未来设计师·全国高校数字艺术设计大赛始于2012年，每年一届，已入选中国高等教育学会发布的《全国普通高校学科竞赛排行榜》和《全国普通高校教师教学竞赛项目》，是高校教育教学改革和创新人才培养的重要竞赛项目之一。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
第十届未来设计师·全国高校数字艺术设计大赛
未来设计师·全国高校数字艺术设计大赛始于2012年，每年一届，已入选中国高等教育学会发布的《全国普通高校学科竞赛排行榜》和《全国普通高校教师教学竞赛项目》，是高校教育教学改革和创新人才培养的重要竞赛项目之一。
全文中遇到代码的地方，鼠标移动到代码框
点击左侧的运行即可
安装环境
下面代码运行时间大概需要 8 秒左右，请耐心等候
In [ ]
!pip install paddlehub --upgrade
图像风格迁移
人工智能模型通过学习某一类图像（比如宫崎骏的所有漫画作品）后，再输入一张新的图片，模型就能根据之前学习到的参数对输入图片进行重新绘制，生成训练数据集对应的风格。PaddleHub目前已封装了三个不同风格漫画的模型，分别是宫崎骏风格、今敏风格和新海诚风格。
宫崎骏风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
In [2]
import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = "./work/fengge.jpg" # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_hayao_99")result = model.style_transfer( images = [cv2.imread(img)], output_dir = './output/gongqijun', # <- 运行完成后在左侧栏的output文件夹下面的gongqijun文件夹可以找得到生成后的图像文件 visualization = True )imshow(img, result[0])
[2022-03-29 22:50:10,223] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the objectW0329 22:50:10.226275 2454 analysis_predictor.cc:1350] Deprecated. Please use CreatePredictor instead.
今敏风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
In [3]
import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = './work/fengge.jpg' # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_paprika_98")result = model.style_transfer( images=[cv2.imread(img)], output_dir = './output/jinmin', # <- 运行完成后在左侧栏的output文件夹下面的jinmin文件夹可以找得到生成后的图像文件 visualization = True )imshow(img, result[0])
[2022-03-29 22:51:07,384] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
新海诚风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
In [4]
import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = './work/fengge.jpg' # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_shinkai_53")result = model.style_transfer( images=[cv2.imread(img)], output_dir = './output/xinhaicheng', # <- 运行完成后在左侧栏的output文件夹下面的xinhaicheng文件夹可以找得到生成后的图像文件 visualization = True )imshow(img, result[0])
[2022-03-29 22:52:03,873] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
图片转油画
Paint Transformer是百度、南京大学提出的首个基于前馈笔触预测来进行快速油画渲染的算法，可以快速将一张图片变成一幅充满质感的油画！飞桨版本由飞桨开发者技术专家AP-Kai转换和封装。
图像转图像AI
利用AI轻松变形、风格化和重绘任何图像
65 查看详情
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
其余参数保持不变即可。
下面代码运行时间大概需要 12 秒左右，请耐心等候
In [2]
%cd paintmaster/import cv2from PIL import Imagefrom displayimg import imshowfrom inference.inference import main as infer_main%matplotlib inlineimg = "/home/aistudio/work/fengge.jpg" # <- 这里替换成原图的路径result = infer_main(img, "inference/paint_best.pdparams", '../output', resize_h=1024, resize_w=1024)imshow(img, result)%cd /home/aistudio
/home/aistudio/paintmaster
/home/aistudio
黑白图片上色
老照片/黑白照记录着曾经的岁月，承载着美好的回忆与厚重的历史。但由于年代久远，旧的图像素材往往存在模糊、缺色等问题。我们可以通过人工智能模型，让老照片重现往日光彩。
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_path: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
In [6]
import paddlehub as hubfrom displayimg import imshow%matplotlib inlineimg = 'work/heibai.jpg' # <- 这里替换成原图的路径model = hub.Module(name='deoldify', output_path="./output/") # <- 运行完成后在左侧栏的output文件夹下面的DeOldify文件夹可以找得到生成后的图像文件result = model.predict(img)imshow(img, result[0])
load pretrained checkpoint success
人像抠图
21世纪了，还在傻傻地用Photoshop的魔棒低效率抠图吗？试下下面这个神器吧，不仅能一步就把人像从复杂的背景中抠出来，还能顺便换个背景。
抠人像
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 15 秒左右，请耐心等候
In [7]
import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = "work/ren.jpg" # <- 这里替换成原图的路径human_seg = hub.Module(name="deeplabv3p_xception65_humanseg")result = human_seg.segmentation( images = [cv2.imread(img)], output_dir = './output/humanseg', # <- 运行完成后在左侧栏的output文件夹下面的humanseg文件夹可以找得到生成后的图像文件 visualization = True)imshow(img, result[0]['save_path'], True)
[2022-03-29 22:53:15,620] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
换背景
参数说明
backgroundImg: 输入背景图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
saveImg: 合成后图片保存的路径和文件名
其余参数保持不变即可。
下面代码运行时间大概需要 1-3 秒左右
In [8]
from PIL import Image from displayimg import imshow%matplotlib inlinebackgroundImg = "work/beijing.jpg" # <-背景图片路径saveImg = './output/background_replace_output.png' # <- 图片合成后的保存路径humanImg = result[0]['save_path']backgroundImg = Image.open(backgroundImg).convert('RGBA')humanImg = Image.open(humanImg).convert('RGBA')resultImg = Image.new("RGBA", backgroundImg.size)resultImg = Image.alpha_composite(resultImg, backgroundImg)resultImg = Image.alpha_composite(resultImg, humanImg)resultImg.save(saveImg)imshow(result[0]['save_path'], saveImg, True)
以上就是【NCDA】手把手教你用AI玩转图像的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/318009.html
微信扫一扫 
支付宝扫一扫 
