用 AnimeGAN 将图片转换为二次元的日漫风格

梦想伊始

作为日漫的爱好者，特别是对宫崎骏、新海诚这些壁纸狂魔的作品情有独钟。同时，作为一个程序员的我，一直梦想着可以开发一个功能，实现将现实的照片风格转化为动漫风格，为此我开始学习Python，学习过程中发现已经有大神实现了这样的功能，于是迫不及待的研究起来。因为入门python才一周，我使用了5天的时间才在本地实现了这个功能。发此文一是记录这个实践过程中的所学，二是将这个知识分享起来，希望对有同样爱好的技术人员有些许帮助。

AnimeGAN 介绍

随着计算机视觉技术的发展，有很多图片风格转换的算法模型，比如：CartoonGAN、AnimeGAN 、ComixGAN等。这次学习的项目是一个 TensorFlow 新项目，它实现了 AnimeGAN，并提供了预训练模型。这意味着我们只要下载安装以后，就可以直接生成实验效果。

Github项目地址：https://github.com/TachibanaYoshino/AnimeGAN

下面，先看看作者提供的效果对比图：

AnimeGAN 环境搭建

因为图片的转换需要用到显卡的GPU，没有其他实验机器，所以直接在本地环境安装（win10 + GTX 1050 Ti 4G+ 16G内存 + i5-7300HQ）,开始之前我觉得这个配置还可以，开始运行后发现用于图形处理还是不够，比如比较大（超过1M）的图片就会转换失败，不过不影响结果，普通图片转换还是很快的。

1、相关依赖环境：

都是一些比较常用的依赖库，安装还是比较快的。我是第一次安装，遇到不少问题，都记录下来了。

• python 3.6.8
• tensorflow-gpu 1.8
• opencv
• tqdm
• numpy
• glob
• argparse

2、Anaconda安装

本次安装 Python 使用的是 Anaconda ，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。十分适合搭建测试运行环境。

1、下载链接（点击进入清华镜像下载），可以选择适合自己的版本，安装的时候只需要注意添加环境变量就可以了（一定要勾选）。

2、安装完成以后在 win10 菜单栏可以快速打开Anaconda 相关工具。

3、安装 tensorflow-gpu 依赖

安装这个插件时遇到很多问题，我单独记了一篇文章记录：《Win10 + 1050Ti 安装 tensorflow-gpu-1.8.0 踩坑笔记》。

4、其他依赖安装

剩余的依赖都可以通过Anaconda快速安装。需要手动安装的插件有：opencv、tqdm、glob 。安装步骤如下：

第一步：打开 Anaconda Navigator ，第一次打开要初始化一下，等个几分钟就好了。点击：Environments。

第二步：选择之前安装 tensorflow-gpu 创建的环境。PS：我就是选错环境瞎忙了两天。

第三步：选择需要安装的依赖，比如 opencv 。勾选以后右下加会出现 Apply 按钮，点击会出现版本弹窗，确认就行了。

第四步：解决组件安装慢的问题。因为默认的源访问较慢，可以换成其他快的。
先删除原来的，再添加下面的。推荐的源地址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

AnimeGAN 的使用

AnimeGAN 的使用在官网写的很详细，不过是英文的，不方便阅读。我简单描述一下操作步骤。

1、数据包下载

官网的下载链接太慢了，为此我还特地充了迅雷会员。为了节省大家时间，直接去我网盘下载吧：
链接：https://pan.baidu.com/s/1MAAqhqqdcAEogAyMMJbT6A
提取码：q6d0

2、解压 AnimeGAN 项目

我是为了测试方便，直接解压到桌面了。

2、数据包处理

将下载的数据包放到对应的位置。

3、模型进行训练

1）使用 Anaconda 进入准备好的环境。

2）进入AnimeGAN 项目解压的文件夹

3）执行以下命令进行训练（PS:本项目可以不执行训练，可以执行以下看看效果，不过执行过程超慢且消耗资源严重）

python main.py --phase train --dataset Hayao --epoch 101 --init_epoch 1

训练过程如下图所示：

顺便看一下执行的时候资源消耗：

4、开始使用

搞了这么多，终于可以实战操作一下了，把自己准备的照片转换为二次元风格。

1）将自己的图片，放置到 ~\AnimeGAN\dataset\test 下的一个文件夹中，文件夹可以自己定义。注意图片格式为 jpg ，且大小不要太大，建议不要超过1M .

2）同样的方式进入项目解压目录，执行以下命令：

python test.py --checkpoint_dir checkpoint/ --test_dir dataset/test/yooao --style_name H

3）执行结果如下：
4）查看执行结果
执行完以后会在项目根目录，生成一个results 文件夹，生成图片就在里面。

测试效果

1、风景

2、人像