OpenCV C++版图像风格化实践

图像风格化是将一幅图片的风格转换成另一幅图片的过程。在OpenCV中，可以使用神经网络来实现图像风格化。下面是一个简单的C++代码示例，实现将一幅图片的风格转换成另一幅图片的效果：

#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>

using namespace cv;
using namespace cv::dnn;

int main() {
    // 加载原始图片和风格图片
    Mat contentImage = imread("content.jpg");
    Mat styleImage = imread("style.jpg");

    // 加载神经网络模型
    Net model = readNetFromTorch("models/udnie.t7");
    
    // 图像预处理
    Mat blobContent = blobFromImage(contentImage, 1.0, Size(512, 512), Scalar(), true, false);
    Mat blobStyle = blobFromImage(styleImage, 1.0, Size(512, 512), Scalar(), true, false);
    
    // 设置输入
    model.setInput(blobContent, "content");
    model.setInput(blobStyle, "style");
    
    // 运行模型
    Mat output = model.forward();
    
    // 可视化输出
    output = output.reshape(1, contentImage.rows);
    imshow("Stylized Image", output);
    waitKey(0);
    
    return 0;
}

在这个示例中，我们首先加载了原始图片和风格图片，然后加载了一个预训练的神经网络模型（例如udnie模型）。接着对原始图片和风格图片进行预处理，并设置为神经网络的输入。最后，运行模型并将输出进行可视化展示。

需要注意的是，这里使用的是预训练的模型，如果需要更好的效果可以尝试训练自己的模型。另外，还可以尝试不同的模型和参数来实现不同的风格化效果。