現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 等大師的風格。

這種功能叫做“圖像風格遷移”，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，以及后續相關研究的基礎上開發出來的。

通俗來講，就是借助于神經網絡，預先將名畫中的風格訓練成出模型，在將其應用在不同的照片上，生成新的風格化圖像。
而因為神經網絡在計算機視覺方面的應用越來越廣，著名的視覺開發庫 OpenCV 在 3.3 版本中正式引入 DNN（深度神經網絡），支持 Caffe、TensorFlow、Torch/PyTorch 等主流框架的模型，可用以實現圖像的識別、檢測、分類、分割、著色等功能。

我最近才發現在 OpenCV 的 Sample 代碼中就有圖像風格遷移的 Python 示例（原諒我的后知后覺），是基于 ECCV 2016 論文中的網絡模型實現。所以，即使作為人工智能的菜鳥，也可以拿別人訓練好的模型來玩一玩，體會下神經網絡的奇妙。

（相關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

目錄下通過執行命令運行代碼：

python fast_neural_style.py --model starry_night.t7

model 參數是提供預先訓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

其他可設置參數有：

input 可以指定原始圖片/視頻，如果不提供就默認使用攝像頭實時采集。
width、height，調整處理圖像的大小，設置小一點可以提高計算速度。在我自己的電腦上，300x200 的轉換視頻可以達到 15 幀/秒。
median_filter 中值濾波的窗口大小，用來對結果圖像進行平滑處理，這個對結果影響不大。
執行后的效果（取自 jcjohnson/fast-neural-style）：
核心代碼其實很短，就是 加載模型 -> 讀取圖片 -> 進行計算 -> 輸出圖片，我在官方示例基礎上進一步簡化了一下：`在這里插入代碼片

--------------------------------------------------------------- 注：我這有個學習基地，里面有很多學習資料，感興趣的+Q群：895817687 ---------------------------------------------------------------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)

執行結果：

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。

總結

以上是生活随笔為你收集整理的Python+OpenCV 十几行代码模仿世界名画的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。