【百度大脑新品体验】如何玩转图像风格转换?
才能我浪费99 发布于2020-05-05 浏览:5985 回复:41
3
收藏
最后编辑于2020-09-04

百度图像效果增强服务基于百度海量数据和算法积累,提供业界最丰富的图像处理能力,满足多方位需求,基于领先的深度学习技术,对质量较低的图片进行去雾、对比度增强、无损放大、拉伸恢复等多种优化处理,重建高清图像。其中,图像风格转换接口能力,是一款特别有趣的接口,我个人比较喜欢,今天分享给感兴趣的朋友们开发体验试玩。

1.功能描述:

百度的图像风格转换功能可将图像转化成卡通画、铅笔画、彩色铅笔画,或者哥特油画、彩色糖块油画、呐喊油画、神奈川冲浪里油画、奇异油画、薰衣草油画等共计9种风格,可用于开展趣味活动,或集成到美图应用中对图像进行风格转换。

2.原理介绍
在神经网络之前,图像风格迁移的程序有一个共同的思路:分析某一种风格的图像,给那一种风格建立一个数学或者统计模型,再改变要做迁移的图像让它能更好的符合建立的模型。改变了这种现状的是两篇Gatys的论文,在这之前让程序模仿任意一张图片画画是没法想象的。基于神经网络的风格迁移算法 “A Neural Algorithm of Artistic Style” 最早由 Gatys 等人在 2015 年提出,随后发表在 CVPR 2016 上。斯坦福大学的 Justin Johnson(cs231n 课程的主讲人之一)给出了 Torch 实现 neural-style。具体可以参考论文:
http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Gatys_Image_Style_Transfer_CVPR_2016_paper.pdf

3.调用攻略(Python3)及评测
3.1平台接入

3.2认证授权:

通过创建应用的ak、sk向授权服务地址发送请求完成认证授权获取Access Token,具体Python3代码如下:

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK, client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
#print (token_content)
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key

3.3接口调用:

图像风格转换能力请求URL:https://aip.baidubce.com/rest/2.0/image-process/v1/style_trans
输入图像:base64编码后大小不超过4M,像素乘积不超过2000*2000,最短边至少50px,最长边最大4096px,长宽比3:1以内。注意:图片的base64编码是不包含图片头的,如(data:image/jpg;base64,)。

Python3调用代码如下:

def style_trans(filename,resultfilename,option):
    request_url = "https://aip.baidubce.com/rest/2.0/image-process/v1/style_trans"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params['option'] = option
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    
    begin = time.perf_counter()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    end = time.perf_counter()

    print('处理时长:'+'%.2f'%(end-begin)+'秒')
    
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print (content)
        #print(content)
        data = json.loads(content)
        img_str=data['image']
        save_base_image(img_str,resultfilename)

返回示例:
{
"log_id": "6876747463538438254",
"image": "处理后图片的Base64编码"
}

处理后的图片效果怎么样呢,选用不同类型的图片效果都很好看,亲测如下:
人物原图及效果图:

建筑原图及效果图:

植物原图及效果图:

测试下来,整体效果非常惊艳,速度很快,无论哪种类型的图片转换结果都非常漂亮。开发者们或者有想法的朋友们可以利用这些接口能力来开发很多有意思的APP或H5页,用于开展趣味活动,分享趣味图片。期待未来有更多新的风格上线,感兴趣的朋友们快来体验吧~

收藏
点赞
3
个赞
共41条回复 最后由鹿鼎记肯定回复于2020-09-04
#42鹿鼎记肯定回复于2020-09-04
#41 188******76回复
再也不用担心不会p图了

手把手教你P出花样来

0
#41188******76回复于2020-09-04

再也不用担心不会p图了

0
#40大手拉小手0123回复于2020-08-25

真的特别好

0
#39鹿鼎记肯定回复于2020-08-24
#38 风城若然回复
对抗网络生成?

不是

0
#38风城若然回复于2020-08-24

对抗网络生成?

0
#37wangwei8638回复于2020-08-07

很赞

0
#36才能我浪费99回复于2020-08-07
#16 Randcase回复
有提供测试接口机会吗?实现代码开源吗?

可以看看Paddlehub上是不是有类似的模型

0
#35鹿鼎记肯定回复于2020-08-07
#34 worddict回复
效果非常漂亮

黑白风格应该是最好看的一类了

0
#34worddict回复于2020-08-07
#32 尹亦宇回复
这是深度学习的方法还是快速迁移的方法呀,好喜欢黑白方格的呀

效果非常漂亮

0
#33鹿鼎记肯定回复于2020-08-04

这个应该在图像特效板块吧,图像增强里面没找到

0
#32尹亦宇回复于2020-08-03

这是深度学习的方法还是快速迁移的方法呀,好喜欢黑白方格的呀

0
#31worddict回复于2020-07-30
#27 ZengZhuoqi回复
这个是用pandlepandle,可以训练吧

自己训练也需要数据的

0
#30worddict回复于2020-07-30
#27 ZengZhuoqi回复
这个是用pandlepandle,可以训练吧

关键是数据

0
#29鹿鼎记肯定回复于2020-07-30
#28 Randcase回复
这个赚钱就有点牵强吧

百度AI 开放平台上的产品

0
#28Randcase回复于2020-07-30
#19 鹿鼎记肯定回复
别人靠这个产品赚钱的emm

这个赚钱就有点牵强吧

0
#27ZengZhuoqi回复于2020-07-29
#26 worddict回复
这个也是调用别人的啊

这个是用pandlepandle,可以训练吧

0
#26worddict回复于2020-07-29
#23 ZengZhuoqi回复
可以自己搞一个呗。 来自别人的项目->https://aistudio.baidu.com/aistudio/projectdetail/568855
展开

这个也是调用别人的啊

0
#25worddict回复于2020-07-29
#24 鹿鼎记肯定回复
风格迁移的话感觉gan的可能性大一点

你看一下文章里面提的哪个Paper

0
#24鹿鼎记肯定回复于2020-07-29
#22 worddict回复
感觉不是GAN

风格迁移的话感觉gan的可能性大一点

0
#23ZengZhuoqi回复于2020-07-28
#18 Randcase回复
主要想看下源代码,是不是 用的对抗网络生成?还是deepdream技术?
展开

可以自己搞一个呗。

来自别人的项目->https://aistudio.baidu.com/aistudio/projectdetail/568855

0
TOP
切换版块