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：

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：

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。

、，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。

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：

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/

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

其他内容回复关键字：

python：零基础入门课程目录

新手：初学者指南及常见问题

资源：超过500M学习资料网盘地址

项目：十多个进阶项目代码实例

如需了解视频课程及答疑群等更多服务，请号内回复码上行动