Python实现照片卡通化

目录
  • 前言
  • 环境部署
  • 项目使用
    • 景色类图像使用
    • 人像类图像使用
  • 总结

前言

之前看到一个有意思的开源项目，主要是可以将一张照片变成卡通漫画的风格。下面给大家放几张官方给出的部分效果图。

看到这个效果图，还是非常经验的。下面我会分享一下这个项目，并且选择一些我自己找的图片试验一下。

项目Github地址：github地址 

环境部署

先使用git将项目下载下来。看一下项目结构。

我们看一下需要的环境。

非常简单，只要pytorch就可以了。如果有不太会安装的，可以参考：机器学习基础环境部署 

项目使用

看一下readme怎么说明的。

直接使用命令，或者代码执行都可以，我们先看看如果命令操作的话都有哪些参数支持。

if __name__ == '__main__':

    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--checkpoint',
        type=str,
        default='./weights/paprika.pt',
    )
    parser.add_argument(
        '--input_dir',
        type=str,
        default='./samples/inputs',
    )
    parser.add_argument(
        '--output_dir',
        type=str,
        default='./samples/results',
    )
    parser.add_argument(
        '--device',
        type=str,
        default='cuda:0',
    )
    parser.add_argument(
        '--upsample_align',
        type=bool,
        default=False,
        help="Align corners in decoder upsampling layers"
    )
    parser.add_argument(
        '--x32',
        action="store_true",
        help="Resize images to multiple of 32"
    )
    args = parser.parse_args()

    test(args)

可以通过项目结构看到，作者提供了4个模型文件可供选择，可以用--checkpoint参数切换。需要提供图片的输入文件夹，修改--input_dir参数即可，经过我自己的几次验证，发现有的模型适合风景类型的图片，有的适合人像，下面我分成两部使用一下。

景色类图像使用

先看一下我准备的图片，三张风景的照片。

我使用个人认为比较好用的模型是paprika.pt。下面是执行过程。

看看效果

 哦，第一张图的漫画效果有所欠缺，但是后面两张还是不错的。没有细品一波算法，猜测一下，可能是颜色区域较多，对比度越明显，可能漫画后的效果会更好。

人像类图像使用

最主要的还是人像，懂的都懂。下面是我准备的图片。

打算使用face_paint_512_v2.pt模型测试一下。下面直接展示处理后的效果。

效果还是很好的，是不是。

总结

我反复测试了不少图片，有的转化的并不是很好，但是大部分还是不错的，瑕不掩瑜。项目还是好项目，只是可能模型本身训练的数据不是非常全面吧。

 以上就是Python实现照片卡通化的详细内容，更多关于Python照片卡通化的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • Python DPED机器学习之实现照片美化

    Python DPED机器学习之实现照片美化

    目录 前言 环境部署 项目结构 tensorflow安装 其他依赖安装 VGG-19下载 项目运行 准备图片素材 测试效果 前言 最近发现了一个可以把照片美化的项目,自己玩了玩,挺有意思的,分享一下. Github地址:DPED项目地址 下面来看看项目怎么玩?先放一些项目给出的效果图.可以看出照片更明亮好看了. 环境部署 项目结构 下面是项目的原始结构: tensorflow安装 按照项目的说明,我们需要安装tensorflow以及一些必要的库. 如果安装gpu版本的tensorflow需要对照

  • Python实现老照片修复之上色小技巧

    Python实现老照片修复之上色小技巧

    导语 "黑白变彩色,就是这么简单" 老照片上色,是一门功夫,费时费力. 老照片上色,也是一门艺术,还原历史. 提起老照片上色,小编第一个想到了的就是一位名叫Marina Amaral的艺术家,她将历史上很多著名的老照片,都用后期处理的方式填补上了颜色. 逼真.写实,看不出丝毫的漏洞,你对她的作品有多钦佩,也就意味着这项技艺有多复杂. 所以,你想学习老照片上色吗?也想把父母的照片,或者儿时的黑白照变成彩色的吗? 那木木子给你的建议的是:别费劲了,因为,这项工作,以后交给AI去完成就可以了

  • Python实现将照片变成卡通图片的方法【基于opencv】

    本文实例讲述了Python实现将照片变成卡通图片的方法.分享给大家供大家参考,具体如下: 之前的文章介绍了使用Photoshop将照片变成卡通图片,今次介绍用代码来实现这项任务,可以就此探查各种滤镜的内部机制. 制作环境:Windows10,Python2.7,Anaconda 任务描述:将D盘某文件夹中的所有图片使用代码进行卡通化,然后保存到另一文件夹中. 如前文所述,卡通化的关键是强化边缘与减少色彩,所以使用Photoshop进行卡通化的时候就使用了照亮边缘和干笔画的滤镜来处理.使用代码处理

  • Python 人工智能老照片修复算法学习

    Python 人工智能老照片修复算法学习

    目录 前言 项目环境搭建 conda虚拟环境创建 激活环境 Pytorch安装 Synchronized-BatchNorm-PyTorch repository安装 Global目录Synchronized-BatchNorm-PyTorch项目部署 检测预处理模型下载 下载脸部增强模型文件 下载依赖 完整部署后项目结构 项目使用 验证一下 总结 前言 老旧或者破损的照片如何修复呢?本文主要分享一个博主使用后非常不错的照片恢复开源项目:Bringing-Old-Photos-Back-to-L

  • Python 照片人物背景替换的实现方法

    Python 照片人物背景替换的实现方法

    目录 前言 项目说明 项目结构 数据准备 替换背景图代码 代码说明 验证一下效果 总结 前言 本文的github仓库地址为: 替换照片人物背景项目(模型文件过大,不在仓库中) 由于模型文件过大,没放在仓库中,本文下面有模型下载地址. 项目说明 项目结构 我们先看一下项目的结构,如图: 其中,model文件夹放的是模型文件,模型文件的下载地址为:模型下载地址 下载该模型放到model文件夹下. 依赖文件-requirements.txt,说明一下,pytorch的安装需要使用官网给出的,避免显卡驱

  • Python实现照片卡通化

    Python实现照片卡通化

    目录 前言 环境部署 项目使用 景色类图像使用 人像类图像使用 总结 前言 之前看到一个有意思的开源项目,主要是可以将一张照片变成卡通漫画的风格.下面给大家放几张官方给出的部分效果图. 看到这个效果图,还是非常经验的.下面我会分享一下这个项目,并且选择一些我自己找的图片试验一下. 项目Github地址:github地址  环境部署 先使用git将项目下载下来.看一下项目结构. 我们看一下需要的环境. 非常简单,只要pytorch就可以了.如果有不太会安装的,可以参考:机器学习基础环境部署  项目

  • 使用OpenCV实现人脸图像卡通化的示例代码

    使用OpenCV实现人脸图像卡通化的示例代码

    引言 通过前面的文章我们已经了解到OpenCV 是一个用于计算机视觉和机器学习的开源 python 库.它主要针对实时计算机视觉和图像处理.它用于对图像执行不同的操作,这些操作使用不同的技术对图像进行转换.在本文中,我们将实现使用OpenCV将人脸图像卡通化. 让我们从导入必需的库开始! import cv2 import numpy as np 第一次变换(卡通化) 在这个转换中,我们将找到图像的边缘,并使用双边滤波器和位操作符制作一个卡通化的图像. # Reading the Image i

  • 基于Opencv的图像卡通化实现代码

    基于Opencv的图像卡通化实现代码

    OpenCV的全称是:Open Source Computer Vision Library.OpenCV是一个基于(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows和Mac OS操作系统上.它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法. 本文给大家介绍基于Opencv的图像卡通化,主要工具是高斯滤波器.细节增强滤波器.双边滤波.拉普拉斯滤波器. 铅笔素描

  • python提取照片坐标信息的实例代码

    python提取照片坐标信息的代码如下所示: from PIL import Image from PIL.ExifTags import TAGS import os output="Z://result.csv" out=open(output,'a') out.write('lat,lon\n') fpath="Z://iphonephoto" for item in os.walk(fpath): ob=item[2] for i in ob: name=f

  • 基于Python获取照片的GPS位置信息

    基于Python获取照片的GPS位置信息

    这篇文章主要介绍了基于Python获取照片的GPS位置信息,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 昨天听人说,用手机拍照会带着GPS信息,原来没注意过这个,因此查看下并使用代码获取照片里的GPS信息 查看图片文件属性 说明: 一般手机拍照时默认会打开地理位置开关 经过压缩后,通常会将GPS信息压缩掉 EXIF 可交换图像文件常被简称为EXIF(Exchangeable image file format),是专门为数码相机的照片设定的,

  • 中秋送礼分配不均这款python刮刮卡完美解决问题

    中秋送礼分配不均这款python刮刮卡完美解决问题

    导语 每次回家小编的身边都会聚集着一堆小朋友,这就是家住一个村的好处. 一回家就接收到七大姑八大姨的亲切的问候,关系那是特别不错的,小朋友也不怕我. ​ 去年因为给小朋友带了一些礼物但是分配不均匀,导致了灾难现场哭声一片...... 我老妈还以为我咋的她们了? ​ emmmmmm,完了我只想说一句,"打扰了" 今年中秋怕家里的小孩子们因为分配礼物重蹈覆辙,聪明的我制作了一款中秋礼物刮刮乐,刮到什么就拿什么! ​ 正文 中秋送给孩子们的礼物已经选好了,当当当图片如下: ​ 一堆中秋月饼的

  • python计算机视觉opencv卡号识别示例详解

    python计算机视觉opencv卡号识别示例详解

    目录 一.模板预处理 1.将模板设置为二值图 2.检测模板的轮廓 3.对模板轮廓排序,并将数字和轮廓一一对应,以字典存储 4.备注 二.图片预处理 1.初始化卷积核 2.图片预处理第一部分 3.图像预处理第二部分 三.轮廓处理 1.大轮廓过滤 2.小轮廓分割 模板图片如下: 需识别的图片如下: 一.模板预处理 1.将模板设置为二值图 2.检测模板的轮廓 3.对模板轮廓排序,并将数字和轮廓一一对应,以字典存储 排序的函数如下: 排序并存储: 4.备注 ①每一个数字对应的是二值图截出来的那个数字图的

  • python根据照片获取地理位置及泄露防御

    python根据照片获取地理位置及泄露防御

    首先,说明一下python确实可以根据照片获取地理位置,但是也是有一定的限制条件的. 获取照片地理位置的实现思路是这样的: 通过提取照片中的经纬度信息. 然后通过经纬度信息找到具体的地理位置信息. 安装可以读取经纬度信息的python非标准库exifread pip install exifread 将该模块导入到当前代码块中. import exifread as ex 编写照片信息读取函数,获取照片中的经纬度信息. def read_image(): ''' 经纬度信息读取函数 :retur

  • python解析照片拍摄时间进行图片整理

    目录 引言 1. 获取图片拍摄时间 2. 获取视频拍摄时间 3. 根据图片时间建立文件夹 完整代码 引言 手机中拍摄照的照片和视频快爆了,想转移到PC端,并按时间建立文件夹存储到电脑中,本文主要介绍如何通过python获取手机拍摄图片的时间信息并存储. 1. 获取图片拍摄时间 首先需要安装exifread库.通过EXIF(Exchangeable image file format: 可交换图像文件格式) 获取这些信息. 获取图片时间信息: import exifread with open(f

  • python 模拟贷款卡号生成规则过程解析

    前言 笔者在测试某web系统的过程中,需要用到"贷款卡号",且此贷款卡号仅能使用一次,保存过后下一次无法再次使用相同的卡号. 遂决定依据它的生成规则,自己写一段代码来实现. 同时为了方便起见,贷款卡的前三位默认用数字来实现. 1. 生成规则如下: 贷款卡编码一共有16位,最后两位是校验位 整个贷款卡编码的规则如下: 前三位:分别为数字或者大写英文字母 第四位到第十四位:分别为数字 后两位的校验码为 前十四位乘以权重相加后除以97后的余数再加1后得到的数字, 如果此数字为个位数,前面还需

随机推荐