【Python】DeblurGANで写真／画像のブレ補正に挑戦！

2025年4月28日

写真を撮影してあとで確認すると、思った以上にブレが目立つことがあります。特にスマホやコンパクトデジタルカメラでは、暗所撮影やシャッタースピードの影響で、手ブレが発生しやすくなります。

最近では、AIを活用したブレ補正技術が進化し、プロの写真編集ソフトでも導入されています。しかし、こうしたソフトの多くは高価で、誰もが気軽に使えるわけではありません。そこで今回は、DeblurGAN というAI技術を使って、写真や画像のブレをどこまで補正できるのかを検証してみます。

DeblurGANとは

DeblurGANは、ブレた画像をクリアな状態に復元するために設計された深層学習モデルで、以下の2つの技術を組み合わせています。

敵対的生成ネットワーク（GAN） – 画像のブレ補正を学習するために、生成モデルと識別モデルを対抗させ、高品質な画像復元を実現。
畳み込みネットワーク（ConvNet） – 局所的な特徴を詳細に捉え、ブレの原因となる情報を補正しながら、クリアな画質を生成。

これらの技術を組み合わせることで、従来の手法よりもより自然で高精度なブレ補正が可能になります。

DeblurGANの特徴

✅ 多様な画像に適用可能
風景写真、ポートレート、スポーツ撮影など、さまざまなシーンのブレ補正に対応。

✅ 学習ベースのブレ補正
従来のアルゴリズムでは、ぼやけた画像の特定パターンに依存して補正を行っていましたが、DeblurGANは学習データを基に適応的にブレを補正できるため、幅広い状況に対応できます。

✅ 細部を保持しながらブレを除去
一般的なブレ補正では細かいディテールが失われることがありますが、DeblurGANは画像のエッジや質感を保ったまま、ブレを軽減することが可能です。

DeblurGAN の公式サイト

DeblurGANの概要とソースコードは、Git上にある DeblurGAN公式ページに掲載されています。本記事では、ここに記載されいている内容をできるだけわかりやすく解説したものになります。

https://github.com/VITA-Group/DeblurGANv2?tab=readme-ov-file

インストールの前提条件

DeblurGANのページでは、モデルのダウンロード方法とデモプログラムの使い方に関する記述があるだけで、詳しいインストール方法が記載されていません。

今回は、私のPCで試して動作した構成を記載しています。

Python／CUDAのバージョン

動作に必要な環境は次の通りです。

必要な環境・ライブラリ	バージョンなど	備考
Python 環境	Python 3.8.10
Git 環境	その時の最新版
Pytorch	torch 1.10.0+cu113
CUDA Toolkit	11.3
cuDNN	8.9.7	8.9.0以上なら動作可能

インストール手順の概要

次の手順でインストールを行います。

Step１ Python動作環境の構築	①Python 3.8.10の環境準備 ②Gitの環境準備 ③CUDA Toolkit 11.3のインストール ④cuDNN 8.9.7
Step２ DeblurGAN のインストール	GitHubからDeblurGAN をインストール後、各種モジュールをインストール
Step３各種モデルのインストール	GitHubに公開されている学習済みモデルをダウンロードします。これは、コマンドを１行実行することで完了します。

インストール手順

Step１．Python動作環境の構築

「【最初の一歩】生成AI向けPython環境構築手順（スクリーンショットで解説）」の記載内容（①②③④）を実行してください。

Python環境構築手順の①～④をインストールしてください。
FFMPEGのインストールは不要です（使わないだけなので、インストールしても差し支えはありません）。

Step２．DeblurGAN のインストール

あらかじめ、DeblurGAN をインストールするための任意のフォルダを作成しておきます。今回は、Ｏドライブの直下に　BLURというフォルダを作成し、そこにインストールすることにします。

まず、コマンドプロンプトを開き、インストールしたいフォルダ（今回はＯドライブ直下のDeblurGAN フォルダ）に移動し、次のコマンドを実行します。

git clone https://github.com/VITA-Group/DeblurGANv2.git

DeblurGAN のモジュールがインストールに成功したら、次のコマンドを実行してください。

cd DeblurGANv2
pip install -r requirements.txt

上記の pip コマンドにより CPU版のpytorch がインストールされているため、一旦pytorchをアンインストールします。

pip uninstall torch torchvision torchaudio

次に、GPU対応のpytorch をインストールします。

pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

Step３．各種モデルのインストール

続けて、学習済みモデルをインストールします。具体的には、公式GITHUBのページを少しスクロールすると、下記のリンクが表示されます。リックは通常版（fpn_inception.h5）と軽量版（fpn_mobilenet.h5）の２種類ありますが、通常版（fpn_inception.h5）の方リンクをクリックします。

Googleドライブに移動するので、「このままダウンロード」をクリックしてください。

fpn_inception.h5 をダウンロードしたら、下記の通り DeblurGANをインストールしたフォルダ内にコピーしてください。

以上でモデルのインストールは完了です。

DeblurGAN フォルダ構成について

ここまでの手順が完了すると、上記のフォルダ構成になっているはずです。次の章で説明するデモプログラム（predict.py）に関係するフォルダは次の通りです。

フォルダ名	内容
config	設定ファイル(config.yaml）の保存先フォルダ。 config.yaml には、デモプログラムが参照する入出力フォルダや、学習パラメータ等が記述されている。
test_img	ブレの強いテスト画像が１枚だけ格納されている。
submit	ブレ除去済みの画像が３枚格納されている。 predict.pyを実行すると、ブレ済み画像がこのフォルダに格納される。