paintschainer项目

 github：https://github.com/pfnet/PaintsChainer

tensorflow实现：https://github.com/mizti/tensor_paint

 在线测试：http://paintschainer.preferred.tech/index_en.html

启动paintschainer web服务：

server.py

继承CGIHTTPRequestHandler类实现了web服务器

CGIHTTPRequestHandler类的主要功能函数为do_POST、do_GET，参考：https://docs.python.org/2/library/cgihttpserver.html

看到该项目中的do_POST函数中下面两行，于是明白了post_process实现了图片上传、paint_process才是真正的网络预测部分。

网站后台逻辑：

cgi_exe.py

网络定义：

lnet.py + unet.py

使用chainer框架

网络训练：

train_128.py + train_x2.py

使用chainer框架

训练数据的读取和预处理：

img2imgDataset.py 

使用chainer框架

其中包括把RGB图像转换为YUV图像的方法（使用opencv）、以及三个读取数据准备数据的类

RGB转YUV（注意opencv2和3中转换方法的名不同，需要做区别：

cv2.COLOR_RGB2YUV

cv2.COLOR_BGR2YUV

def cvt2YUV(img):
    (major, minor, _) = cv2.__version__.split(".")
    if major == '3':
        img = cv2.cvtColor( img, cv2.COLOR_RGB2YUV )
    else:
        img = cv2.cvtColor( img, cv2.COLOR_BGR2YUV )
    return img

RGB与YUV概念：

根据三基色原理，任意一种色光F都可以 用不同分量的R、G、B三色相加混合而成。
其中，r、 g、b分别为三基色参与混合的系数。当三基色分量都为0（最弱）时混合为黑色光；而当三基色分量都为k（最强）时混合为白色光。调整r、g、b三个系数的 值，可以混合出介于黑色光和白色光之间的各种各样的色光。
那么YUV又从何而来呢？在现代彩色电视系统中，通常采用三管彩色摄像机或彩色CCD摄 像机进行摄像，然后把摄得的彩色图像信号经分色、分别放大校正后得到 RGB，再经过矩阵变换电路得到亮度信号Y和两个色差信号R－Y（即U）、B－Y（即V），最后发送端将亮度和色差三个信号分别进行编码，用同一信道发送 出去。这种色彩的表示方法就是所谓的YUV色彩空间表示。
采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号 分量而没有U、V分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白 电视机也能接收彩色电视信号。

RGB与YUV换算：

Y = 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
V = 0.615R - 0.515G - 0.100B

R = Y + 1.14V
G = Y - 0.39U - 0.58V
B = Y + 2.03U