Bildfärgning med djup transferinlärning med VGG19 och CLAHE

Att återge gamla fotografier

Många av oss har lådor med svartvita familjefoton eller uppskattar klassiska filmer och vintage‑dokumentärer. Att föreställa sig hur de scenerna såg ut i verkligheten — blå himlar, gröna fält, varma hudtoner — kan få det förflutna att kännas närmare och mer levande. Denna artikel undersöker en ny datorbaserad metod som automatiskt lägger till realistiska färger och behaglig kontrast till gråskalebilder, vilket gör det enklare att återställa gamla bilder, fräscha upp svartvita filmer och till och med förbättra medicinska bilder, utan att en expert behöver måla in varje nyans för hand.

Från handfärgning till smarta maskiner

Att färglägga bilder är svårare än det ser ut eftersom en enda grå nyans kan motsvara många olika färger: ett mellangrå kan vara en röd tegelvägg, ett grönt blad eller en blå skjorta. Tidigare verktyg förlitade sig starkt på mänsklig vägledning. Konstnärer kunde rita snabba färg"scribbles" på delar av en bild och mjukvaran spred dessa ledtrådar över liknande regioner. Andra system lånade färger från ett referensfoto med liknande innehåll. Även om dessa metoder kunde vara övertygande, brast de när vägledningen var knapp, referensbilden inte passade perfekt eller scenen var komplex. När djupinlärning slog igenom lärde sig nya program att "gissa" färger direkt från stora samlingar exemplarbilder, vilket minskade behovet av manuellt arbete men krävde enorm träningstid och beräkningskraft.

Att lära ett nätverk hur världen ser ut

Författarna bygger vidare på denna utveckling med en strategi som kallas transferinlärning. Istället för att träna ett nytt system från grunden återanvänder de ett kraftfullt visionsnätverk kallat VGG19 som redan tränats på miljontals färgbilder. Detta nätverk har många lager som gradvis går från enkla mönster som kanter och texturer till hela objekt och scener: ansikten, träd, byggnader, himlar. Färgningssystemet matar en gråskalaversion av en bild in i VGG19 och samlar in funktioner från flera lager samtidigt, vilket bildar en rik "stack" av information för varje pixel. Detta hjälper modellen att förstå både fin detalj — såsom hårstrån eller bladsprång — och den bredare kontexten, som om scenen är en strand, en stadsgata eller en skog. Med denna kontext är nätverket bättre rustat att välja trovärdiga färger, inte bara matematiskt möjliga.

Att förvandla ljus och skugga till färg och kontrast

För att göra färgvalen mer stabila representerar metoden bilder i ett färgsystem som separerar ljusstyrka från färginnehåll. Den gråskaliga ingången fungerar som ljusstyrkekanalen, medan nätverkets uppgift är att förutsäga de två återstående kanalerna som kodar för subtila skiftningar mellan rött och grönt, och mellan blått och gult. Genom att hålla ljusstyrkan fixerad bevarar systemet bildens ursprungliga skuggning och struktur. Efter att nätverket producerat sina bästa gissningar för den saknade färginformationen tillämpas ett slutligt förbättringssteg. Här använder författarna en teknik kallad adaptiv histogramutjämning, som lokalt sträcker spannet mellan mörka och ljusa områden. Detta gör texturer tydligare, kanter skarpare och färger mer levande, utan att helt enkelt "spräcka" ljusa partier eller förlora detaljer i skuggor.

Att testa metoden

För att se hur väl deras angreppssätt fungerar i praktiken tränade och utvärderade forskarna det på flera välkända bildsamlingar som innehåller objekt, scener, människor och vardagsmiljöer. De jämförde sina resultat med en rad konkurrentmetoder, inklusive system styrda av användarinmatning, generativa modeller som försöker skapa realistiska bilder och nyare transformerbaserade modeller. Med vanliga mått på bildkvalitet producerade deras metod konsekvent skarpare, mer trogna färger och tydligare strukturer, med särskilt stark prestanda på en krävande uppsättning scenfotografier. Visuella jämförelser visar att deras färglagda resultat ofta ligger närmare originalfärgfotona, med rikare men kontrollerad mättnad och bättre balanserad kontrast. De pekar också ut var metoden har svårigheter: mycket mörka eller alltför ljusa bilder, eller scener med ovanliga texturer och sällsynta färger, kan fortfarande ge upphov till märkliga nyanser eller ojämn belysning.

Vad detta betyder för vardagsbilder

Enkelt uttryckt visar studien att om man ger ett färgläggningssystem en gedigen förhandsutbildning om den visuella världen — och sedan noggrant förbättrar resultatet — kan man skapa bilder som ter sig mer naturliga för det mänskliga ögat. Genom att stå på axlarna av ett stort, förtränat nätverk och lägga till ett smart kontrastförstärkande steg levererar författarna ett praktiskt verktyg som kan ge liv åt historiska fotografier, berika svartvita filmer och göra vissa typer av medicinska bilder lättare att tolka. Även om det inte är perfekt och kan snubbla på extrem belysning eller mycket ovanliga scener, tar detta angreppssätt automatisk färgläggning närmare något som icke‑experter kan lita på, och gör realistisk färg mer tillgänglig för en mängd vardagliga användningsområden.

Citering: Ghosh, N., Mandal, G. Deep transfer learning based image colorization using VGG19 and CLAHE. Sci Rep 16, 9528 (2026). https://doi.org/10.1038/s41598-026-40292-1

Nyckelord: bildfärgning, djupinlärning, transferinlärning, fotorestaurering, kontrasthöjning