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“影象風格遷移”，幾乎都是基於 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》中提出的演算法，以及後續相關研究的基礎上開發出來的。
通俗來講，就是藉助於神經網路，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，生成新的風格化影象。
而因為神經網路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（深度神經網路），支援 Caffe、TensorFlow、Torch/PyTorch 等主流框架的模型，可用以實現影象的識別、檢測、分類、分割、著色等功能。
我最近才發現在 OpenCV 的 Sample 程式碼中就有影象風格遷移的 Python 示例（原諒我的後知後覺），是基於 ECCV 2016 論文中的網路模型實現。所以，即使作為人工智慧的菜鳥，也可以拿別人訓練好的模型來玩一玩，體會下神經網路的奇妙。
（相關程式碼和模型的獲取見文末）
OpenCV 官方程式碼地址： https://github.com/opencv/opencv/blob/3.4.0/samples/dnn/fast_neural_style.py
目錄下通過執行命令執行程式碼：
python fast_neural_style.py --model starry_night.t7
複製程式碼model 引數是提供預先訓練好的模型檔案路徑，OpenCV 沒有提供下載，但給出的參考專案 https://github.com/jcjohnson/fast-neural-style 中可以找到
其他可設定引數有：
input可以指定原始圖片/視訊，如果不提供就預設使用攝像頭實時採集。width、height，調整處理影象的大小，設定小一點可以提高計算速度。在我自己的電腦上，300x200 的轉換視訊可以達到 15 幀/秒。median_filter中值濾波的視窗大小，用來對結果影象進行平滑處理，這個對結果影響不大。
執行後的效果（取自 jcjohnson/fast-neural-style）：
核心程式碼其實很短，就是 載入模型 -> 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：
import cv2
# 載入模型
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)
複製程式碼另外還改了個多效果實時對比的版本（計算量大了，很卡頓），也一併上傳在程式碼中。
PS：前兩天看趙雷演唱會的時候我還說：他演唱會的背景 MV 大量使用了 影象二值化、邊緣檢測 等操作，讓我想到以前數字影象處理課的大作業……現在影象風格遷移的效率達到了實時，想必以後也會經常被使用吧
獲取文中相關程式碼和模型下載地址，請在公眾號（Crossin的程式設計教室）對話中回覆關鍵字 名畫
════
其他文章及回答：
如何自學Python | 新手引導 | 精選Python問答 | 如何debug？ | Python單詞表 | 知乎下載器 | 人工智慧 | 嘻哈 | 爬蟲 | 我用Python | 抓抖音 | requests | AI平臺
歡迎微信搜尋及關注：Crossin的程式設計教室
