【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

!pip install paddlehub --upgrade

图像风格迁移

人工智能模型通过学习某一类图像（比如宫崎骏的所有漫画作品）后，再输入一张新的图片，模型就能根据之前学习到的参数对输入图片进行重新绘制，生成训练数据集对应的风格。PaddleHub目前已封装了三个不同风格漫画的模型，分别是宫崎骏风格、今敏风格和新海诚风格。

宫崎骏风格

参数说明

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。

下面代码运行时间大概需要 1 分钟左右，请耐心等候

import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = "./work/fengge.webp" # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_hayao_99")result = model.style_transfer(        images = [cv2.imread(img)],        output_dir = './output/gongqijun', # <- 运行完成后在左侧栏的output文件夹下面的gongqijun文件夹可以找得到生成后的图像文件        visualization = True        )imshow(img, result[0])

[2024-03-29 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 objectW0329 22:50:10.226275  2454 analysis_predictor.cc:1350] Deprecated. Please use CreatePredictor instead.

今敏风格

参数说明

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。

下面代码运行时间大概需要 1 分钟左右，请耐心等候

import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = './work/fengge.webp'  # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_paprika_98")result = model.style_transfer(        images=[cv2.imread(img)],        output_dir = './output/jinmin', # <- 运行完成后在左侧栏的output文件夹下面的jinmin文件夹可以找得到生成后的图像文件        visualization = True        )imshow(img, result[0])

[2024-03-29 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

新海诚风格

参数说明

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。

下面代码运行时间大概需要 1 分钟左右，请耐心等候

import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = './work/fengge.webp' # <- 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])

[2024-03-29 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

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

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
其余参数保持不变即可。

下面代码运行时间大概需要 12 秒左右，请耐心等候

%cd paintmaster/import cv2from PIL import Imagefrom displayimg import imshowfrom inference.inference import main as infer_main%matplotlib inlineimg = "/home/aistudio/work/fengge.webp"  # <- 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

/home/aistudio/paintmaster

/home/aistudio

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。但由于年代久远，旧的图像素材往往存在模糊、缺色等问题。我们可以通过人工智能模型，让老照片重现往日光彩。

参数说明

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_path: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。

下面代码运行时间大概需要 1 分钟左右，请耐心等候

import paddlehub as hubfrom displayimg import imshow%matplotlib inlineimg = 'work/heibai.webp'  # <- 这里替换成原图的路径model = hub.Module(name='deoldify',                    output_path="./output/") # <- 运行完成后在左侧栏的output文件夹下面的DeOldify文件夹可以找得到生成后的图像文件result = model.predict(img)imshow(img, result[0])

load pretrained checkpoint success

人像抠图

21世纪了，还在傻傻地用Photoshop的魔棒低效率抠图吗？试下下面这个神器吧，不仅能一步就把人像从复杂的背景中抠出来，还能顺便换个背景。

抠人像

参数说明

img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。

下面代码运行时间大概需要 15 秒左右，请耐心等候

import paddlehub as hubimport cv2from displayimg import imshow%matplotlib inlineimg = "work/ren.webp"  # <- 这里替换成原图的路径human_seg = hub.Module(name="deeplabv3p_xception65_humanseg")result = human_seg.segmentation(        images = [cv2.imread(img)],        output_dir = './output/humanseg', # <- 运行完成后在左侧栏的output文件夹下面的humanseg文件夹可以找得到生成后的图像文件        visualization = True)imshow(img, result[0]['save_path'], True)

[2024-03-29 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

换背景

参数说明

backgroundImg: 输入背景图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
saveImg: 合成后图片保存的路径和文件名
其余参数保持不变即可。

下面代码运行时间大概需要 1-3 秒左右

from PIL import Image from displayimg import imshow%matplotlib inlinebackgroundImg = "work/beijing.webp"  # <-背景图片路径saveImg = './output/background_replace_output.webp' # <- 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)

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：【NCDA】手把手教你用AI玩转图像要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题