设计与实现.zip跑起来十分钟后他盯着resource/test1.png的输出愣了半天——不是变清晰了是终于能看清轮廓了。这套资源的核心就是干这件事用 Python 搭一个类 U-Net 结构的深度学习模型把模糊人脸图像做增强重建。它适合计算机、人工智能、电子信息等专业需要交课程设计或毕设的同学也适合刚入门深度学习想找一个能跑通、能改、能写进论文的实战项目。包里带了FaceEnhance.py模型定义、FaceInput.py数据入口、Test.py推理脚本还有一张UNetLike.png结构图基本覆盖了从数据到推理的完整链路。2. 拆开压缩包先看什么目录结构与模块职责2.1 文件清单与各模块定位拿到一个毕设压缩包最忌讳上来就python Test.py。先花五分钟把目录结构看清楚后面能省两小时排错。这份资源的目录大致是这样路径类型作用src/FaceEnhance.py代码模型网络结构定义类 U-Net 编解码src/FaceInput.py代码数据加载与预处理入口src/Test.py代码推理/测试脚本加载模型跑单张图src/log.txt日志训练或运行过程记录model/目录存放训练好的权重文件resource/test1.png图片示例输入模糊人脸resource/UNetLike.png图片网络结构示意图README.md文档项目说明与运行提示.idea/vcs.xml配置PyCharm 工程配置可忽略FaceEnhance.py是整个项目的心脏模型结构、卷积层、上采样层都在这里。FaceInput.py负责把图片读进来、归一化、转成张量。Test.py是入口串联前两者并输出结果。model/目录如果为空说明权重需要自己训练或从别处获取这是第一个要确认的点。2.2 环境依赖与版本确认深度学习项目最玄学的地方就是环境。这份资源基于 Python常见做法是配 PyTorch 或 TensorFlow从UNetLike.png和类 U-Net 结构判断PyTorch 概率更大。我一般会先建虚拟环境再装依赖避免污染全局# 创建虚拟环境Python 3.8 是比较稳的选择 python -m venv venv # 激活环境Windows 用 venv\Scripts\activate source venv/bin/activate # 安装核心依赖版本按 README 或 log.txt 里的线索来 pip install torch torchvision pip install opencv-python pillow numpy matplotlib这里torch和torchvision是模型训练与推理的基础opencv-python和pillow负责图像读写numpy做数值运算matplotlib用来可视化对比。如果log.txt里记录了训练时的版本号优先按那个版本来版本对不上很容易出现CUDA error或者size mismatch。装完之后用python -c import torch; print(torch.__version__)验证一下能打印出版本号才算过关。提示如果机器没有独立显卡把代码里所有.cuda()或.to(device)改成 CPU 模式速度慢但能跑通毕设演示够用。3. 把模型跑起来从加载图片到输出增强结果3.1 读懂 FaceEnhance.py 的网络结构打开FaceEnhance.py你会看到一个继承自nn.Module的类名字大概率叫FaceEnhance或UNetLike。它的结构是典型的编码器-解码器编码器用卷积加池化逐层降维提特征解码器用上采样加跳跃连接逐层恢复分辨率。跳跃连接是 U-Net 的灵魂它把编码器浅层的高频细节直接送到解码器对应层避免上采样过程中人脸纹理丢失。import torch import torch.nn as nn class FaceEnhance(nn.Module): def __init__(self): super(FaceEnhance, self).__init__() # 编码器两层卷积 池化提取模糊人脸的低频结构 self.encoder nn.Sequential( nn.Conv2d(3, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.Conv2d(64, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2) ) # 解码器上采样 卷积恢复空间分辨率 self.decoder nn.Sequential( nn.ConvTranspose2d(64, 64, kernel_size2, stride2), nn.ReLU(inplaceTrue), nn.Conv2d(64, 3, kernel_size3, padding1), nn.Sigmoid() # 输出归一化到 [0,1] ) def forward(self, x): # 前向传播编码后直接解码实际项目里会加跳跃连接 feat self.encoder(x) out self.decoder(feat) return out上面是简化版示意实际代码里编码器和解码器会有四到五层通道数从 64 递增到 512 再递减回来。Conv2d的padding1保证卷积后尺寸不变MaxPool2d(2)每次把宽高减半ConvTranspose2d的stride2负责翻倍恢复。最后一层Sigmoid把像素值压到 0 到 1 之间配合输入归一化使用。如果你要改模型深度记住编码器和解码器的层数必须对称否则跳跃连接对不上尺寸直接报RuntimeError。3.2 用 FaceInput.py 加载并预处理图片FaceInput.py干的是脏活累活读图、缩放、归一化、转张量。人脸增强对输入尺寸有要求通常要缩放到 256x256 或 512x512太大显存吃不消太小细节丢光。import cv2 import numpy as np import torch from torchvision import transforms def load_image(image_path, size(256, 256)): # 用 OpenCV 读图注意返回的是 BGR 格式 img cv2.imread(image_path) if img is None: raise FileNotFoundError(f图片没读到检查路径: {image_path}) # BGR 转 RGBPyTorch 和 PIL 都认 RGB img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 缩放到统一尺寸 img cv2.resize(img, size, interpolationcv2.INTER_CUBIC) # 转成 float32 并归一化到 [0,1] img img.astype(np.float32) / 255.0 # HWC 转 CHW再加 batch 维度 tensor torch.from_numpy(img).permute(2, 0, 1).unsqueeze(0) return tensorcv2.imread返回 BGR 是 OpenCV 的历史遗留问题不转 RGB 的话颜色会偏蓝输出人脸像阿凡达。cv2.resize的INTER_CUBIC比默认的线性插值更适合人脸边缘更平滑。归一化除以 255 是深度学习的标准操作让输入落在 0 到 1 之间和模型最后一层Sigmoid的输出范围对齐。permute(2,0,1)把通道维从最后挪到最前unsqueeze(0)加一个 batch 维度因为 PyTorch 模型默认接受四维张量。3.3 跑通 Test.py 并保存增强结果Test.py是最终入口逻辑一般是加载模型权重、读图、前向传播、保存输出。跑之前先确认model/目录里有.pth或.pt权重文件没有的话要么自己训练要么找作者要。import torch from FaceEnhance import FaceEnhance from FaceInput import load_image import cv2 import numpy as np # 设备选择有 GPU 用 GPU没有就 CPU device torch.device(cuda if torch.cuda.is_available() else cpu) # 实例化模型并加载权重 model FaceEnhance().to(device) model.load_state_dict(torch.load(model/face_enhance.pth, map_locationdevice)) model.eval() # 推理模式关掉 dropout 和 batchnorm 更新 # 加载测试图 input_tensor load_image(resource/test1.png).to(device) # 前向传播不计算梯度省显存 with torch.no_grad(): output model(input_tensor) # 后处理CHW 转 HWC乘 255转 uint8 output output.squeeze(0).permute(1, 2, 0).cpu().numpy() output (output * 255).astype(np.uint8) output cv2.cvtColor(output, cv2.COLOR_RGB2BGR) # 保存结果 cv2.imwrite(resource/enhanced_result.png, output) print(增强完成结果已保存)model.eval()这行不能省训练模式下的 BatchNorm 会用当前 batch 的统计量推理时应该用训练时保存的全局统计量不切换会导致输出不稳定。torch.no_grad()关闭梯度计算显存占用能降一半推理速度也快。后处理是预处理的逆操作squeeze去掉 batch 维permute把通道挪回最后乘 255 还原像素范围astype(np.uint8)转成图像格式。最后 RGB 转回 BGR 再保存否则颜色又偏了。注意如果报size mismatch for ...说明权重文件和模型结构对不上检查FaceEnhance.py是否被改过或者权重是不是这个模型训练出来的。4. 避坑指南跑这套毕设代码最容易翻车的五个地方4.1 图片读进来是 None 或颜色发蓝现象cv2.imread返回None或者输出图像整体偏蓝。原因通常是路径含中文、图片格式不支持或者忘了 BGR 转 RGB。Windows 下路径用反斜杠Python 字符串里\t会被当制表符建议路径前加r或者用正斜杠。颜色问题就是cv2.cvtColor那步漏了OpenCV 读的是 BGR模型和显示都认 RGB中间必须转一次。4.2 显存不够报 CUDA out of memory现象一跑Test.py就崩提示显存不足。原因是输入尺寸太大或者 batch 设太大。解决方法是把load_image里的size从 512 降到 256或者在Test.py里加torch.cuda.empty_cache()。如果显卡只有 4G 显存老老实实用 CPU 跑毕设演示一张图也就几秒钟的事。4.3 输出全黑或全白现象增强结果要么一片黑要么一片白看不到人脸。原因是归一化范围搞错了。如果模型最后一层是Sigmoid输入必须归一化到 [0,1]如果最后一层没加激活函数输入可能归一化到 [-1,1]。检查FaceInput.py里的除法是除以 255 还是 127.5 再减 1两者要和模型输出层匹配。不匹配的话像素值会溢出显示出来就是纯色。4.4 权重加载失败提示 KeyError现象load_state_dict报Missing key(s)或Unexpected key(s)。原因是保存权重时用了nn.DataParallel包了一层键名前面多了module.前缀。解决办法是在加载前处理一下键名state_dict torch.load(model/face_enhance.pth, map_locationdevice) # 去掉 module. 前缀 new_state_dict {k.replace(module., ): v for k, v in state_dict.items()} model.load_state_dict(new_state_dict)4.5 训练 loss 不下降或震荡现象自己重新训练时 loss 卡在一个值不动或者上下乱跳。原因可能是学习率太大、数据没打乱、或者 batch size 太小。常见做法是把学习率从 0.001 降到 0.0001在 DataLoader 里加shuffleTruebatch size 至少设 4。如果 loss 震荡得厉害加一个学习率衰减策略每 10 个 epoch 乘 0.5。5. 进阶玩法把增强结果做成对比图并写进论文跑通单张图之后毕设论文里通常需要放对比实验。我一般会写一个批量处理脚本把resource/下所有模糊图跑一遍然后拼成“原图-增强图”左右对比直接贴进论文。import os import cv2 import numpy as np import torch from FaceEnhance import FaceEnhance from FaceInput import load_image device torch.device(cuda if torch.cuda.is_available() else cpu) model FaceEnhance().to(device) model.load_state_dict(torch.load(model/face_enhance.pth, map_locationdevice)) model.eval() input_dir resource/blur output_dir resource/enhanced os.makedirs(output_dir, exist_okTrue) for fname in os.listdir(input_dir): if not fname.lower().endswith((.png, .jpg, .jpeg)): continue path os.path.join(input_dir, fname) tensor load_image(path).to(device) with torch.no_grad(): out model(tensor) out out.squeeze(0).permute(1, 2, 0).cpu().numpy() out (out * 255).astype(np.uint8) out cv2.cvtColor(out, cv2.COLOR_RGB2BGR) # 读原图并缩放到同尺寸方便拼接 origin cv2.imread(path) origin cv2.resize(origin, (out.shape[1], out.shape[0])) # 水平拼接左原图右增强 compare np.hstack([origin, out]) cv2.imwrite(os.path.join(output_dir, fname), compare) print(f{fname} 处理完成)这段脚本的关键在np.hstack它把两张同高的图水平拼在一起左边是模糊原图右边是增强结果对比一目了然。os.makedirs(..., exist_okTrue)保证输出目录不存在时自动创建不会因为目录问题中断。批量处理时注意显存释放如果图片多每处理 10 张手动torch.cuda.empty_cache()一次。验证增强效果不能只看肉眼论文里最好加一个定量指标。PSNR 和 SSIM 是最常用的两个指标含义计算方式数值参考PSNR峰值信噪比基于 MSE 计算越高越好30dB 以上算不错SSIM结构相似度比较亮度、对比度、结构0 到 1越接近 1 越好from skimage.metrics import peak_signal_noise_ratio, structural_similarity # 假设 origin 和 enhanced 都是 uint8 的 HWC 图像 psnr peak_signal_noise_ratio(origin, enhanced, data_range255) ssim structural_similarity(origin, enhanced, channel_axis2, data_range255) print(fPSNR: {psnr:.2f} dB, SSIM: {ssim:.4f})data_range255告诉函数像素范围是 0 到 255channel_axis2指定通道维在最后。这两个指标写进论文的“实验结果与分析”章节比只放几张图有说服力得多。如果 PSNR 低于 25dB说明模型可能欠拟合或者训练数据太少需要回头调参。从那以后我每次拿到这类毕设代码都强制先跑通单张图、再跑批量、最后补指标三步走完才敢往论文里写。希望帮到你。本文还有配套的精品资源点击获取