基于卷积神经网络的风格迁移，制造出带有艺术风格的字体（艺术字），部分效果可达PS水平，可以辅助设计人员做设计；.zip

# Style Migration For Artistic Font With CNN 基于卷积神经网络的风格迁移，超越艺术字 === 使用方法很简单，只需要输入：<br> python.exe neural_style_transfer.py "风格图片所在目录" "输出文件夹" <br> --chars 花 # 要生成的文字，支持一次输入多个文字 <br> --pictrue_size 300 # 生成图片大小 <br> --background_color (0,0,0) # 文字图片中背景的颜色 <br> --text_color (255,255,255) # 文字图片中文字的颜色 <br> --iter 50 # 迭代次数，一般50代左右就行 <br> --smooth_times 20 # 文字图片是否进行模糊化处理 <br> --noise 10 # 文字图片加入随机噪声的等级 <br> --image_enhance True # 生成图片是否进行增强，包括色度，亮度，锐度增强 <br> --font_name 宋体 # 文字字体，支持宋体，楷体，黑体，仿宋，等线 <br> --reverse_color False # True-黑纸白字，False-白纸黑字，默认白纸黑字 <br> --output_per_iter 2 # 每隔多少次迭代输出一张图片 <br> --image_input_mode one_pic # 输入的风格图片允许使用一下mode： 'one_pic:一张风格图片'，'one_pic_T:一张风格图片，但是这张图片经过旋转90度后当作第二张,特别适合汉字的横竖笔画'，'two_pic:两张风格图片' <br> --style_reference_image2_path # 第二张风格图片的位置，没有第二张不填 <br> --two_style_k 0.9 # 两张图片的相对权重，第一张*k+第二张*(1-k) ## 一些使用的例子 单一风格：<br> "C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\python.exe" "E:\学习\大三下\人工智能导论\风格转移字体\neural_style_transfer.py" "E:\学习\大三下\人工智能导论\风格转移字体\style\bamboo\5.jpg" E:\学习\大三下\人工智能导论\风格转移字体\输出\ --pictrue_size 300 --background_color (255,255,255) --text_color (0,0,0) --iter 30 --chars 竹 --smooth_times 20 --noise 10 --image_enhance True --image_input_mode one_pic 两个风格：<br> "C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\python.exe" "E:\学习\大三下\人工智能导论\风格转移字体\neural_style_transfer.py" "E:\学习\大三下\人工智能导论\风格转移字体\style\stone\2.jpg" E:\学习\大三下\人工智能导论\风格转移字体\输出\ --pictrue_size 300 --background_color (255,255,255) --text_color (0,0,0) --iter 50 --chars 石 --smooth_times 20 --noise 10 --image_enhance True --image_input_mode two_pic --style_reference_image2_path "E:\学习\大三下\人工智能导论\风格转移字体\style\stone\3.jpg" --two_style_k 0.6 # 7.13更新 ##### 1.更新了使用例子 ##### 2.代码稍作调整 ## 6.13更新 ##### 1.支持两张风格图片，使用第一张*k+第二张*(1-k)，可以平滑调节两张图片的风格过渡。 ##### 2.支持调节随机噪音的强度，为图片加上“noise×图片边长”个噪点。 ##### 3.精细调参，三层卷积层的权重改为10:1:1，颜色更艳丽。 ## 一些说明 神经网络基于[keras](https://github.com/keras-team/keras/blob/master/examples/neural_style_transfer.py)官方的风格迁移的例子，经过一定的调整loss函数和调参后得到最适合于艺术风格字体的代码。<br> 调整包括：<br> ##### 1.加入生成文字图片的方法，以及提供一系列图片生成相关接口，便于您第一时间修改结果 ##### 2.修改了loss函数，经过大量实验，确定使用keras提供的VGG19网络的'block1_conv1','block2_conv1','block3_conv1'三层作为风格损失，去除内容损失 ##### 3.加入一些图片的增强方法，使得结果更加色彩丰富 ##### 4.在style文件夹下提供了一系列图片供您探索 ##### 4.运行需要Keras支持，建议使用GPU运算，在 Nvidia GeForce GTX 1050 Ti (4 GB)上，一次迭代大约3s，一张图片耗时2-3min ## 下面给出一些例子，在example文件夹下有其对应的风格图片