快來試試用 Python 將你的照片轉化為“速寫”

Photo-Sketching 一個能將照片的輪廓識別出來并將其轉化為“速寫”型圖像的開源模塊。

比如，這只小狗：

經(jīng)過模型的轉化，會變成卡通版的小狗：

當然，也不是什么照片都處理的好，比如這個風景畫就不行：

搖身一變，成了抽象風格：

非常秀，這很人工智能。

這個模塊的使用也相對簡單，下面給大家?guī)先矫娴慕坛蹋?/p>

這個項目推薦大家直接用Anaconda進行環(huán)境的構建和開發(fā)：Python數(shù)據(jù)分析與挖掘好幫手—Anaconda，因為作者提供了一個 environment.yml 文件，你只需要輸入以下命令，就能一鍵安裝環(huán)境和依賴：

conda env create -f environment.yml

此外，推薦大家用VSCode編輯器來編寫像這樣的小型Python項目：Python 編程的最好搭檔—VSCode 詳細指南。

作者已經(jīng)訓練好了一些識別模型方便大家使用，可以在下列地址找到：
https://drive.google.com/file/d/1TQf-LyS8rRDDapdcTnEgWzYJllPgiXdj/view

作者使用的是谷歌硬盤，如果你無法科學上網(wǎng)，可以使用我提供的完整源代碼+預訓練模型，在 Python實用寶典 公眾號后臺回復：sketch 即可獲取。

下載完成后解壓文件，將 latest_net_D.pth 和 latest_net_G.pth 放置到 Checkpoints 文件夾下：

接下來，我們需要修改使用預訓練模型的啟動腳本，這些腳本都放在 PhotoSketch\scripts 下，我們需要使用的是 test_pretrained.cmd 或者 test_pretrained.sh 這兩個腳本。

如果你是 windows 系統(tǒng)，請修改 test_pretrained.cmd 腳本，重點是dataDir、results_dir、checkpoints_dir：

dataDir 指向到 PhotoSketch 所在的文件夾目錄，如果你是跟我一樣這么配的，results_dir 只需要配成 %dataDir%\PhotoSketch\Results\ 即可，checkpoints_dir 則為 %dataDir%\PhotoSketch\Checkpoints\ 。

如果你是macOS或者Linux，則修改 test_pretrained.sh 文件，修改方法與上面windows 的一樣，只不過 反斜杠 "\" 要換成 斜桿 "/" 。

修改完腳本后，打開命令行/終端，輸入以下命令，就會將你 PhotoSketch\examples 目錄下的文件轉化為“速寫”。

windows:

scripts\test_pretrained.cmd

Linux/MacOS:

./scripts/test_pretrained.sh

轉化結果可以在 PhotoSketch\Results 中看到，如下兩圖所示。

待轉化目錄：

轉化后：

可以看到效果其實不是非常好，由于是作者預訓練的模型，所以效果不好也正常，如果大家需要的話，可以自己針對性地拿一些圖像訓練模型，并針對性地做識別，這樣做效果才是最好的。

你需要訓練或測試自己的模型也非常簡單：

• 在倉庫的根目錄中，運行 scripts/train.sh 可以訓練模型

• 在倉庫的根目錄中，運行 scripts/test.sh 可以測試val集或測試集

當然訓練過程肯定沒這么簡單，你會遇到不少問題，但是我相信大部分都是存放圖片的目錄結構上的問題，大家如果有興趣可以動手試試。

我們的文章到此就結束啦，如果你喜歡今天的Python 實戰(zhàn)教程，請持續(xù)關注Python實用寶典。

有任何問題，可以在公眾號后臺回復：加群，回答相應紅字驗證信息，進入互助群詢問。

原創(chuàng)不易，希望你能在下面點個贊和在看支持我繼續(xù)創(chuàng)作，謝謝！

點擊下方閱讀原文可獲得更好的閱讀體驗

Python實用寶典 (pythondict.com)
不只是一個寶典
歡迎關注公眾號：Python實用寶典