رنگی کردن عکس سیاه‌وسفید با هوش مصنوعی؛ آموزش کامل و رایگان

رنگی کردن عکس سیاه‌وسفید با هوش مصنوعی یکی از کاربردهای محبوب مدل‌های پردازش تصویر است. با استفاده از ابزارهای جدید می‌توان عکس‌های خانوادگی قدیمی، تصاویر تاریخی، پرتره‌ها و عکس‌های اسکن‌شده را در مدت کوتاهی به نسخه‌ای رنگی تبدیل کرد.

با این حال، رنگی‌شدن یک عکس الزاماً به معنای بازسازی دقیق رنگ‌های واقعی آن نیست. مدل هوش مصنوعی رنگ لباس، پوست، آسمان، ساختمان و سایر اجزای تصویر را با توجه به الگوهای آموخته‌شده حدس می‌زند. بنابراین برای رسیدن به نتیجه طبیعی و نزدیک به واقعیت، باید عکس اولیه به‌درستی آماده و در صورت امکان اطلاعاتی درباره زمان، مکان و رنگ اجزای مهم در اختیار مدل قرار گیرد.

در این مقاله، روش رنگی کردن عکس سیاه‌وسفید با هوش مصنوعی را مرحله‌به‌مرحله بررسی می‌کنیم. همچنین ابزارهای آنلاین و متن‌باز، پرامپت‌های آماده و روش ساخت یک سرویس رنگی‌سازی عکس با API درواره را توضیح می‌دهیم.

رنگی‌کردن عکس با هوش مصنوعی چگونه انجام می‌شود؟

مدل هوش مصنوعی ابتدا اجزای موجود در تصویر را تشخیص می‌دهد؛ برای مثال:

• چهره و پوست انسان
• مو، چشم و لب
• لباس
• آسمان و ابر
• درخت و گیاه
• ساختمان
• خودرو
• جاده و زمین
• وسایل داخل اتاق

سپس براساس اطلاعات بصری و نمونه‌هایی که در فرایند آموزش دیده است، برای هر بخش رنگ احتمالی تولید می‌کند.

برای مثال، مدل ممکن است آسمان روشن را آبی، گیاهان را سبز و پوست چهره را متناسب با روشنایی تصویر رنگ‌آمیزی کند. اما اگر لباس فرد در عکس خاکستری دیده شود، مدل نمی‌تواند با قطعیت بداند که رنگ اصلی آن آبی، قرمز یا قهوه‌ای بوده است.

به همین دلیل، دو نوع رنگی‌سازی وجود دارد:

رنگی‌سازی تخمینی

مدل تمام رنگ‌ها را به‌صورت خودکار حدس می‌زند. این روش سریع است و برای استفاده عمومی مناسب است.

رنگی‌سازی هدایت‌شده

کاربر اطلاعاتی درباره رنگ لباس، مو، چشم، خودرو، دیوار یا سایر اجزای عکس به مدل می‌دهد. این روش کنترل بیشتری ایجاد می‌کند و برای عکس‌های خانوادگی یا تاریخی مناسب‌تر است.

تفاوت رنگی کردن، ترمیم و افزایش کیفیت عکس چیست؟

این سه فرایند به یکدیگر مرتبط‌اند، اما یکسان نیستند.

در بسیاری از پروژه‌ها بهتر است ابتدا آسیب‌های عکس ترمیم شوند، سپس تصویر رنگی و در مرحله آخر کیفیت آن افزایش پیدا کند.

اگر عکس دارای پارگی و لکه‌های زیاد است، راهنمای ترمیم عکس‌های قدیمی با هوش مصنوعی نیز می‌تواند مفید باشد.

چه عکس‌هایی برای رنگی‌سازی با هوش مصنوعی مناسب‌اند؟

بهترین نتایج معمولاً از عکس‌هایی به دست می‌آیند که:

• وضوح قابل‌قبولی دارند.
• چهره‌ها کاملاً قابل‌تشخیص‌اند.
• نور تصویر متعادل است.
• بخش‌های اصلی عکس از بین نرفته‌اند.
• کنتراست کافی میان سوژه و پس‌زمینه وجود دارد.
• عکس با کیفیت مناسب اسکن شده است.
• فشرده‌سازی شدید یا پیکسل‌های خراب ندارد.

اگر تصویر بسیار کوچک، تار یا آسیب‌دیده باشد، بهتر است قبل از رنگی‌سازی آن را ترمیم و واضح‌تر کنید.

مراحل رنگی کردن عکس سیاه‌وسفید با هوش مصنوعی

مرحله اول: عکس را با کیفیت مناسب اسکن کنید

برای عکس چاپ‌شده بهتر است به‌جای عکس‌گرفتن با زاویه نامناسب، از اسکنر استفاده کنید. اگر اسکنر ندارید:

1. عکس را روی سطح صاف قرار دهید.
2. از نور یکنواخت استفاده کنید.
3. فلاش دوربین را خاموش کنید.
4. دوربین را کاملاً موازی با عکس نگه دارید.
5. انعکاس نور را از سطح عکس حذف کنید.
6. تصویر را با بیشترین کیفیت ممکن ذخیره کنید.

فرمت‌های PNG و TIFF برای نگهداری نسخه اصلی مناسب‌اند. JPEG نیز قابل‌استفاده است، اما ذخیره مکرر آن ممکن است کیفیت را کاهش دهد.

مرحله دوم: حاشیه‌های اضافی را حذف کنید

پس‌زمینه میز، قاب عکس یا فضای اضافی اطراف تصویر را برش دهید. مدل باید روی محتوای اصلی عکس تمرکز کند.

هنگام برش، بخشی از دست، مو، لباس یا محیط اصلی تصویر را حذف نکنید.

مرحله سوم: روشنایی و کنتراست را اصلاح کنید

اگر عکس بیش از حد تاریک یا روشن باشد، تشخیص اجزای تصویر دشوار می‌شود. پیش از رنگی‌سازی می‌توانید:

• روشنایی را کمی افزایش دهید.
• کنتراست را متعادل کنید.
• نواحی کاملاً سیاه را بازیابی کنید.
• لکه‌های روشن را کاهش دهید.
• تصویر کج را صاف کنید.

از افزایش شدید کنتراست خودداری کنید؛ زیرا ممکن است جزئیات چهره و لباس از بین بروند.

مرحله چهارم: خط‌وخش و آسیب‌های بزرگ را ترمیم کنید

اگر خطی از روی صورت عبور کرده یا بخشی از تصویر پاره شده است، بهتر است ابتدا آن قسمت بازسازی شود.

مدل رنگی‌سازی ممکن است خط‌وخش را به‌عنوان بخشی از سوژه تشخیص دهد و برای آن رنگ نامناسب ایجاد کند.

مرحله پنجم: نسخه رنگی اولیه را بسازید

در اولین مرحله از مدل بخواهید فقط رنگ اضافه کند و ساختار تصویر را تغییر ندهد.

پرامپت ساده:

این عکس سیاه‌وسفید قدیمی را به‌صورت طبیعی و واقع‌گرایانه رنگی کن.
چهره، هویت افراد، حالت صورت، لباس‌ها، پس‌زمینه و ترکیب‌بندی اصلی
تصویر را تغییر نده. رنگ پوست طبیعی و متعادل باشد. از رنگ‌های بیش
از حد اشباع‌شده استفاده نکن.

مرحله ششم: رنگ‌های اشتباه را اصلاح کنید

پس از دریافت خروجی، این بخش‌ها را بررسی کنید:

• رنگ پوست
• سفیدی چشم
• لب و دندان
• مو
• لباس
• آسمان
• گیاهان
• دیوار و ساختمان
• اشیای فلزی
• سایه‌ها

اگر رنگ قسمتی اشتباه است، به‌جای تولید مجدد کل تصویر، همان بخش را در پرامپت مشخص کنید.

نمونه:

ساختار تصویر قبلی را حفظ کن. فقط رنگ کت مرد سمت راست را
سرمه‌ای تیره و رنگ پیراهن او را سفید کن. رنگ چهره، مو،
پس‌زمینه و لباس سایر افراد تغییر نکند.

مرحله هفتم: کیفیت تصویر نهایی را افزایش دهید

پس از تأیید رنگ‌ها می‌توانید وضوح تصویر را افزایش دهید. بهتر است بزرگ‌نمایی شدید را یک‌باره انجام ندهید.

برای نمونه، ابتدا تصویر را دو برابر و سپس نتیجه را بررسی کنید. افزایش بیش از حد وضوح ممکن است جزئیاتی ایجاد کند که در عکس اصلی وجود نداشته‌اند.

برای آشنایی بیشتر می‌توانید مقاله افزایش کیفیت عکس با هوش مصنوعی را مطالعه کنید.

بهترین ابزارهای رنگی کردن عکس سیاه‌وسفید

مدل‌های ویرایش تصویر مبتنی بر پرامپت

مدل‌های جدید ویرایش تصویر می‌توانند علاوه بر رنگی‌سازی، دستورهای دقیق کاربر را نیز اجرا کنند. برای مثال می‌توان رنگ لباس، شدت رنگ، فضای تاریخی و نوع نور را مشخص کرد.

این مدل‌ها برای زمانی مناسب‌اند که:

• می‌خواهید رنگ اجزای خاص را تعیین کنید.
• عکس شامل چند شخصیت است.
• رنگ طبیعی پوست اهمیت دارد.
• به چند مرحله اصلاح نیاز دارید.
• می‌خواهید ساختار اصلی تصویر حفظ شود.

Adobe Photoshop

Photoshop ابزارهای مختلفی برای رنگی‌کردن، ماسک‌گذاری و اصلاح انتخابی رنگ‌ها ارائه می‌کند. مزیت اصلی آن امکان ترکیب نتیجه هوش مصنوعی با ویرایش دستی است.

Photoshop برای افرادی مناسب است که می‌خواهند:

• هر بخش را به‌صورت جداگانه اصلاح کنند.
• رنگ پوست را دقیق تنظیم کنند.
• لکه و خط‌وخش را حذف کنند.
• لایه‌های مختلف رنگ ایجاد کنند.
• نسخه نهایی را برای چاپ آماده کنند.

Gemini

مدل‌های تصویری Gemini می‌توانند تصویر را دریافت و براساس دستور متنی ویرایش کنند. می‌توانید از مدل بخواهید عکس سیاه‌وسفید را رنگی کند و سپس رنگ بخش‌های خاص را با پرامپت اصلاح کنید.

دسترسی، محدودیت‌ها و مدل‌های فعال ممکن است در طول زمان تغییر کنند؛ بنابراین پیش از استفاده، شرایط فعلی سرویس را بررسی کنید.

DeOldify

DeOldify یکی از پروژه‌های شناخته‌شده متن‌باز برای رنگی‌سازی تصاویر و ویدیوهای قدیمی است. این پروژه نمونه مهمی از استفاده شبکه‌های عصبی در رنگی‌کردن خودکار تصاویر محسوب می‌شود.

مخزن اصلی DeOldify در سال ۲۰۲۴ آرشیو شده و اکنون فقط خواندنی است؛ بنابراین برای پروژه‌های جدید باید احتمال ناسازگاری وابستگی‌ها و نیاز به نگهداری فنی را در نظر گرفت. مخزن DeOldify در GitHub

GIMP

GIMP یک نرم‌افزار متن‌باز و رایگان برای ویرایش تصویر است. رنگی‌سازی خودکار پیشرفته، قابلیت اصلی آن نیست؛ اما برای اصلاح رنگ، ماسک‌گذاری، حذف لکه و تنظیم خروجی مدل هوش مصنوعی مفید است.

ابزارهای آنلاین Colorizer

سرویس‌های آنلاین مختلفی وجود دارند که فقط با آپلود عکس، نسخه رنگی را تولید می‌کنند. این ابزارها برای استفاده سریع مناسب‌اند، اما معمولاً کنترل کمتری بر رنگ اجزای مختلف دارند.

پیش از انتخاب ابزار آنلاین، این موارد را بررسی کنید:

• حداکثر اندازه تصویر
• وجود واترمارک
• امکان دانلود باکیفیت
• امکان اصلاح نتیجه
• پشتیبانی از تصاویر آسیب‌دیده
• محدودیت تعداد پردازش
• هزینه خروجی نهایی

مقایسه روش‌های رنگی‌کردن عکس

پرامپت‌های آماده برای رنگی کردن عکس

پرامپت عمومی و طبیعی

این عکس سیاه‌وسفید را با رنگ‌های طبیعی و واقع‌گرایانه رنگی کن.
هویت افراد، ویژگی‌های چهره، سن، حالت صورت، مدل مو، لباس،
پس‌زمینه و ترکیب‌بندی اصلی دقیقاً حفظ شوند. رنگ پوست طبیعی باشد
و از اشباع زیاد، پوست پلاستیکی و تغییر جزئیات جلوگیری کن.

پرامپت عکس خانوادگی قدیمی

این عکس خانوادگی سیاه‌وسفید قدیمی را با رنگ‌های طبیعی متناسب
با زمان ثبت عکس رنگی کن. چهره تمام افراد و حالت صورت آن‌ها را
بدون تغییر حفظ کن. رنگ پوست، مو و لباس‌ها واقعی و متعادل باشد.
بافت و حس تاریخی عکس باقی بماند و تصویر بیش از حد مدرن نشود.

پرامپت عکس تاریخی

این تصویر تاریخی را با پالت رنگ واقع‌گرایانه و متناسب با دوره
ثبت عکس رنگی کن. معماری، پوشش افراد، وسایل و فضای تاریخی
تغییر نکند. رنگ‌ها ملایم و باورپذیر باشند و هیچ شیء جدیدی به
تصویر اضافه نشود.

پرامپت پرتره

این پرتره سیاه‌وسفید را به یک عکس رنگی طبیعی تبدیل کن.
هویت، فرم صورت، چشم‌ها، بینی، لب‌ها، چین‌وچروک و مدل مو
کاملاً حفظ شوند. رنگ پوست متعادل و طبیعی باشد. پس‌زمینه ساده
باقی بماند و هیچ آرایش یا جزئیات جدیدی اضافه نشود.

پرامپت حفظ ظاهر قدیمی عکس

عکس را رنگی کن، اما ظاهر تاریخی و بافت آنالوگ آن را حفظ کن.
رنگ‌ها کمی ملایم و متناسب با عکس‌های رنگی قدیمی باشند.
دانه‌های فیلم، نور و کنتراست اصلی باقی بمانند. تصویر را به یک
عکس دیجیتال مدرن و بیش از حد شفاف تبدیل نکن.

پرامپت ترمیم و رنگی‌سازی هم‌زمان

خط‌وخش‌ها، لکه‌ها و پارگی‌های کوچک این عکس قدیمی را ترمیم کن
و سپس آن را به‌صورت طبیعی رنگی کن. چهره و هویت افراد تغییر
نکند. بخش‌های نامشخص را با حداقل تغییر بازسازی کن و از ساخت
جزئیات غیرواقعی خودداری کن.

پرامپت اصلاح رنگ پوست

فقط رنگ پوست افراد را اصلاح کن تا طبیعی، متعادل و هماهنگ با
نور محیط باشد. فرم چهره، جزئیات صورت، رنگ لباس و پس‌زمینه
را تغییر نده. ته‌رنگ نارنجی و قرمزی بیش از حد پوست را کاهش بده.

پرامپت انگلیسی دقیق

Naturally colorize this original black-and-white photograph.
Preserve the exact identity, facial features, age, expression,
hairstyle, clothing, background, framing, lighting, and historical
character of the image. Use realistic skin tones and historically
plausible, moderately saturated colors. Do not add new objects,
modernize clothing, smooth faces, or alter the composition.

چگونه رنگ‌های واقعی‌تری به دست آوریم؟

اطلاعات تاریخی را در پرامپت بنویسید

اگر سال یا مکان ثبت عکس را می‌دانید، آن را ذکر کنید.

مثال:

این عکس در دهه ۱۳۴۰ خورشیدی در تهران ثبت شده است.
رنگ لباس‌ها، معماری و فضای خیابان متناسب با همان دوره باشد.

رنگ‌های معلوم را مشخص کنید

اگر می‌دانید لباس، خودرو یا دیوار چه رنگی بوده است، آن را صریح بنویسید:

پیراهن کودک سفید، کت پدر قهوه‌ای تیره، روسری مادر سبز زیتونی
و پرده پشت سر خانواده کرم‌رنگ بوده است.

از تصویر مرجع استفاده کنید

اگر عکس رنگی دیگری از همان فرد، لباس یا محیط دارید، می‌توانید از آن به‌عنوان مرجع رنگ استفاده کنید. تصویر مرجع باید فقط برای رنگ باشد و نباید باعث تغییر چهره یا ترکیب‌بندی عکس اصلی شود.

رنگ‌آمیزی را مرحله‌ای انجام دهید

در یک مرحله رنگ کلی تصویر را بسازید و سپس پوست، لباس، پس‌زمینه و اشیای مهم را جداگانه اصلاح کنید.

خروجی را با عکس اصلی مقایسه کنید

همیشه نسخه سیاه‌وسفید اصلی را کنار خروجی رنگی قرار دهید. اگر فرم چشم، دهان، دست یا لباس تغییر کرده باشد، مدل فقط رنگ اضافه نکرده و بخشی از عکس را بازسازی کرده است.

اشتباهات رایج هنگام رنگی کردن عکس قدیمی

درخواست هم‌زمان تغییرات زیاد

اگر از مدل بخواهید عکس را رنگی، ترمیم، مدرن، واضح و نورپردازی آن را تغییر دهد، احتمال تغییر چهره بیشتر می‌شود.

وظایف را به چند مرحله تقسیم کنید.

استفاده از عبارت «عکس را مدرن کن»

این دستور ممکن است باعث تغییر لباس، آرایش، مدل مو و حتی محیط شود. اگر هدف فقط افزودن رنگ است، از مدل بخواهید بافت تاریخی را حفظ کند.

اشباع بیش از حد رنگ‌ها

رنگ‌های بسیار تند معمولاً ظاهر مصنوعی ایجاد می‌کنند. عبارت‌های زیر را به پرامپت اضافه کنید:

رنگ‌های طبیعی، متعادل، ملایم و بدون اشباع بیش از حد

واضح‌کردن شدید چهره

مدل ممکن است برای واضح‌کردن چهره، چشم، پوست یا لب جدیدی بسازد. در عکس‌های خانوادگی، حفظ هویت باید بر وضوح ظاهری اولویت داشته باشد.

اعتماد کامل به رنگ‌های تولیدشده

رنگ خروجی یک تخمین بصری است، مگر اینکه اطلاعات تاریخی یا تصویر مرجع داشته باشید. برای استفاده مستند یا پژوهشی، نسخه رنگی را به‌عنوان بازسازی احتمالی معرفی کنید.

ویرایش‌کردن تنها نسخه عکس

نسخه اصلی را بدون تغییر نگه دارید و تمام ویرایش‌ها را روی یک کپی انجام دهید.

رنگی کردن عکس با API درواره

اگر می‌خواهید قابلیت رنگی‌سازی عکس را به سایت، اپلیکیشن یا سامانه آرشیو خود اضافه کنید، می‌توانید از مدل‌های ویرایش تصویر موجود از طریق API درواره استفاده کنید.

آدرس پایه API درواره:

https://api.darvareh.ir/v1

معماری پیشنهادی:

کاربر عکس را آپلود می‌کند
↓
سرور نوع و اندازه فایل را بررسی می‌کند
↓
نسخه اصلی ذخیره می‌شود
↓
عکس برای مدل ویرایش تصویر ارسال می‌شود
↓
نسخه رنگی دریافت و ذخیره می‌شود
↓
کاربر نتیجه قبل و بعد را مقایسه می‌کند
↓
در صورت نیاز درخواست اصلاح رنگ ثبت می‌شود

نصب کتابخانه پایتون

pip install openai

متغیرهای محیطی:

export DARVAREH_API_KEY="YOUR_API_KEY"
export DARVAREH_IMAGE_MODEL="YOUR_IMAGE_MODEL_ID"

نمونه کد رنگی‌سازی عکس

نمونه زیر برای مدل‌هایی است که از ساختار سازگار images.edit پشتیبانی می‌کنند. شناسه مدل و پارامترهای دقیق را از مستندات مدل فعال دریافت کنید.

import base64
import os
from pathlib import Path

from openai import OpenAI


client = OpenAI(
    api_key=os.environ["DARVAREH_API_KEY"],
    base_url="https://api.darvareh.ir/v1",
)

MODEL_ID = os.environ["DARVAREH_IMAGE_MODEL"]


def colorize_photo(
    input_path: str,
    output_path: str,
    known_colors: str = "",
) -> None:
    prompt = f"""
Naturally colorize this original black-and-white photograph.

Requirements:
- Preserve the exact identity and facial features of every person.
- Preserve age, expression, hairstyle, clothing and composition.
- Use realistic and balanced skin tones.
- Keep the historical appearance of the photograph.
- Use moderately saturated, plausible colors.
- Do not add or remove people or objects.
- Do not modernize clothing or the environment.
- Do not add text, logos or decorative borders.

Known color information:
{known_colors or "No confirmed color information is available."}
"""

    with open(input_path, "rb") as image_file:
        result = client.images.edit(
            model=MODEL_ID,
            image=image_file,
            prompt=prompt,
        )

    image_data = result.data[0]

    if getattr(image_data, "b64_json", None):
        Path(output_path).write_bytes(
            base64.b64decode(image_data.b64_json)
        )
        return

    if getattr(image_data, "url", None):
        raise RuntimeError(
            "مدل یک URL برگردانده است. فایل را در لایه دانلود "
            "سمت سرور دریافت و در فضای ذخیره‌سازی پروژه ثبت کنید."
        )

    raise RuntimeError("خروجی تصویری معتبری دریافت نشد.")


colorize_photo(
    input_path="old-family-photo.png",
    output_path="colorized-family-photo.png",
    known_colors=(
        "The father's jacket was dark brown, "
        "the mother's scarf was olive green, "
        "and the wall was light cream."
    ),
)

ساختار endpoint و پاسخ مدل‌های تصویری ممکن است متفاوت باشد. پیش از اجرای کد، صفحه مدل و مستندات API درواره را بررسی کنید.

ساخت سرویس رنگی‌سازی گروهی عکس

موزه‌ها، آرشیوها، عکاسی‌ها و مجموعه‌های خانوادگی ممکن است صدها یا هزاران عکس سیاه‌وسفید داشته باشند. برای پردازش گروهی بهتر است هر عکس به‌عنوان یک Job مستقل مدیریت شود.

اطلاعات پیشنهادی هر Job:

{
  "job_id": "photo_000124",
  "source_file": "archive/000124.png",
  "status": "processing",
  "model": "IMAGE_MODEL_ID",
  "instructions": {
    "preserve_identity": true,
    "preserve_historical_style": true,
    "saturation": "moderate",
    "known_colors": []
  },
  "output_file": null,
  "review_status": "pending"
}

وضعیت‌های مناسب:

uploaded
preparing
processing
needs_review
approved
failed

در پردازش دسته‌ای، بررسی انسانی همچنان اهمیت دارد. ممکن است مدل در بعضی تصاویر رنگ مناسبی انتخاب کند و در تصاویر دیگر به اصلاح نیاز داشته باشد.

کنترل کیفیت خروجی

برای ارزیابی هر عکس، این معیارها را بررسی کنید:

کاربردهای تجاری رنگی‌سازی عکس

خدمات عکاسی

آتلیه‌ها می‌توانند رنگی‌سازی و ترمیم عکس‌های قدیمی را به خدمات خود اضافه کنند.

چاپ هدیه

نسخه رنگی عکس‌های خانوادگی می‌تواند برای قاب، آلبوم، تابلو یا هدیه مناسبتی آماده شود.

آرشیوهای تاریخی

مجموعه‌های تاریخی می‌توانند نسخه رنگی را در کنار تصویر اصلی نمایش دهند؛ البته باید مشخص شود که رنگ‌ها بازسازی احتمالی هستند.

اپلیکیشن موبایل

می‌توان اپلیکیشنی ساخت که کاربر عکس را آپلود کند، پیش‌نمایش رنگی را ببیند و نسخه باکیفیت را دریافت کند.

فروشگاه اینترنتی خدمات تصویر

یک وب‌سایت می‌تواند بسته‌های مختلفی مانند رنگی‌سازی ساده، ترمیم کامل، افزایش کیفیت و آماده‌سازی برای چاپ ارائه دهد.

تولید محتوا

نسخه رنگی عکس‌های قدیمی برای مستند، شبکه‌های اجتماعی، محتوای آموزشی و ویدیوهای تاریخی جذاب است.

چگونه هزینه API را مدیریت کنیم؟

تصویر را قبل از ارسال آماده کنید

حاشیه‌های اضافی را حذف و اندازه تصویر را متناسب با نیاز تنظیم کنید.

ابتدا پیش‌نمایش بسازید

نسخه اولیه را در اندازه متوسط تولید کنید. فقط عکس‌های تأییدشده را برای خروجی نهایی پردازش کنید.

اصلاح را محدود به بخش موردنظر کنید

اگر فقط رنگ لباس اشتباه است، کل تصویر را با یک دستور کلی دوباره تولید نکنید.

نتیجه‌ها را ذخیره کنید

اگر کاربر صفحه را دوباره باز کرد، خروجی قبلی را نمایش دهید و درخواست تکراری به مدل نفرستید.

مصرف هر پروژه را ثبت کنید

تعداد تلاش‌ها، مدل، هزینه و وضعیت تأیید را نگه دارید. این اطلاعات برای قیمت‌گذاری خدمات ضروری است.

پرسش‌های متداول

آیا می‌توان عکس سیاه‌وسفید را رایگان رنگی کرد؟

بعضی ابزارهای آنلاین یا نسخه‌های آزمایشی امکان پردازش محدود ارائه می‌کنند. شرایط استفاده و محدودیت ابزارها ممکن است تغییر کند. ابزارهای متن‌باز نیز قابل‌استفاده‌اند، اما اجرای آن‌ها ممکن است به دانش فنی و سخت‌افزار مناسب نیاز داشته باشد.

آیا رنگ‌هایی که هوش مصنوعی تولید می‌کند واقعی هستند؟

نه لزوماً. مدل رنگ‌ها را براساس محتوای تصویر و داده‌های آموزشی تخمین می‌زند. اگر رنگ واقعی لباس یا محیط را می‌دانید، آن را در پرامپت مشخص کنید.

چگونه عکس سیاه‌وسفید را بدون تغییر چهره رنگی کنیم؟

در پرامپت تأکید کنید که هویت، فرم صورت، سن، حالت چهره و مدل مو تغییر نکند. همچنین از درخواست هم‌زمان جوان‌سازی یا افزایش شدید وضوح خودداری کنید.

بهترین پرامپت برای رنگی کردن عکس چیست؟

پرامپت باید حفظ هویت، ترکیب‌بندی، فضای تاریخی، رنگ طبیعی پوست و اشباع متعادل را مشخص کند. اگر اطلاعاتی درباره رنگ واقعی اجزا دارید، آن‌ها را نیز اضافه کنید.

آیا امکان رنگی کردن عکس‌های خیلی قدیمی وجود دارد؟

بله، اما کیفیت نتیجه به میزان آسیب و وضوح تصویر بستگی دارد. عکس‌های دارای پارگی، لکه یا تاری زیاد باید ابتدا ترمیم شوند.

آیا می‌توان عکس رنگی‌شده را چاپ کرد؟

بله. برای چاپ بهتر است خروجی نهایی وضوح کافی داشته باشد، رنگ‌ها در نمایشگر مناسب بررسی شوند و نسبت تصویر با اندازه کاغذ هماهنگ باشد.

آیا می‌توان چند عکس را هم‌زمان رنگی کرد؟

بله. برای تعداد زیاد عکس می‌توان یک فرایند دسته‌ای با API، صف پردازش و بررسی انسانی ایجاد کرد.

آیا می‌توان از API درواره برای ساخت ابزار رنگی‌سازی عکس استفاده کرد؟

در صورت وجود مدل ویرایش تصویر مناسب در فهرست جاری درواره، می‌توانید عکس و دستور رنگی‌سازی را از سمت سرور ارسال و خروجی را داخل اپلیکیشن خود نمایش دهید. ساختار دقیق درخواست باید براساس مستندات مدل انتخاب‌شده تنظیم شود.

جمع‌بندی

رنگی کردن عکس سیاه‌وسفید با هوش مصنوعی راهی سریع برای بازآفرینی عکس‌های قدیمی است، اما کیفیت نتیجه فقط به مدل بستگی ندارد. اسکن مناسب، ترمیم اولیه، پرامپت دقیق و بررسی خروجی نقش مهمی در طبیعی‌شدن تصویر دارند.

برای دستیابی به نتیجه بهتر:

1. نسخه اصلی عکس را نگه دارید.
2. تصویر را با کیفیت مناسب اسکن کنید.
3. حاشیه و آسیب‌های بزرگ را اصلاح کنید.
4. ابتدا فقط رنگی‌سازی را انجام دهید.
5. رنگ‌های معلوم را در پرامپت بنویسید.
6. چهره و هویت افراد را با عکس اصلی مقایسه کنید.
7. بخش‌های اشتباه را به‌صورت جداگانه اصلاح کنید.
8. در پایان کیفیت تصویر را افزایش دهید.
9. نسخه رنگی را به‌عنوان بازسازی احتمالی در نظر بگیرید.
10. برای پردازش انبوه از API و صف پردازش استفاده کنید.

اگر قصد دارید قابلیت رنگی‌سازی، ترمیم یا ویرایش عکس را به وب‌سایت و اپلیکیشن خود اضافه کنید، می‌توانید مدل‌های تصویری موجود را از طریق یک اتصال یکپارچه آزمایش کنید.

برای مشاهده مدل‌ها، ساخت کلید API و شروع توسعه به مستندات API درواره مراجعه کنید.

مقالات مرتبط

• ترمیم عکس‌های قدیمی با هوش مصنوعی
• افزایش کیفیت عکس با هوش مصنوعی
• ویرایش عکس با هوش مصنوعی
• حذف اشیا و افراد از عکس با هوش مصنوعی
• تبدیل عکس به نقاشی با هوش مصنوعی
• بهترین ابزارهای ساخت تصویر با هوش مصنوعی
• API تولید تصویر درواره

منابع

• مستندات API درواره
• پروژه DeOldify در GitHub
• راهنمای ویرایش تصویر Adobe Photoshop
• مستندات GIMP
• راهنمای تصاویر در Google Search Central

این مقاله صرفاً با هدف آموزش و اطلاع‌رسانی تهیه شده است. پیش از استفاده عملی، مستندات رسمی سرویس‌ها و صفحه سلب مسئولیت را مطالعه کنید.