输入 
风格 
输出
输入 
风格 
输出
输入 
风格 
输出
图像风格迁移已经属于比较成熟的领域了，现在连实时的风格迁移都不成问题。之前一直想出一篇这样的文章，但无奈于大部分开源项目配置起来非常麻烦，比如 luanfujun/deep-photo-styletransfer 项目，需要安装 CUDA、pytorch、cudnn等等，配置完一天都过去了。
不过现在我们有了非常好的开源应用项目，那就是OpenCV的DNN图像风格迁移。你只需要安装OpenCV就可以使用了，在cmd/terminal中输入(如果你还没有安装Python，请看这篇文章:Python安装)：
pip install python-opencv
不过它也是有局限性的，我们只能用别人训练好的模型进行风格迁移，如果我们要自定义风格，那就必须配置cudn等工具，使用 deep-photo-styletransfer 等项目的方法进行训练，今天的教程我们拿fast-neural-style训练好的模型对下面的图片做一次风格迁移。
1.选择模型
fast-neural-style放出的模型风格一共有9种，我们将一一尝试，其中部分风格如下比如：
模型文件可以关注我们下方公众号 Python实用宝典，回复 风格迁移 下载，里面有全部10个模型风格的资源。
2.克隆OpenCV源码
我们直接克隆OpenCV开源项目中关于DNN图像迁移的例子，地址是：
https://github.com/opencv/opencv/blob/3.4.0/samples/dnn/fast_neural_style.py
代码如下：
import cv2 as cv
import numpy as np
import argparse
parser = argparse.ArgumentParser(
description='This script is used to run style transfer models from '
'https://github.com/jcjohnson/fast-neural-style using OpenCV')
parser.add_argument('--input', help='Path to image or video. Skip to capture frames from camera')
parser.add_argument('--model', help='Path to .t7 model')
parser.add_argument('--width', default=-1, type=int, help='Resize input to specific width.')
parser.add_argument('--height', default=-1, type=int, help='Resize input to specific height.')
parser.add_argument('--median_filter', default=0, type=int, help='Kernel size of postprocessing blurring.')
args = parser.parse_args()
net = cv.dnn.readNetFromTorch(args.model)
if args.input:
cap = cv.VideoCapture(args.input)
else:
cap = cv.VideoCapture(0)
cv.namedWindow('Styled image', cv.WINDOW_NORMAL)
while cv.waitKey(1) < 0:
hasFrame, frame = cap.read()
if not hasFrame:
cv.waitKey()
break
inWidth = args.width if args.width != -1 else frame.shape[1]
inHeight = args.height if args.height != -1 else frame.shape[0]
inp = cv.dnn.blobFromImage(frame, 1.0, (inWidth, inHeight),
(103.939, 116.779, 123.68), swapRB=False, crop=False)
net.setInput(inp)
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)
t, _ = net.getPerfProfile()
freq = cv.getTickFrequency() / 1000
print(t / freq, 'ms')
if args.median_filter:
out = cv.medianBlur(out, args.median_filter)
cv.imshow('Styled image', out) 注意，源代码是基于Python2的，所以第46行少了括号，如果你是Python3请注意补上括号。
这份代码可以直接使用， parser 里定义了5个参数:
–input输入要迁移的图像位置，
–model指要使用的模型，
–width/–height指的是迁移后的图像宽度和高度，
median_filter 是中值滤波器， 基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，因此理论上数值越大，图像越平滑，输出的结果细节越好（不确定）。
median_filter 亲自试了一下，对结果的影响不大。
3.开始迁移
将上述代码保存到一个文件中，命名为1.py，在CMD/Terminal中带参数运行脚本即可迁移。如：
python 1.py --input 1.jpg --model udnie.t7
效果如下：
全部9种风格的迁移效果：
la_muse 
candy 
composition_vii
feathers 
mosaic 
starry_night
Scream 
Wave
文章到此就结束啦，如果你喜欢今天的Python 教程，请持续关注Python实用宝典，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
