2-4. DCGANでお寿司をモーフィングする（ソースコードあり）

import os
import numpy as np
import numpy.random as nr
from PIL import Image
import matplotlib.pyplot as plt
from keras.models import load_model


#パラメータ
#======================================
#使用する重み
para = 'DCGAN_para/generator_1200.h5'

#乱数列の次元
z_dim = 100
#補完数（58だと60枚出ます）
img_num = 58

#モーフィングを保存するフォルダ
img_f = 'DCGAN_morph/'
#======================================




#乱数列１
a = np.clip(nr.randn(z_dim), -1, 1)
print(a)
#乱数列2
b = np.clip(nr.randn(z_dim), -1, 1)
print(b)


#間の補完
#======================================
zs = np.zeros((img_num+2, z_dim))
for i in range(img_num+2):
    zs[i] = a * ((img_num+1-i)/(img_num+1)) + b * (i/(img_num+1))
#======================================


#generatorで画像を生成
#======================================
model = load_model(para)
imgs_array = model.predict(zs)
imgs = []
for i in range(len(imgs_array)):
    img = Image.fromarray(np.uint8(imgs_array[i] * 127.5 + 127.5))
    imgs.append(img)
#======================================

#保存用フォルダ作成
if not os.path.isdir(img_f): 
    os.makedirs(img_f)

#保存
#======================================
for i in range(len(imgs)):
    print(i)
    #画像の表示と保存
    imgs[i].save(img_f + str(i) + '.png')
    plt.imshow(imgs[i], vmin = 0, vmax = 255)
    plt.show()
#gif保存
imgs[0].save('morph.gif', save_all=True, append_images=imgs[1:], optimize=False, duration=1, loop=0)
#======================================