python画自己的名字_Python+OpenCV 十几行代码模仿世界名画

原标题：Python+OpenCV 十几行代码模仿世界名画

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。

(相关代码和模型的获取见文末)

OpenCV 官方代码地址：https://github.com/opencv/opencv/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/fast-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：

importcv2

# 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] += 103.939

out[ 1] += 116.779

out[ 2] += 123.68

out /= 255

out = out.transpose( 1, 2, 0)

# 输出图片

cv2.imshow( 'Styled image', out)cv2.waitKey( 0)

执行结果：

另外还改了个多效果实时对比的版本(计算量大了，很卡顿)，也一并上传在代码中。

PS：前两天看赵雷演唱会的时候我还说：他演唱会的背景 MV 大量使用了 图像二值化、边缘检测 等操作，让我想到以前数字图像处理课的大作业……现在图像风格迁移的效率达到了实时，想必以后也会经常被使用吧

获取文中相关代码和模型下载地址，请在公众号(Crossin的编程教室)对话中回复关键字 名画

参考文献：

fast-neural-style jcjohnson

https://github.com/jcjohnson/fast-neural-style

Perceptual Losses for Real-Time Style Transfer and Super-Resolution(ECCV 2016)

Justin Johnson, Alexandre Alahi, Li Fei-Fei

A Neural Algorithm of Artistic Style(CVPR 2015)

Leon A. Gatys, Alexander S. Ecker, Matthias Bethge

Neural Style Transfer with OpenCV - Adrian Rosebrock

https://www.pyimagesearch.com/2018/08/27/neural-style-transfer-with-opencv/

无需GPU，只用OpenCV和Python实现图像和视频的风格迁移(译) - 论智 Bing

https://mp.weixin.qq.com/s/KXA6b-ckttBSQR5DvS3SBg

可以用 Python 编程语言做哪些神奇好玩的事情？- 知乎回答 @杨航锋

https://www.zhihu.com/question/21395276/answer/115805610

用processing代码模仿梵高画杨超越 - 算法艺术实验室AALab Alice

https://mp.weixin.qq.com/s/UOVww7IgCteuQ6Bsbf0yEA

crossincode.com返回搜狐，查看更多

责任编辑：