(个人)基于深度学习的中国传统特色图像的风格迁移创新实训第八周（2）

最新推荐文章于 2024-05-01 00:30:00 发布

ImageStyleTransfer

最新推荐文章于 2024-05-01 00:30:00 发布

阅读量169

点赞数

分类专栏：创新实训

本文链接：https://blog.csdn.net/buhuijavaaaa/article/details/80694611

版权

创新实训专栏收录该内容

11 篇文章 0 订阅

订阅专栏

在第八周的实训中，通过深度学习技术对传统特色图像进行风格迁移，处理过程中进行了特征图片的平滑操作，以消除细小的不连续区域。最终呈现出的效果显著。

摘要由CSDN通过智能技术生成

之后对得到的光滑后的特征图片进行fill处理，可以看到有很多非常细小的坑洞，这些都是不能存在的。

for i =1:M
    Q =B{i};
    N =size(Q,1);
    if N<300
       fill(Q(:,2),Q(:,1),[1 0 0]);
       
    end
    hold on;
end
frame=getframe(gcf);
im=frame2im(frame);
[m,n,k] =size(im);
for i =1:m
    for j =1:n
        if im(i,j,2)<125
           im(i,j,1)=255;
           im(i,j,2)=0;
           im(i,j,3)=0;
        
        end
    end
end

se =strel('disk',2);
im=imerode(im,se);
se1 =strel('disk',3);
im =imdilate(im,se1);
figure(2);
imshow(im);


I_bw=im2bw(im);
L =bwlabel(I_bw);
Max=max(L(:));

distance=999999;
figure(3);
imshow(im,'Border','tight');
hold on
set(gcf,'color','r');
for i =1:Max
    distance=999999;
    [x,y] =find(L==i);
    size_x =size(x);
    for j =1:Max
       if j~=i
           [x1,y1] =find(L==j);
           size_x1 =size(x1);
           for a =1:size_x
             for c =1:size_x1
               
                    
                         temp_distance =abs(x(a)-x1(c))+abs(y(a)-y1(c));
                         if temp_distance<distance
                            a1=x(a);
                            b1=y(a);
                            c1=x1(c);
                            d1=y1(c);
                            distance =temp_distance;
                         end
                     
                 
             end
         end
       end
       if distance<7
          plot([b1,d1],[a1,c1],'r','LineWidth',2);
          hold on
       end
       distance =999;
    end

   frame=getframe(gcf);
im=frame2im(frame);
imwrite(im,'c.jpg','jpg'); 
end

之后得到的效果图：