資訊專欄INFORMATION COLUMN
摘要：我最近才發(fā)現(xiàn)在的代碼中就有圖像風(fēng)格遷移的示例原諒我的后知后覺，是基于論文中的網(wǎng)絡(luò)模型實現(xiàn)。中值濾波的窗口大小，用來對結(jié)果圖像進(jìn)行平滑處理，這個對結(jié)果影響不大。
現(xiàn)在很多人都喜歡拍照（自拍）。有限的濾鏡和裝飾玩多了也會膩，所以就有 APP 提供了 模仿名畫風(fēng)格 的功能，比如 prisma、versa 等，可以把你的照片變成 梵高、畢加索、蒙克 等大師的風(fēng)格。
這種功能叫做“ 圖像風(fēng)格遷移 ”，幾乎都是基于 CVPR 2015 的論文《 A Neural Algorithm of Artistic Style 》和 ECCV 2016 的論文《 Perceptual Losses for Real-Time Style Transfer and Super-Resolution 》中提出的算法，以及后續(xù)相關(guān)研究的基礎(chǔ)上開發(fā)出來的。
通俗來講，就是借助于 神經(jīng)網(wǎng)絡(luò) ，預(yù)先將名畫中的風(fēng)格訓(xùn)練成出模型，在將其應(yīng)用在不同的照片上，生成新的風(fēng)格化圖像。
來自《A Neural Algorithm of Artistic Style》
而因為神經(jīng)網(wǎng)絡(luò)在計算機視覺方面的應(yīng)用越來越廣，著名的視覺開發(fā)庫 OpenCV 在 3.3 版本中正式引入 DNN（深度神經(jīng)網(wǎng)絡(luò)） ，支持 Caffe、TensorFlow、Torch/PyTorch 等主流框架的模型，可用以實現(xiàn)圖像的識別、檢測、分類、分割、著色等功能。
我最近才發(fā)現(xiàn)在 OpenCV 的 Sample 代碼中就有圖像風(fēng)格遷移的 Python 示例（原諒我的后知后覺），是基于 ECCV 2016 論文中的網(wǎng)絡(luò)模型實現(xiàn)。所以，即使作為人工智能的菜鳥，也可以拿別人訓(xùn)練好的模型來玩一玩，體會下神經(jīng)網(wǎng)絡(luò)的奇妙。
（相關(guān)代碼和模型的獲取見文末）
OpenCV 官方代碼地址： https://github.com/opencv/opencv/blob/3.4.0/samples/dnn/fast_neural_style.py
目錄下通過執(zhí)行命令運行代碼：
python fast_neural_style.py --model starry_night.t7
model 參數(shù)是提供預(yù)先訓(xùn)練好的模型文件路徑，OpenCV 沒有提供下載，但給出的參考項目 https://github.com/jcjohnson/fast-neural-style 中可以找到
其他可設(shè)置參數(shù)有：
input 可以指定原始圖片/視頻，如果不提供就默認(rèn)使用攝像頭實時采集。
width、height，調(diào)整處理圖像的大小，設(shè)置小一點可以提高計算速度。在我自己的電腦上，300x200 的轉(zhuǎn)換視頻可以達(dá)到 15 幀/秒。
median_filter 中值濾波的窗口大小，用來對結(jié)果圖像進(jìn)行平滑處理，這個對結(jié)果影響不大。
執(zhí)行后的效果（取自 jcjohnson/fast-neural-style）：
原始圖像ECCV16 modelsinstance_norm models
核心代碼其實很短，就是 加載模型 - > 讀取圖片 -> 進(jìn)行計算 -> 輸出圖片，我在官方示例基礎(chǔ)上進(jìn)一步簡化了一下：
import cv2
# 加載模型
net = cv2.dnn.readNetFromTorch("the_scream.t7")
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV);
# 讀取圖片
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)
# 進(jìn)行計算
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)
# 輸出圖片
cv2.imshow("Styled image", out)
cv2.waitKey(0)
另外還改了個多效果實時對比的版本（計算量大了，很卡頓），也一并上傳在代碼中。
PS：前兩天看趙雷演唱會的時候我還說：他演唱會的背景 MV 大量使用了 圖像二值化、邊緣檢測 等操作，讓我想到以前數(shù)字圖像處理課的大作業(yè)……現(xiàn)在圖像風(fēng)格遷移的效率達(dá)到了實時，想必以后也會經(jīng)常被使用吧
獲取文中相關(guān)代碼和模型下載地址，請在公眾號（ Crossin的編程教室 ）對話中回復(fù)關(guān)鍵字 名畫
════
其他文章及回答：
如何自學(xué)Python | 新手引導(dǎo) | 精選Python問答 | 如何debug？ | Python單詞表 | 知乎下載器 | 人工智能 | 嘻哈 | 爬蟲 | 我用Python | 抓抖音 | requests | AI平臺
歡迎微信搜索及關(guān)注： Crossin的編程教室
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/44811.html
摘要：而這其中，很多應(yīng)用都涉及到計算機視覺這樣一個細(xì)分領(lǐng)域。常見的圖像處理灰度圖二值化平滑邊緣提取這幾種都屬于數(shù)字圖像處理的常用方法。對這方面知識感興趣的，可以找本數(shù)字圖像處理的相關(guān)教材系統(tǒng)地看一遍，了解數(shù)字圖像處理的基礎(chǔ)。 人工智能 ，一個已經(jīng)被談?wù)摿藥资甑母拍睿ㄗ钤缡?圖靈 在 1950年 提出）。如今這幾年，相關(guān)技術(shù)的發(fā)展速度是越來越快。高大上如無人駕駛、智能安防、AI輔助診斷，接地...
摘要：而另一款網(wǎng)紅產(chǎn)品抖音，也在去年底上線過一個尬舞機的音樂體感游戲現(xiàn)在成了隱藏功能游戲開始后，隨著音樂會給出不同的動作提示，用戶按照提示擺出正確動作即可得分。 如今說到體感游戲，大家一定都不陌生，比如微軟的 Kinect、任天堂的 Switch，都曾是游戲業(yè)的革命性產(chǎn)品。而另一款網(wǎng)紅產(chǎn)品—抖音，也在去年底上線過一個尬舞機的音樂體感游戲（現(xiàn)在成了隱藏功能）： showImg(https://...
摘要：美國開國領(lǐng)袖們?nèi)绻吹矫绹癖娭荒茉谙＠锖痛ㄆ罩羞x擇，估計要集體氣活過來。本教程由發(fā)布在實驗樓，完整教程及在線練習(xí)地址川普撞臉希拉里基于的面部特征交換一教程介紹內(nèi)容簡介通過庫來實現(xiàn)人臉面部特征交換。 話說這次美國大選可謂賺足了眼球，在美國史上，恐怕沒有哪一年的總統(tǒng)大選會像今年一樣詭譎和熱鬧。 美國開國領(lǐng)袖們?nèi)绻吹矫绹癖娭荒茉谙＠锖痛ㄆ罩羞x擇，估計要集體氣活過來。作為一個閑得蛋疼...
摘要：的文本檢測器是一種基于新穎架構(gòu)和訓(xùn)練模式的深度學(xué)習(xí)模型。深度學(xué)習(xí)文本檢測器圖文本檢測全卷積網(wǎng)絡(luò)的結(jié)構(gòu)等人的圖。隨著和的發(fā)布，我們現(xiàn)在可以使用一種名為的基于深度學(xué)習(xí)的文本檢測器，它基于等人的年論文一種高效精確的場景文本檢測器。 by Adrian Rosebrock on August 20, 2018 in Deep Learning, Optical Character Recogn...
閱讀 3855·2021-09-29 09:34
閱讀 3786·2021-09-27 13:34
閱讀 580·2021-09-24 09:47
閱讀 3045·2019-08-30 15:53
閱讀 1821·2019-08-26 13:54
閱讀 2096·2019-08-26 13:43
閱讀 545·2019-08-23 14:47
閱讀 1752·2019-08-23 14:28
