Python图片风格迁移，让你瞬间成为艺术大师！（和猫妹学Python）

哈喽，我是猫妹，咱们今天来看看Python图片风格迁移。

啥是风格迁移呢？

简单来说，图片风格迁移，就是指利用程序算法学习著名画作的风格，然后再把这种风格应用到另外一张图片上的技术。

举个例子，把猫妹在苏州古镇的一座小桥上拍下的一张照片，与爱德华·蒙克的《呐喊》相融合，效果就像爱德华蒙克在我们的景色中运用了他高超的绘画技巧一样！

看了这个例子，你是不是有些心动了呢？

那就跟着猫妹一起来学一学吧！

基本原理

基本原理是这样的：

我们知道，卷积神经网络(CNN)具有很强的图像特征(feature/representation)提取能力，如上图所示。

对于内容图片，深层网络(d和e)提取的是高维特征，同时也丢弃了细节信息；浅层网络(a, b和c)提取的是低维特征，图片的细节大多都保留下来了。

对于风格图片，通过包含多层的特征相关性(Gram矩阵)，可获得多尺度图像风格的重构，捕获其纹理信息。这样构建的网络可以忽略图像的具体细节，保留风格。

为了将内容图片和风格图片融合在一起(见下图)，我们应该使风格化结果图(初始为一张白噪声图片)的特征同时与内容图片和风格图片的特征之间的距离最小化，最终获取我们所需的风格化结果图。

因此生成目标图片的损失函数可定义为：

其中α和β分别是内容图片和风格图片的特征所占的权重，通过最小化这个损失函数就可以获得我们想要的结果。

来看个动态示意图：

虽然上述方法可产生非常漂亮的风格迁移效果，但是速度很慢。

牛刀小试

猫妹下载了模型数据，参考了一些大牛的代码。

做了一些图片，一起欣赏下吧！

这是原图：

candy.t7风格迁移效果：

la_muse.t7风格迁移效果：

mosaic.t7风格迁移效果：

starry_night.t7 风格迁移效果：

the_scream.t7风格迁移效果：

udnie.t7风格迁移效果：

猫妹的测试代码如下：

这个程序需要安装cv2库，需要用pip安装。

另外这里的模型文件(*.t7)也需要事先下载并保存起来，模型数据比较大，猫妹把它们整理好放到了学习群中了。

当然，还有很多种Python风格迁移，如素描、漫画、动漫、黑白画等，下次，猫妹就和大家一起学习吧！

人生苦短，我用Python！

咱们下次见！