---

1. 項目目標

• 生成藝術作品：利用 AI 模型（如 Stable Diffusion）生成具有藝術風格的圖像。
• 自定義風格：通過文本提示（prompt）控制圖像的藝術風格（如賽博朋克、印象派、超現實主義等）。
• 后處理：使用 Python 進行圖像增強或風格遷移，增加獨特性。
• 工具：Python, Stable Diffusion (Hugging Face), PyTorch, Pillow, OpenCV。

---

2. 技術路線

以下是實現步驟：

1. 安裝必要的庫：
   • 安裝 Python 環境（推薦 Python 3.8+）。
   • 安裝 AI 和圖像處理相關庫。
2. 使用預訓練模型生成圖像：
   • 使用 Stable Diffusion 模型通過文本提示生成基礎藝術圖像。
3. 圖像后處理：
   • 使用 Pillow 或 OpenCV 添加濾鏡、調整顏色或進行風格遷移。
4. 保存和展示：
   • 將生成的藝術作品保存為高分辨率圖像。

---

3. 環境準備

安裝依賴

確保你有以下庫：

pip install diffusers transformers torch pillow opencv-python numpy

硬件要求

• GPU（推薦）：Stable Diffusion 在 GPU 上運行更快（需要 NVIDIA GPU 和 CUDA 支持）。
• CPU（可選）：如果沒有 GPU，可以用 CPU，但生成速度較慢。

Hugging Face 登錄

Stable Diffusion 模型需要從 Hugging Face 下載，并可能需要登錄：

pip install huggingface_hub
huggingface-cli login

輸入你的 Hugging Face 令牌（在 Hugging Face 官網獲取）。

---

4. 代碼實現

以下是一個完整的 Python 腳本，結合 Stable Diffusion 生成藝術圖像，并進行后處理。

import torch
from diffusers import StableDiffusionPipeline
from PIL import Image
import cv2
import numpy as np
import os# 1. 初始化 Stable Diffusion 模型
model_id = "runwayml/stable-diffusion-v1-5"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe = pipe.to("cuda")  # 使用 GPU（如果沒有 GPU，注釋此行）# 2. 定義藝術風格的文本提示
prompt = "A surreal painting of a futuristic city at sunset, vibrant colors, in the style of Salvador Dali"
negative_prompt = "low quality, blurry, text, watermark"  # 避免生成低質量圖像# 3. 生成圖像
image = pipe(prompt,negative_prompt=negative_prompt,num_inference_steps=50,  # 推理步數，控制生成質量guidance_scale=7.5,     # 提示引導強度
).images[0]# 4. 保存原始生成圖像
output_dir = "art_output"
os.makedirs(output_dir, exist_ok=True)
image.save(os.path.join(output_dir, "original_art.png"))# 5. 圖像后處理：添加藝術濾鏡
def apply_artistic_filter(image_pil, filter_type="edge_enhance"):# 將 PIL 圖像轉換為 OpenCV 格式image_np = np.array(image_pil)image_cv = cv2.cvtColor(image_np, cv2.COLOR_RGB2BGR)if filter_type == "edge_enhance":# 增強邊緣，模擬手繪效果kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])image_cv = cv2.filter2D(image_cv, -1, kernel)elif filter_type == "color_boost":# 增強顏色鮮艷度image_cv = cv2.convertScaleAbs(image_cv, alpha=1.2, beta=10)# 轉換回 PIL 格式image_filtered = cv2.cvtColor(image_cv, cv2.COLOR_BGR2RGB)return Image.fromarray(image_filtered)# 6. 應用濾鏡并保存
filtered_image = apply_artistic_filter(image, filter_type="edge_enhance")
filtered_image.save(os.path.join(output_dir, "filtered_art.png"))print("藝術作品已生成并保存至 art_output 目錄！")

---

5. 代碼說明

• Stable Diffusion：
  • 使用 runwayml/stable-diffusion-v1-5 模型，通過文本提示生成圖像。
  • prompt 定義了圖像的內容和風格，例如“超現實的未來城市，達利風格”。
  • negative_prompt 避免生成不需要的元素（如模糊或低質量圖像）。
  • num_inference_steps 和 guidance_scale 控制生成質量和提示的遵循程度。
• 后處理：
  • apply_artistic_filter 函數使用 OpenCV 實現兩種濾鏡：
    • edge_enhance：增強圖像邊緣，模擬手繪效果。
    • color_boost：提升顏色鮮艷度，增加藝術感。
  • 可以根據需要擴展更多濾鏡（如模糊、素描效果等）。
• 輸出：
  • 生成的原始圖像和濾鏡處理后的圖像保存至 art_output 目錄。

---

6. 擴展與優化

為了讓作品更獨特，可以嘗試以下方法：

1. 自定義提示：
   • 嘗試不同的藝術風格，如：
     • “A cyberpunk cityscape in the style of Van Gogh”
     • “An abstract portrait of a woman, vibrant watercolor style”
   • 使用更復雜的提示，結合藝術家風格或藝術流派。
2. 風格遷移：
   • 使用預訓練的神經風格遷移模型（如 PyTorch 的 torchvision.models 或 neural-style-transfer）將生成的圖像與特定藝術風格（如畢加索、莫奈）融合。
   • 示例庫：pytorch-CycleGAN-and-pix2pix。
3. 批量生成：
   • 編寫循環，生成多個圖像并挑選最佳作品：

     for i in range(3):image = pipe(prompt, negative_prompt=negative_prompt).images[0]image.save(os.path.join(output_dir, f"art_{i}.png"))
     

4. 交互界面：
   • 使用 Streamlit 或 Gradio 構建一個 Web 界面，讓用戶輸入提示并實時預覽生成的藝術作品。
   • 示例：

     pip install gradio
     

     import gradio as gr
     def generate_art(prompt):image = pipe(prompt).images[0]return image
     gr.Interface(fn=generate_art, inputs="text", outputs="image").launch()
     

---

7. 常見問題與解決方案

• 顯存不足：
  • 如果 GPU 顯存不足，嘗試：
    • 降低 torch_dtype 為 torch.float16。
    • 減少 num_inference_steps（如 30）。
    • 使用 CPU（注釋 pipe.to("cuda")）。
• 生成圖像質量不高：
  • 增加 num_inference_steps（如 100）。
  • 調整 guidance_scale（7.5~12.5 通常效果較好）。
  • 使用更詳細的提示詞。
• 模型下載慢：
  • 確保網絡穩定，或提前下載模型到本地：

    pipe = StableDiffusionPipeline.from_pretrained(model_id, cache_dir="./models")
    

---

8. 其他 AI 藝術生成工具

如果你想探索更多 AI 藝術生成工具，可以嘗試：

• DALL·E 3：通過 OpenAI API 生成高質量圖像（需要付費）。
• MidJourney：專注于藝術風格的生成（通過 Discord 操作）。
• Artbreeder：基于 GAN 的圖像混合與生成。
• VQ-VAE-2：生成像素藝術或低分辨率風格圖像。

這些工具可以通過 API 或 Python 腳本集成到你的工作流中。

---

9. 成果展示

運行上述代碼后，你將得到：

• 一張原始的 AI 生成圖像（如超現實的未來城市）。
• 一張經過濾鏡處理的藝術圖像（邊緣增強或顏色提升）。
• 保存路徑：art_output/original_art.png 和 art_output/filtered_art.png。

你可以進一步將這些圖像用于：

• 數字藝術展覽。
• NFT 創作。
• 個性化壁紙或印刷品。

---

10. 總結

通過 Python 和 Stable Diffusion，你可以快速生成獨特的藝術圖像，并通過后處理增加個性化效果。上述代碼提供了從生成到增強的完整流程，且易于擴展。