基于OpenCV的DNN图像风格迁移

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，配置能花一天的时间。

不过最近我发现一个非常好的开源应用项目，那就是基于OpenCV的DNN图像风格迁移。你只需要安装OpenCV就可以使用。

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。

不过作为初学者，我们只需要体验一下这样的风格迁移算法即可。感兴趣的同学可以再自己深入研究。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.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：超详细Python安装指南 进行安装。

**(可选1) **如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.

**(可选2) **此外，推荐大家用VSCode编辑器，它有许多的优点：Python 编程的最好搭档—VSCode 详细指南。

请选择以下任一种方式输入命令安装依赖 ：

1. Windows 环境 打开 Cmd (开始-运行-CMD)。
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 如果你用的是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install python-opencv

2.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：
3.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：

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。

4.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