给出完整代码实现一个简易评价模型，要求功能是：从颜色还原度和图像清晰度两个方面对一个黑白图片彩色化的算法进行评分 并输出最后评分

下面是一个简易评价模型的代码实现，该模型从颜色还原度和图像清晰度两个方面对一个黑白图片彩色化的算法进行评分，并输出最后评分。本评价模型使用了Python的Pillow库和OpenCV库。

import cv2
from PIL import Image

# 加载黑白图片和彩色化后的图片
bw_img = Image.open("bw_img.jpg") # bw_img.jpg为黑白图片的文件名
colorized_img = cv2.imread("colorized_img.jpg") # colorized_img.jpg为彩色化后的图片的文件名

# 计算颜色还原度评分
bw_pixels = bw_img.load()
colorized_pixels = cv2.cvtColor(colorized_img, cv2.COLOR_BGR2RGB)
color_diff = 0
total_pixels = bw_img.size[0] * bw_img.size[1]
for i in range(bw_img.size[0]):
    for j in range(bw_img.size[1]):
        color_diff += ((bw_pixels[i, j][0] - colorized_pixels[i, j][0]) ** 2 + 
                       (bw_pixels[i, j][1] - colorized_pixels[i, j][1]) ** 2 + 
                       (bw_pixels[i, j][2] - colorized_pixels[i, j][2]) ** 2) ** 0.5
color_score = 100 - color_diff / (total_pixels * (255 ** 2) * 3) * 100

# 计算图像清晰度评分
gray_img = cv2.cvtColor(colorized_img, cv2.COLOR_BGR2GRAY)
blur_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
sobelx_img = cv2.Sobel(blur_img, cv2.CV_64F, 1, 0, ksize=3)
sobely_img = cv2.Sobel(blur_img, cv2.CV_64F, 0, 1, ksize=3)
sharpness_score = (cv2.mean(sobelx_img ** 2)[0] + cv2.mean(sobely_img ** 2)[0]) ** 0.5

# 输出评分结果
print("颜色还原度评分：{:.2f}".format(color_score))
print("图像清晰度评分：{:.2f}".format(sharpness_score))

需要注意的是，该评价模型的评分结果仅供参考，可能与人眼评价存在差异，需要根据实际情况进行调整。此外，根据具体需求，评价模型中的评分算法也可以有所修改。