Python怎么实现9种图像风格迁移
Python怎么实现9种图像风格迁移，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
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。
不过最近我发现一个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，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
不过它也有局限性，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：
mosaic
starry_night
udnie
模型文件可以扫描下方二维码关注 Python实用宝典，回复 风格迁移 下载，里面有全部9个模型风格的资源和源代码。
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：
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）。亲自试了一下median_filter对图像的影响，发现改变微乎其微，因此直接为默认值即可。
3.开始迁移
将第二步的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，其中input是源图像路径，model是迁移的风格模型文件，如运行：
$ python 1.py --input 1.jpg --model udnie.t7
效果：
全部9种风格的迁移效果：
关于Python怎么实现9种图像风格迁移问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注行业资讯频道了解更多相关知识。
