OpenCV与深度神经网络的风格迁移

引言

你是否见过这样的魔法？一张普通的风景照，经过AI处理后，瞬间变成繁星点点的璀璨星空；或者一张人像照片，背景被替换成梦幻的银河。这种将「内容」与「风格」分离并重新组合的技术，叫做神经风格迁移（Neural Style Transfer）。

今天我们将用OpenCV的DNN模块，结合一个预训练的星空风格迁移模型，亲手实现这个「照片变星空」的神奇操作。即使你对深度学习模型一无所知，也能通过这段代码快速上手！

准备工作

在开始之前，确保你的环境满足以下条件：

• Python 3.6+（推荐3.8+）
• OpenCV库（需包含dnn模块）
• 预训练模型文件（composition_vii.t7，文末会说明获取方式）

安装依赖

通过pip安装OpenCV：

pip install opencv-python

模型文件说明

代码中使用的composition_vii.t7是一个基于PyTorch训练的风格迁移模型，专门用于将输入图像转换为「星空风格」。这类模型通常由研究者或开发者预先在大量风格图像（如梵高《星月夜》）和内容图像上训练得到，可直接用于推理。

代码逐行解析：从图像到星空的全流程

1. 导入库与读取输入图像

import cv2

# 读取输入图像（替换为你的本地图像路径）
image = cv2.imread('longpic.png')

# 显示原始图像（窗口标题为"yuan tu"）
cv2.imshow("yuan tu", image)
# cv2.waitKey(0)  # 按任意键关闭原始图像窗口（调试时可取消注释）

这部分是常规的图像读取与显示操作。cv2.imread会加载图像为BGR格式的numpy数组（高×宽×3），cv2.imshow用于弹出窗口显示图像。

2. 图像预处理：构建模型输入的Blob

(h, w) = image.shape[:2]  # 获取图像的高度（h）和宽度（w）</