matlab神经网络学习黑白照片彩色化的代码

以下是一个基于 MATLAB 的神经网络学习黑白照片彩色化的示例代码：

首先，需要准备一些彩色和黑白照片数据集，然后将其转换为适合神经网络训练的格式。可以使用 `imread` 函数读取图片，使用 `reshape` 函数将其转换为向量形式。

% Load and prepare training data
colorImgs = imageDatastore('path/to/color/images');
grayImgs = imageDatastore('path/to/grayscale/images');

numImgs = numel(colorImgs.Files);

X = zeros(224*224, numImgs);
Y = zeros(224*224, numImgs);

for i = 1:numImgs
    colorImg = readimage(colorImgs, i);
    grayImg = readimage(grayImgs, i);

    % Resize images to 224x224
    colorImg = imresize(colorImg, [224, 224]);
    grayImg = imresize(grayImg, [224, 224]);

    % Convert to vectors
    colorVec = reshape(colorImg, [], 1);
    grayVec = reshape(grayImg, [], 1);

    X(:, i) = grayVec;
    Y(:, i) = colorVec;
end

接下来，定义一个基于深度学习的神经网络模型。这里我们使用一个简单的全连接神经网络，包含3个隐藏层。可以使用 `trainNetwork` 函数训练模型，然后使用 `predict` 函数进行预测。

% Define neural network model
layers = [
    imageInputLayer([224, 224, 1])
    fullyConnectedLayer(512)
    reluLayer
    fullyConnectedLayer(256)
    reluLayer
    fullyConnectedLayer(128)
    reluLayer
    fullyConnectedLayer(224*224*3)
    regressionLayer
];

options = trainingOptions('sgdm', 'MaxEpochs', 50);

% Train neural network
net = trainNetwork(X, Y, layers, options);

% Test neural network
testImg = imread('path/to/test/image');
grayImg = rgb2gray(testImg);
grayImg = imresize(grayImg, [224, 224]);
grayVec = reshape(grayImg, [], 1);

colorVec = predict(net, grayVec);
colorImg = reshape(colorVec, [224, 224, 3]);
imshow(colorImg);

这个神经网络模型并不是最优的，你可以尝试使用更复杂的模型、更多的训练数据和更好的训练参数来提高彩色化的准确性。