Ae 效果:CC Kernel

颜色校正/CC Kernel

Color Correction/CC Kernel

CC Kernel(CC 卷积核)效果主要用于图像的卷积处理,通过在卷积矩阵中设置不同的权重值,可以实现图像的锐化 Sharpen、模糊 Blur、查找边缘 Find Edges以及浮雕 Emboss等效果。

  ◆  ◆

效果原理说明

卷积矩阵 Convolution Matrix是数字图像处理中的一种常用技术,用于对图像进行滤波和处理。它是一个二维矩阵,其中包含一组权重值。

下图图左列出了 CC Kernel 效果的 3x3 矩阵,而图右则为 Ps 中的“自定” Custom滤镜的 5x5 矩阵。它们基于同样的工作原理。

a722a5cec3688ae33bb7128dfaf155a8.jpeg

应用卷积矩阵时,将矩阵中心与图像中的每个像素对齐。

然后,将卷积矩阵中的每个元素(数值)与其对应的图像像素值进行乘积,再将所有乘积值相加得到新的像素值。这个新的像素值就是经过卷积矩阵滤波处理后的结果。

比如,要实现高斯模糊效果,可使用如下图所示的 3x3 卷积矩阵。

86508766635f3c9045735fd1cfc63ebf.jpeg

下列表格中代表了原始像素矩阵,a、b、c 等既表示了像素的位置,也表示各个像素对应的值。

0ce4b0ac12507703f06c285aea131301.jpeg

对于中心像素 e,模糊后的新像素值的计算过程如下:

像素 e 的新值 = (a * 1) + (b * 2) + (c * 1) + (d * 2) + (e * 4) + (f * 2) + (g * 1) + (h * 2) + (i * 1)

然后,我们需要将得到的新像素值除以卷积矩阵中的所有权重之和,以实现归一化,确保图像不会变亮或变暗。在这个例子中,权重之和为 14,所以:

像素 e 的新值 = (a + 2b + c + 2d + 4e + 2f + g + 2h + i) / 14

此处的权重之和可对应 CC Kernel 中的 Divider 属性,Ps 中的“自定”滤镜的“缩放”参数。

8ec2c97f8e7f05785d6a6dc492d63360.jpeg

  ◆  ◆

效果属性说明

76d33626e6a9449aa334ce5da2811ce5.png

Line 1

线条 1

用于定义卷积矩阵中的第一行。

1 - L1、2 - L1、3 - L1 分别对应第一行的第 1、2、3 个元素(值)。

Line 2

线条 2

用于定义卷积矩阵中的第二行。

1 - L2、2 - L2、3 - L2 分别对应第二行的第 1、2、3 个元素(值)。

Line 3

线条 3

用于定义卷积矩阵中的第三行。

1 - L3、2 - L3、3 - L3 分别对应第三行的第 1、2、3 个元素(值)。

Divider

除数

用来控制卷积矩阵中每个权重的除数。通过调整这个属性,可以控制卷积运算后的像素值范围,从而影响图像的亮度和对比度。

默认值为 1,表示卷积运算后的像素值与卷积矩阵中的权重值是一致的。

若设为 2,表示除以 2,则表示卷积运算后的像素值就会被除以2,从而使图像变得更暗。若设为 0.5,则表示除以 0.5,则图像变得更亮。

一般情况下,可设置为权重之和(即卷积矩阵的所有数值之和),这样可保证图像的整体亮度不变。

Absolute Values

绝对值

用于指定是否对卷积运算的结果取绝对值。

若勾选此属性,卷积运算的结果将被强制转换为正值,这可以使效果更加明显并增强图像的对比度。

Blend w. Original

与原图混合

控制 CC Kernel 效果与原始图像的混合程度。

c40bc1788cf4d247e542abd5535779e8.jpeg

“点赞有美意,赞赏是鼓励”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/16854.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

服务调用---------Ribbon和Feign

目录​​​​​​​ 1、Ribbon 1.1 Ribbon简介 1.2 Ribbon负载均衡 负载均衡原理 负载均衡策略 Ribbon和Nginx的区别 1.3 服务调用和Ribbon负载均衡实现 2、Feign&openFeign 3、Feign支持的配置 日志功能 连接池 feign-api远程包 1、Ribbon 1.1 Ribbon简介 Ribb…

神经概率语言模型

本文主要参考《A Neural Probabilistic Language Model》这是一篇很重要的语言模型论文,发表于2003年。主要贡献如下: 提出了一种基于神经网络的语言模型,是较早将神经网络应用于语言模型领域的工作之一,具有里程碑意义。采用神经网络模型预测下一个单词…

05-向量的意义_n维欧式空间

线性代数 什么是向量?究竟为什么引入向量? 为什么线性代数这么重要?从研究一个数拓展到研究一组数 一组数的基本表示方法——向量(Vector) 向量是线性代数研究的基本元素 e.g. 一个数: 666,…

springboot整合tio-websocket方案实现简易聊天

写在最前: 常用的http协议是无状态的,且不能主动响应到客户端。最初想实现状态动态跟踪只能用轮询或者其他效率低下的方式,所以引入了websocket协议,允许服务端主动向客户端推送数据。在WebSocket API中,浏览器和服务…

实用上位机--QT

实用上位机–QT 通信协议如下 上位机设计界面 #------------------------------------------------- # # Project created by QtCreator 2023-07-29T21:22:32 # #-------------------------------------------------QT += core gui serialportgreaterThan(QT_MAJOR_V…

Unity实现在3D模型标记

Canvas 模式是UI与3D混合模式(Render modelScreen space-Camera) 实现在3D模型标记,旋转跟随是UI不在3D物体下 代码: using System.Collections; using System.Collections.Generic; using UnityEngine; using UnityEngine.UI; public clas…

矩阵中的路径(JS)

矩阵中的路径 题目 给定一个 m x n 二维字符网格 board 和一个字符串单词 word 。如果 word 存在于网格中,返回 true ;否则,返回 false 。 单词必须按照字母顺序,通过相邻的单元格内的字母构成,其中“相邻”单元格是…

valgrind——内存泄漏检测介绍

文章目录 1. 概述1. 体系结构2. Linux 程序内存空间布局3. 内存检查原理 2. valgrind工具3. 常用选项4. 示例1. 内存泄漏2. 数组越界3. 内存覆盖4. 使用未初始化的值5. 内存申请与释放函数不匹配 5. 总结 1. 概述 1. 体系结构 Valgrind 是一套 Linux 下,开放源代码…

移动端个人中心UI设计

效果图 源码如下 页面设计 <template><div class"container"><!-- 顶部用户信息 start--><div class"header"><div class"user-info"><van-image class"user-img" round width"70" :sr…

HCIP--云计算题库 V5.0版本

在国家政策的支持下&#xff0c;我国云计算应用市场发展明显加快&#xff0c;越来越多的企业开始介入云产业&#xff0c;出现了大量的应用解决方案&#xff0c;云应用的成功案例逐渐丰富&#xff0c;用户了解和认可程度不断提高&#xff0c;云计算产业发展迎来了“黄金机遇期”…

【ArcGIS Pro二次开发】(55):给多个要素或表批量添加字段

在工作中可能会遇到这样的场景&#xff1a;有多个GDB要素、表格&#xff0c;或者是SHP文件&#xff0c;需要给这个要素或表添加相同的多个字段。 在这种情况下&#xff0c;手动添加就变得很繁琐&#xff0c;于是就做了这个工具。 需求具体如下图&#xff1a; 左图是待处理数据…

C数据结构——无向图(邻接矩阵方式) 创建与基本使用

源码注释 // // Created by Lenovo on 2022-05-13-上午 9:06. // 作者&#xff1a;小象 // 版本&#xff1a;1.0 //#include <stdio.h> #include <malloc.h>#define MAXSIZE 1000 // BFS队列可能达到的最大长度 #define MAX_AMVNUMS 100 // 最大顶点数typedef enu…

电脑剪辑视频的软件有哪些?试试这几种视频剪辑工具

视频剪辑可以帮助人们在不同情境下更好地理解和消化视频内容。通过剪辑&#xff0c;可以去除不必要的素材并突出重点&#xff0c;使观看者能够更快地获取信息&#xff0c;并且更容易保持注意力的集中。此外&#xff0c;剪辑可以提高视频质量&#xff0c;例如通过添加音乐、图形…

CVPR2023新作:源数据集对迁移学习性能的影响以及相应的解决方案

Title: A Data-Based Perspective on Transfer Learning (迁移学习的基于数据的观点) Affiliation: MIT (麻省理工学院) Authors: Saachi Jain, Hadi Salman, Alaa Khaddaj, Eric Wong, Sung Min Park, Aleksander Mądry Keywords: transfer learning, source dataset, dow…

Git分布式版本控制工具和GitHub(二)--Git指令入门

一.指令入门前的准备 1.Git全局设置 2.获取Git仓库 例如&#xff1a;将我GitHub上的first_resp仓库克隆到本地。 点击进入first_rep&#xff0c;后面本地仓库操作的学习就是在这个界面右键打开Git Bash 3.工作区&#xff0c;暂存区&#xff0c;版本库概念 注&#xff1a;如果空…

Reinforcement-Learning

文章目录 Reinforcement-Learning1. RL方法分类汇总&#xff1a;2. Q-Learning3. SARSA算法4. SARSA&#xff08;λ&#xff09; Reinforcement-Learning 1. RL方法分类汇总&#xff1a; &#xff08;1&#xff09;不理解环境&#xff08;Model-Free RL&#xff09;&#xff…

【【51单片机的红外遥控】】

红外遥控&#xff0c;完全把控 红外遥控 利用红外光进行通信的设备&#xff0c;由红外LED将调制后的信号发出&#xff0c;再由专门的红外接收头进行解调输出 通信方式&#xff1a;单工 异步 红外LED波长&#xff1a;940nm 通信协议标准&#xff1a;NEC标准 用那种一体化红红外…

【MySQL】模具数据转移处理

系列文章 C#底层库–MySQLBuilder脚本构建类&#xff08;select、insert、update、in、带条件的SQL自动生成&#xff09; 本文链接&#xff1a;https://blog.csdn.net/youcheng_ge/article/details/129179216 C#底层库–MySQL数据库操作辅助类&#xff08;推荐阅读&#xff0…

SQL注入之布尔盲注

SQL注入之布尔盲注 一、布尔盲注介绍二、布尔盲注的特性三、布尔盲注流程3.1、确定注入点3.2、判断数据库的版本3.3、判断数据库的长度3.4、猜解当前数据库名称&#xff08;本步骤需要重复&#xff09;3.5、猜解数据表的数量3.6、猜解第一个数据表名称的长度3.7、猜解第一个数据…

初识Java - 概念与准备

本笔记参考自&#xff1a; 《On Java 中文版》 目录 写在第一行 Java的迭代与发展 Java的迭代 Java的参考文档 对象的概念 抽象 接口 访问权限 复用实现 继承 基类和子类 A是B和A像B 多态 单根层次结构 集合 参数化类型 对象的创建和生命周期 写在第一行 作为一…