Scratch是一个具有创造性的可视化编程工具。近年来,它已经成为青少年学习编程的首选语言。在进行Scratch编程前,用户通常需要选择或绘制一个角色造型以便于更好的完成Scratch作品。尽管目前在Scratch中有一个画板,用户可以使用它为角色绘制造型,但是目前工具里并没有可以将草图直接转换为真实图像的功能。因此,我们计划在Scratch3.0中设计一个图像风格转换机制,然而,在Scratch 3.0中设计一个图像风格转换机制是一个具有挑战性的任务,为了解决这个问题,我们将任务分为三部分:1)将草图转换为图像,2)使用神经风格进行图像风格转换,3)将这两个功能与Scratch 3.0整合。首先,我们设计了一种新颖的条件对抗生成网络,该网络不仅可以将草图转换为真实的图像,还可以消除图像上的伪影。我们改进了 U-Net生成器结构,设计了 MultiResU-Net生成器,该生成器使用残差路径用作跳跃连接。通过使用这种改进的结构,使得训练生成器模型的参数数量和时间大幅度减少。此外,为了使得图像具有卡通风格,我们设计了一种基于端到端的深度学习方法“Dense-CartoonGAN”。在这个方法中,我们将Dense-layer与CartoonGAN相结合,通过将dense块替换生成网络中的residual块来实现端到端的学习,最终达到图像风格卡通化的效果。Dense-CartoonGAN的优点是加强传播、特征复用和减少参数数量,它仅需较少的计算即可实现更高的性能。与CartoonGAN相比,Dense-CartoonGAN具有更好的效果。最后,我们开发了一个将Scratch 3.0与图像风格转换机制相结合的应用程序。由于我们提出的图像风格转换机制可以更好的输出高质量的图像,因此使用这样的应用程序可以为用户提供一个满意的服务,进而帮助用户更好的完成Scratch作品。