Python+OpenCV 十几行代码模仿世界名画

来源：admin 网络用户发布，如有版权联系网管删除　2018-10-16　

现在很多人都喜欢拍照（自拍）。有限的滤镜和装饰玩多了也会腻，所以就有 APP 提供了 模仿名画风格 的功能，比如 prisma、versa 等，可以把你的照片变成 梵高、毕加索、蒙克 等大师的风格。

这种功能叫做“ 图像风格迁移 ”，几乎都是基于 CVPR 2015 的论文《 A Neural Algorithm of Artistic Style 》和 ECCV 2016 的论文《 Perceptual Losses for Real-Time Style Transfer and Super-Resolution 》中提出的算法，以及后续相关研究的基础上开发出来的。

通俗来讲，就是借助于 神经网络 ，预先将名画中的风格训练成出模型，在将其应用在不同的照片上，生成新的风格化图像。

来自《A Neural Algorithm of Artistic Style》

而因为神经网络在计算机视觉方面的应用越来越广，著名的视觉开发库 OpenCV 在 3.3 版本中正式引入 DNN（深度神经网络） ，支持 Caffe、TensorFlow、Torch/PyTorch 等主流框架的模型，可用以实现图像的识别、检测、分类、分割、着色等功能。

我最近才发现在 OpenCV 的 Sample 代码中就有图像风格迁移的 Python 示例（原谅我的后知后觉），是基于 ECCV 2016 论文中的网络模型实现。所以，即使作为人工智能的菜鸟，也可以拿别人训练好的模型来玩一玩，体会下神经网络的奇妙。

程序

有需要Python学习资料的小伙伴吗?小编整理【一套Python资料、源码和PDF】，感兴趣者可以关注小编后私信学习资料（是关注后私信哦）反正闲着也是闲着呢，不如学点东西啦

OpenCV 官方代码地址： https:// github.com/opencv/openc v/blob/3.4.0/samples/dnn/fast_neural_style.py

目录下通过执行命令运行代码：

python fast_neural_style.py --model starry_night.t7

model 参数是提供预先训练好的模型文件路径，OpenCV 没有提供下载，但给出的参考项目 https:// github.com/jcjohnson/fa st-neural-style 中可以找到

其他可设置参数有：

input 可以指定原始图片/视频，如果不提供就默认使用摄像头实时采集。
width 、 height ，调整处理图像的大小，设置小一点可以提高计算速度。在我自己的电脑上，300x200 的转换视频可以达到 15 帧/秒。
median_filter 中值滤波的窗口大小，用来对结果图像进行平滑处理，这个对结果影响不大。

执行后的效果（取自 jcjohnson/fast-neural-style）：

原始图像

ECCV16 models

instance_norm models

核心代码其实很短，就是 加载模型 -> 读取图片 -> 进行计算 -> 输出图片 ，我在官方示例基础上进一步简化了一下：

import cv2# 加载模型net = cv2.dnn.readNetFromTorch('the_scream.t7')net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV);# 读取图片image = cv2.imread('test.jpg')(h, w) = image.shape[:2]blob = cv2.dnn.blobFromImage(image, 1.0, (w, h), (103.939, 116.779, 123.680), swapRB=False, crop=False)# 进行计算net.setInput(blob)out = net.forward()out = out.reshape(3, out.shape[2], out.shape[3])out[0] += 103.939out[1] += 116.779out[2] += 123.68out /= 255out = out.transpose(1, 2, 0)# 输出图片cv2.imshow('Styled image', out)cv2.waitKey(0)

执行结果：