1. 首先需要安装Python环境,
我安装的是Python3.6
地址:https://www.python.org/downloads/windows/
根据自身电脑配置选择不同的版本进行下载
安装选择自定义安装,勾选所有的选项
下一步默认全选就好了
图片是网上找的,下面两项也勾选,下面选择指定安装的文件夹
安装完成后,配置环境变量 python的路径
以及pip的环境变量,一般在Scripts文件夹下
添加到path中
2. 安装Python 第三方库
方式一:
也可以选择Anaconda地址:https://www.anaconda.com/download/
很多科学计算的library已经集成好了(不仅包含numpy,还有sklearn, pandas等等)。python2.7 python3.4都有。(没有试验过)
方式二
传统的方式安装,一个一个安装的比较麻烦(已试验)
首先根据你的python版本和你电脑的bit数来选择wheel文件。为了能够安装wheel,你需要首先安装wheel这个包。进入cmd里面输入
pip install wheel
安装成功后会在python安装的Scripts目录下生成wheel.exe文件
安装成功后下载相应的wheel文件,进行安装
首先安装numpy
下载地址http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
我的python安装的是3.6电脑是64位,所以选择最下面的这一项,根据需要自行选择即可
然后在cmd里面移动到该文件存放的地方,(一般都放在Scripts文件夹下)输入
pip install numpy-1.13.1+mkl-cp36-cp36m-win-amd64.whl
即可
红字根据自己下载的文件名进行替换,安装numpy+mkl的好处是会减少你安装scipy的阻力。
然后安装scipy
同样的方式在 http://www.lfd.uci.edu/~gohlke/pythonlibs/#Scipy 下载
同样按照自己的情况进行选择,下载完成之后放在Scripts下,在cmd里移动到该文件夹下,输入
pip install scipy-0.19.1-cp36-cp36m-win_amd64.whl
进行安装 同样根据自身情况修改后缀
接下来安装Python图像处理库PIL
检测是否安装PIL:在python命令行输入import PIL
表示没有安装PIL模块,如果是python版本是2.7
自行百度安装PIL库
3.x安装Pillow即可,非常简单,在命令行输入
pip install Pillow 即可安装
接下来安装tensorflow
在命令行输入
pip install tensorflow
安装chainer
地址 http://www.lfd.uci.edu/~gohlke/pythonlibs/#Chainer 下载
在命令行输入
pip install chainer-1.24.0-cp36-cp36m-win_amd64.whl
同样的根据不同的版本替换后缀
环境全部安装完毕!
3.开始进行图像转换
1.首先clone 代码
git clone https://github.com/anishathalye/neural-style
2.下载vgg19模型
地址,(速度非常慢)
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
下载完成之后将模型放在neural-style的文件夹根目录下,如图
执行:
把想要转化的图片放在example文件夹下,在cmd里切换到neural_style目录,执行
python neural_style.py --content ./examples/1in.jpg --styles ./examples/1-style.jpg --output ./examples/1out.jpg
第一张图片表示想要转换的图片,第二张图片表示模仿其风格的模板图片,第三张图片表示转换生成的图片的名称
运行时间非常的长,可能是我的电脑配置不太行
还有一种快速的方法:
chainer-fast-neuralstyle是neural-style高效版本,运行效率大大提升
载入源码,终端输入
git clone --recursive https://github.com/yusuketomoto/chainer-fast-neuralstyle
载入更多模型,终端输入
git clone --recursive https://github.com/gafr/chainer-fast-neuralstyle-models
①复制chainer-fast-neuralstyle-models\images\目录下所有含有style字样的图片到neural_style\examples\目录下,增加neural_style可用的模板集;
②复制chainer-fast-neuralstyle-models\models\目录下所有model到chainer-fast-neuralstyle\models\目录下,增加chainer-fast-neuralstyle可用的模型;
打开cmd 切换到chainer-fast-neuralstyle根目录执行
python generate.py sample_images/1.jpg -m models/candy_512_2_49000.model -o sample_images/1out.jpg
第一张是想要装换的图片,第二张是models的类型,第三张是转换生成的图片的名称
最后放一下效果
慢版的效果:
原始图片
转换的模板图
转换后的效果图
快版的效果
原始图
转换后的效果图
你也可以选择其他的名画进行风格转换,全部结束,主要是相关的环境配置比较恶心。
参考链接:
python下安装numpy
https://www.zhihu.com/question/29521273
neural_style github 链接
https://github.com/anishathalye/neural-style
图像风格转换实验
http://blog.csdn.net/wopawn/article/details/52781426
文件Python扩展包
http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
windows上安装tensorflow
http://blog.csdn.net/u013713117/article/details/54616460