用 OpenCV 轻松实现图像风格迁移：从代码到实践全解析

在数字图像处理领域，图像风格迁移一直是热门方向 —— 它能让普通照片瞬间拥有艺术大师的笔触，比如将风景照转化为梵高《星月夜》的漩涡质感。今天就带大家用 OpenCV 实现这一功能，从代码拆解到实际运行，手把手教你打造自己的风格迁移工具。​

一、为什么选择 OpenCV 做风格迁移？​

在开始之前，先聊聊技术选型的原因：​

1. 轻量级易上手：相比 TensorFlow/PyTorch 的复杂模型搭建，OpenCV 的dnn模块可直接加载预训练模型，无需深入理解神经网络原理；​
2. 跨平台兼容性强：代码可在 Windows、Linux、MacOS 上无缝运行，依赖库仅需 OpenCV 和 NumPy；​
3. 实时性优秀：对中小型图像（1000x1000 以内）处理速度快，适合快速迭代测试。​

本次案例将使用预训练的starry_night.t7模型，实现将普通图像转化为《星月夜》风格的效果。​

二、完整代码与逐行解析​

先看完整代码（已添加详细注释），再逐步拆解关键步骤：

import cv2
import numpy as np
import os

try:
    # 1. 读取输入图像
    image = cv2.imread('mengna.jpg')
    if image is None:
        raise FileNotFoundError("图像文件不存在")

    # 2. 显示原始图像
    cv2.imshow('Original Image', image)
    cv2.waitKey(0)  # 等待按键关闭窗口

    # 3. 图像预处理：转换为dnn模块所需的blob格式
    (h, w) = image.shape[:2]  # 获取图像高度和宽度
    blob = cv2.dnn.blobFromImage(
        image,
        scalefactor=1,  # 像素值缩放因子（此处保持原尺度）
        size=(w,