【NCDA】手把手教你用AI玩转图像
时间：2025-07-30
-
-
瓜子影视最新官方app
- 类型：
- 大小：
- 语言：简体中文
- 评分：
- 查看详情
【NCDA】手把手教你用AI玩转图像
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。
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登录后复制
图像风格迁移
随着人工智能技术的发展，我们可以看到一幅新的画卷：通过学习特定类别的图像，如宫崎骏的所有漫画作品，然后将一张新的图片输入到这些预训练好的模型中，可以实现对这张图片进行重新绘制的效果，生成与训练数据集对应风格的作品。PaddleHub目前已封装了三个不同风格的漫画模型，分别是宫崎骏风格、今敏风格和新海诚风格，为艺术家们提供了创新的艺术表现方式。
宫崎骏风格
参数说明
输入图片路径，通过左上角文件栏轻松上传并右键获取其路径，替换此处变量即可。
下面代码运行时间大概需要1分钟左右，请耐心等候 In [2]
加载了PaddleHub模块的代码，将一个名为“animegan_vhayao_的模型用于风格迁移。通过读取指定路径的图片（替换为你自己的图片），并输出到指定目录，生成风格迁移后的图像，并展示原始和转换后图像的比较图。
[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 object W0329 22:50:10.226275 2454 analysis_predictor.cc:1350] Deprecated. Please use CreatePredictor instead.登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
今敏风格
参数说明
输入图片的路径，本地图片可直接拖拽至左侧文件夹选择，右键复制路径替换此变量值。
下面代码运行时间大概需要1分钟左右，请耐心等候 In [3]
请使用以下代码格式化 import paddlehub as hub from PIL import Imagedef style_transfer(image_path)： img = Image.open(image_path) model = hub.Module(name=animegan_vpaprika_) result = model.style_transfer([img], output_dir=./output/jinmin, visualization=True) return result[# 请将图片路径替换为原图路径，然后调用此函数以生成图像。
[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登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
新海诚风格
参数说明
输入图片路径，可从文件夹中选择或直接粘贴图片到左侧的文件框，右键即可复制并替换变量值。
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 inline img = './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])登录后复制
[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登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
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。
参数说明
输入图片的路径，可从左侧文件栏中选择或直接拖拽上传；右键点击并复制其路径，替换此变量值。
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 inline img = "/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登录后复制
/home/aistudio/paintmaster登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
/home/aistudio登录后复制
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。然而，由于年代久远，旧的图像素材往往存在模糊、缺色等问题。幸运的是，通过人工智能模型，这些老照片可以重现往日的风采。
参数说明
输入图片路径，从文件夹拖拽或直接点击上传照片，右键获取其所在位置，调整此变量即可。
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' # <- 替换为原图路径model = hub.Module(name='deoldify', output_path='./output/') #<- 在输出文件夹下找到生成的图像result = model.predict(img)imshow(img, result[)
load pretrained checkpoint success登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
人像抠图
在纪，你还在使用Photoshop的魔棒进行繁琐的抠图操作吗？尝试一下这款神器，它不仅能轻松去除人像并更换背景，效率极高！
抠人像
参数说明
输入图片路径。在文件夹中选择或通过右键点击，将选定的图像信息复制并替换到变量中。
下面代码运行时间大概需要15秒左右，请耐心等候 In [7]
加载PaddleHub模块，调用deeplabv_xceptionhumanseg模型进行人体分割。使用指定路径读取图片，运行结果会保存在名为“humanseg”的文件夹中，并展示图像及其掩码标记。
[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登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
换背景
参数说明
backgroundImg： 指定背景图片的位置，可以直接从你的电脑拖进左侧的文件框内，然后右键选择复制路径来替换这个变量。
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 inline backgroundImg = "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)登录后复制
<Figure size 840x700 with 2 Axes>登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制登录后复制
以上就是【NCDA】手把手教你用AI玩转图像的详细内容，更多请关注其它相关文章！
