++库照片风格转换风格_利用神经网络轻松把照片转换成梵高风格

柔光的暖阳◎ 2023-01-06 01:41 60阅读 0赞

![9486398a419d346f27dd39d2e2a0c010.png][]

在今天的文章中，我们将实现风格转换效果。

为了做到这一点，我们必须更深入地理解卷积神经网络及其各层是如何工作的。

在本文的最后，您将能够创建并运行一个风格转换程序。

什么是风格转换 在我们开始我们的风格转换应用程序之前，让我们介绍一下我们正在努力实现的目标。

给定一个输入图像和一个样式图像，我们可以用原始内容和一个新的样式来计算一个输出图像。就像下面这个例子：

![2df41893477fb68bd4053f7557a846b7.png][]波士顿的天际线与梵高的《星夜》交相辉映

如何实现风格转换

1、我们获取输入图像和风格图像，并将它们调整为相同的形状。

2、 我们加载一个预先训练好的卷积神经网络(VGG16)。 3、知道我们可以区分负责样式的层(基本形状、颜色等)和负责内容的层(特定于图像的特性)，我们就可以分离这些层来独立处理内容和样式。 4、然后我们把我们的任务设置为一个优化问题，我们要最小化:

*  内容loss(输入和输出图像之间的距离-我们努力保持内容)
 *  风格loss(样式与输出图像之间的距离—我们努力应用新样式)
 *  total variation loss(正则化-对输出图像进行去噪的空间平滑度)

5、最后，我们使用L-BFGS算法设置梯度并进行优化。

代码讲解 你可以在GitHub上找到风格转换项目的完整代码库：

https://github.com/gsurma/style\_transfer

输入：

# San Franciscosan_francisco_image_path = "https://www.economist.com/sites/default/files/images/print-edition/20180602_USP001_0.jpg"#Input visualization input_image = Image.open(BytesIO(requests.get(san_francisco_image_path).content))input_image = input_image.resize((IMAGE_WIDTH, IMAGE_HEIGHT))input_image.save(input_image_path)input_image

下图就是输入图片：

![6ef1b8eba9b1d5cec710badf32c593f8.png][]

风格：

# Warsaw by Tytus Brzozowski, http://t-b.pltytus_image_path = "http://meetingbenches.com/wp-content/flagallery/tytus-brzozowski-polish-architect-and-watercolorist-a-fairy-tale-in-warsaw/tytus_brzozowski_13.jpg"# Style visualization style_image = Image.open(BytesIO(requests.get(tytus_image_path).content))style_image = style_image.resize((IMAGE_WIDTH, IMAGE_HEIGHT))style_image.save(style_image_path)style_image

风格图片：

![271e5a8dea1f351e2ba512a7e69db596.png][]

数据预处理：

# Data normalization and reshaping from RGB to BGRinput_image_array = np.asarray(input_image, dtype="float32")input_image_array = np.expand_dims(input_image_array, axis=0)input_image_array[:, :, :, 0] -= IMAGENET_MEAN_RGB_VALUES[2]input_image_array[:, :, :, 1] -= IMAGENET_MEAN_RGB_VALUES[1]input_image_array[:, :, :, 2] -= IMAGENET_MEAN_RGB_VALUES[0]input_image_array = input_image_array[:, :, :, ::-1]style_image_array = np.asarray(style_image, dtype="float32")style_image_array = np.expand_dims(style_image_array, axis=0)style_image_array[:, :, :, 0] -= IMAGENET_MEAN_RGB_VALUES[2]style_image_array[:, :, :, 1] -= IMAGENET_MEAN_RGB_VALUES[1]style_image_array[:, :, :, 2] -= IMAGENET_MEAN_RGB_VALUES[0]style_image_array = style_image_array[:, :, :, ::-1]

网络模型：

# Modelinput_image = backend.variable(input_image_array)style_image = backend.variable(style_image_array)combination_image = backend.placeholder((1, IMAGE_HEIGHT, IMAGE_SIZE, 3))input_tensor = backend.concatenate([input_image,style_image,combination_image], axis=0)model = VGG16(input_tensor=input_tensor, include_top=False)

#  #

结果 经过运行程序，我们获得了如下结果：

![95db1211e3980e6d345040231edb0f28.png][]

**- END -**

文源网络，仅供学习之用，如有侵权，联系删除。往期精彩

![98a49fd148b53d8c194ee72227f60007.png][]

◆  50款开源工具你都用过吗？

◆  python+C、C++混合编程的应用

◆  python网络爬虫的基本原理详解

◆  Python自动操控excel，一小时解决你一天的工作

◆  如何用Python增强Excel，减少处理复杂数据的痛苦？

![e8fc160cdb71862ba612fd1f46bce6e8.png][]

[9486398a419d346f27dd39d2e2a0c010.png]: /images/20221119/fdf3df706b054176bcbd03559d185add.png
[2df41893477fb68bd4053f7557a846b7.png]: https://img-blog.csdnimg.cn/img_convert/2df41893477fb68bd4053f7557a846b7.png
[6ef1b8eba9b1d5cec710badf32c593f8.png]: https://img-blog.csdnimg.cn/img_convert/6ef1b8eba9b1d5cec710badf32c593f8.png
[271e5a8dea1f351e2ba512a7e69db596.png]: https://img-blog.csdnimg.cn/img_convert/271e5a8dea1f351e2ba512a7e69db596.png
[95db1211e3980e6d345040231edb0f28.png]: https://img-blog.csdnimg.cn/img_convert/95db1211e3980e6d345040231edb0f28.png
[98a49fd148b53d8c194ee72227f60007.png]: https://img-blog.csdnimg.cn/img_convert/98a49fd148b53d8c194ee72227f60007.png
[e8fc160cdb71862ba612fd1f46bce6e8.png]: https://img-blog.csdnimg.cn/img_convert/e8fc160cdb71862ba612fd1f46bce6e8.png