这个仓库是做什么的？

这个仓库是一个基于 Keras 的 Deblur GAN 实现。你可以在 Medium 上找到关于其工作原理的教程。以下是示例结果（从左到右：清晰图像、模糊图像、去模糊后的图像）：

安装

virtualenv venv -p python3
. venv/bin/activate
pip install -r requirements/requirements.txt
pip install -e .

数据集

下载 GOPRO 数据集，并将其解压到 deblur-gan 目录下。解压后的目录名应为 GOPRO_Large。

运行以下命令：

python scripts/organize_gopro_dataset.py --dir_in=GOPRO_Large --dir_out=images

训练

python scripts/train.py --n_images=512 --batch_size=16 --log_dir /path/to/log/dir

使用 python scripts/train.py --help 查看所有选项。

测试

python scripts/test.py

使用 python scripts/test.py --help 查看所有选项。

对自己的图像进行去模糊处理

python scripts/deblur_image.py --weight_path=/path/to/generator.h5 --input_dir=/path/to/image/dir --output_dir=/path/to/deblurred/dir

Deblur-GAN 快速上手指南

Deblur-GAN 是一个基于 Keras 实现的生成对抗网络（GAN），专门用于图像去模糊处理。本指南将帮助你快速搭建环境并运行模型。

环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统：Linux 或 macOS（Windows 用户建议使用 WSL2）
• Python 版本：Python 3.6+
• 硬件建议：推荐使用 NVIDIA GPU 以加速训练和推理过程（需安装对应的 CUDA 和 cuDNN）
• 前置依赖：已安装 virtualenv 或 venv 模块

安装步骤

1. 克隆项目并创建虚拟环境

   git clone https://github.com/KupynOrest/deblur-gan.git
   cd deblur-gan
   virtualenv venv -p python3
   source venv/bin/activate
   

2. 安装依赖包 为了获得更快的下载速度，建议先配置 pip 使用国内镜像源（如阿里云或清华源），然后安装依赖：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements/requirements.txt
   pip install -e .
   

基本使用

1. 准备数据集（可选，仅用于训练）

如果你需要重新训练模型，请下载 GOPRO 数据集 并解压到项目根目录，文件夹重命名为 GOPRO_Large。然后运行以下脚本整理数据：

python scripts/organize_gopro_dataset.py --dir_in=GOPRO_Large --dir_out=images

2. 训练模型（可选）

使用以下命令开始训练（可根据显存大小调整 batch_size）：

python scripts/train.py --n_images=512 --batch_size=16 --log_dir ./logs

查看完整训练参数帮助：

python scripts/train.py --help

3. 对自有图像进行去模糊（核心功能）

这是最常用的场景。你需要预先训练好的权重文件（generator.h5）。如果没有，可从官方 Release 或相关资源站下载。

执行去模糊命令：

python scripts/deblur_image.py --weight_path=/path/to/generator.h5 --input_dir=/path/to/image/dir --output_dir=/path/to/deblurred/dir

• --weight_path: 预训练模型权重文件路径。
• --input_dir: 包含待处理模糊图像的文件夹路径。
• --output_dir: 去模糊后图像的保存路径。

查看测试脚本更多选项：

python scripts/test.py --help