中文手写字体风格迁移

简介

本项目的目的是使用深度学习，实现不同手写字体之间的风格迁移。

注：由于拖延症等缘故，本项目正处于并可能长期处于测试阶段，模型还有待调整。

安装

注：本项目仅在 Python 3.6.8 下测试通过。

安装项目所需的环境：

pip install pillow colorama

如果你使用 CPU 进行训练（不推荐），可以安装 CPU 版本的 PyTorch：

pip3 install https://download.pytorch.org/whl/cpu/torch-1.1.0-cp36-cp36m-win_amd64.whl
pip3 install https://download.pytorch.org/whl/cpu/torchvision-0.3.0-cp36-cp36m-win_amd64.whl

如果你的电脑有较新的 NVIDIA 显卡，可以安装 CUDA10.0 与 CUDNN 来使用 GPU 加速，并且安装以下版本的 PyTorch：

pip3 install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl
pip3 install https://download.pytorch.org/whl/cu90/torchvision-0.3.0-cp36-cp36m-win_amd64.whl

使用流程

注：当前项目处于测试阶段，最终应用阶段使用流程会与目前不同。

1. 创建目录结构

python3 make_dirs.py

2. 选择要使用的字体

将源字体文件放在 /raw_fonts 目录下，将目标字体文件放在 /target_fonts 目录下。

3. 生成目标字体

注：此步骤仅在测试阶段使用，应用阶段将变为读取用户手写字体。

python3 _test_target_font_to_png.py

4. 训练模型

python3 train_model.py

目录结构

• fake_img 存储训练过程中的生成图像
• fake_img_mosaicking 存储拼合产生的进度图
• fonts_reserve 存储所有备用字体文件
• model_data 存储风格识别网络模型
• output_img 保存生成的图片结果
• raw_fonts 存储训练所用的源字体文件
• target_fonts 存储目标字体（注：此目录仅在测试阶段使用）
• target_img 存储目标字体图像
• target_img_origin 存储未切分的目标字体图像

项目各流程所使用的文件

预处理环节

• _test_target_font_to_png.py 调用 target_fonts 文件夹下的第一个字体，在 target_img 子目录下生成所需要的目标字体图像（注：此脚本仅在测试阶段使用）
• fonts_sifting.py 筛选字符完整的字体
• image_preprocessing.py 进行字体图像的切分（注：此脚本在应用阶段使用）
• make_dirs.py 创建项目所需要的子目录

网络训练环节

• characters.txt 存放最常用的 3500 个汉字
• train_model.py 训练网络
• lib/custom_layers.py 自定义向量层
• lib/image_mosaicking.py 在网络生成训练结果后，制作一张训练进度图

生成环节

• generate_words.py 生成文章图像
• test.txt 存放需要生成的文章

贡献者

@cometeme

@mzzx