Ae 效果:CC Vector Blur

news2024/11/27 4:26:08

模糊和锐化/CC Vector Blur

Blur & Sharpen/CC Vector Blur

CC Vector Blur(CC 向量模糊)使用源图像(图层自身或指定的向量映射图层)的亮度差异或其他选择的属性(如红通道、绿通道、蓝通道等)来生成一个向量场,并根据这个向量场创建模糊效果。

ac509f959eadfbf9d729d5ff3bb73255.gif

为了避免与一般的矢量图层等概念发生混淆,此处将 Vector Blur 翻译成“向量模糊”。

向量通常是由图像中的亮度差异或选定属性(如红通道、绿通道、蓝通道等)产生的梯度来定义的。这些梯度可以看作是向量场,在这个场中每个点都有一个方向和大小。

例如,如果一个区域在红色通道中从暗变亮,那么向量的方向可能就是从暗区域指向亮区域。向量的长度通常与图像中的亮度差异或其他属性差异成正比。

再比如,为纯色图层添加一个“梯度渐变”效果以作为两点向量场的映射图。或者,添加“分形杂色”效果以作为多个向量场的映射图(如上图所示)。

差异越大,模糊效果越明显。而在没有差异变化的区域将不会有向量,也就不会产生向量模糊效果。

  ◆  ◆

效果属性说明

0242b966fae47bb7e09f8396a8e33825.png

Type

类型

用于选择模糊类型。

--Natural 自然

默认选项。模糊发生在向量场区域,且与其外的未模糊区域会有曲线缓冲的衰减过渡。

--Constant Length 恒定长度

与 Natural 类似,不同的是与其外的未模糊区域是线性的缓冲衰减过渡。

--Perpendicular 垂直

与 Natural 一样,不同的是模糊方向垂直于向量场方向。

--Direction Center 方向中心

不受向量场的限制,可对整个源图像从向量场的中心开始双向模糊。

--Direction Fading 方向渐隐

不受向量场的限制,可对整个源图像按向量场方向渐隐模糊。

Amount

数量

用于控制模糊的程度。

默认值为 0,表示不模糊。值越大,模糊程度越明显。

Angle Offset

角度偏移

基于模糊的方向进行旋转。

当旋转 360°,则相当于没有旋转。

Ridge Smoothness

脊线平滑度

Revolutions

旋转次数

当模糊类型为 Natural、Constant Length、Perpendicular 时,此处为“脊线平滑度”。“脊线平滑度”属性控制模糊区域到未模糊区域的过渡平滑度。

默认值为 1。当值为 0 时,两个区域之间将出现锐利的边界,较大的值则使得这种过渡更加平滑。

当模糊类型为 Direction Center 和 Direction Fading 时,此处为“旋转次数”。“旋转次数”控制着模糊方向沿其轴线的旋转次数,可以产生一种螺旋和涡旋的模糊效果。

默认值为 100。

Vector Map

向量映射

用于指定用于创建向量场的图层。

默认为 None,表示使用图层自身的属性进行向量模糊。

Property

属性

指定用于创建向量场的属性。默认为 Brightness。

--Red 红通道

--Green 绿通道

--Blue 蓝通道

--Alpha Alpha 通道

--Luminance 亮度

--Brightness 明度

--Hue 色相

--Saturation 饱和度

Map Softness

映射柔和度

用于调整向量映射的柔和度。

默认值为 15。

由于此属性用于控制生成向量模糊的源图像属性的差异大小,因此会导致向量场的变化,从而影响整体的模糊效果。

fe2870413ac61d9891258ca4924641ea.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.coloradmin.cn/o/978291.html

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,一经查实,立即删除!

相关文章

kafka学习-概念与简单实战

目录 1、核心概念 消息和批次 Topic和Partition Replicas Offset broker和集群 生产者和消费者 2、开发实战 2.1、消息发送 介绍 代码实现 2.2、消息消费 介绍 代码实现 2.3、SpringBoot Kafka pom application.yaml KafkaConfig producer consumer 1、核心…

【变分法】【书籍阅读笔记】Calculus of Variation by gelfand 第一章 总结与习题题解 【更新中】

文章目录 前言1 第一章 变分法基础1.1 泛函 与 一些简单的变分问题1.2 Function Spaces/ 赋范线性空间1.3 泛函的变分: 具有极值的必要条件1. 重要引理/线性泛函的等零条件2. 泛函变分 1.4 最简单的变分问题:欧拉方程1. 欧拉方程2. 证明/欧拉方程的得出3. 欧拉方程的…

机器学习:基于梯度下降算法的线性拟合实现和原理解析

机器学习:基于梯度下降算法的线性拟合实现和原理解析 线性拟合梯度下降算法步骤算法实现数据可视化(动态展示)应用示例 当我们需要寻找数据中的趋势、模式或关系时,线性拟合和梯度下降是两个强大的工具。这两个概念在统计学、机器…

SQLI-labs-第五关

知识点:布尔盲注 思路: 1、判断注入点 首先,我们看看正常的回显内容 ?id1 接着输入?id1 ,结果出现语句错误 这里说明存在单引号的闭合错误 ?id1 and 11-- ?id1 and 12-- 这里没有任何回显信息,可以准确的确…

基于STM32程序万年历液晶1602显示-proteus仿真-源程序

一、系统方案 本设计采用STM32单片机作为主控器,液晶1602显示,按键设置万年历。 二、硬件设计 原理图如下: 三、单片机软件设计 1、首先是系统初始化 //通用定时器3中断初始化 //这里时钟选择为APB1的2倍,而APB1为36M //arr&…

官方YOLOV5的torch模型->ONNX模型->RKNN模型

1、环境配置 1.1 RKNN Toolkit2的环境配置 下载RKNN Toolkit2 git clone https://github.com/rockchip-linux/rknn-toolkit2.git打开一个终端命令行窗口,安装 Python3.6 和 pip3 sudo apt-get install python3 python3-dev python3-pip安装所需的依赖包 sudo apt-get inst…

机器学习笔记之最优化理论与方法(七)无约束优化问题——常用求解方法(上)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[上] 引言总体介绍回顾:线搜索下降算法收敛速度的衡量方式线性收敛范围高阶收敛范围 二次终止性朴素算法:坐标轴交替下降法最速下降法(梯度下降法)梯度下降法的特点 针对最速下降法缺…

Vue + Element UI 前端篇(十二):用户管理模块

Vue Element UI 实现权限管理系统 前端篇(十二):用户管理模块 用户管理模块 添加接口 在 http/moduls/user.js 中添加用户管理相关接口。 import axios from ../axios/* * 用户管理模块*/// 保存 export const save (params) > {ret…

Unity中Shader的变体shader_feature

文章目录 前言一、变体的类型1、multi_compile —— 无论如何都会被编译的变体2、shader_feature —— 通过材质的使用情况来决定是否编译的变体 二、使用 shader_feature 来控制 shader 效果的变化1、首先在属性面板暴露一个开关属性,用于配合shader_feature来控制…

解决deepspeed框架的bug:不保存调度器状态,模型训练重启时学习率从头开始

deepspeed存在一个bug,即在训练时不保存调度器状态,因此如果训练中断后再重新开始训练,调度器还是会从头开始而不是接着上一个checkpoint的调度器状态来训练。这个bug在deepspeed的github中也有其他人提出:https://github.com/mic…

清理Maven仓库中下载失败的文件

🌷🍁 博主猫头虎(🐅🐾)带您 Go to New World✨🍁 🦄 博客首页——🐅🐾猫头虎的博客🎐 🐳 《面试题大全专栏》 🦕 文章图文…

【SpringBoot】统一功能处理

目录 🎃1 拦截器 🎀1.1 拦截器的代码实现 🎨1.2 拦截器的实现原理 🧶2 拦截器应用——登录验证 🦺3 异常统一处理 🎭4 统一数据返回格式 🧤4.1 为什么需要统一数据返回格式 🧣4.2 统…

Cisco Packet Tracer入门篇

💐 🌸 🌷 🍀 🌹 🌻 🌺 🍁 🍃 🍂 🌿 🍄🍝 🍛 🍤 📃个人主页 :阿然成长日记 …

Python中的文件I/O操作:常见问题与解决方案

在Python编程中,文件I/O操作是常见的任务。本文将介绍一些关于Python文件I/O操作的常见问题及其解决方案,并提供详细的代码示例。 1、问题:如何正确地打开和关闭文件? 解决方案:使用with语句可以确保文件在操作完成后…

查漏补缺 - ES6

目录 1,let 和 const1,会产生块级作用域。2,如何理解 const 定义的变量不可被修改? 2,数组3,对象1,Object.is()2,属性描述符3,常用API4,得到除某个属性之外的新对象。 4…

华为云云服务器评测|使用Docker可视化Portainer部署Yolov5项目进行AI识别

目录 初始化配置使用Xshell连接 项目准备 docker-compose Dockerfile .dockerignore 在服务器中启动Docker项目 初始化配置使用Xshell连接 因为我比较喜欢用xshell来操作服务器,如果你是使用华为在线的CloudShell或其他方式,可以跳过第一步的连接…

【Redis专题】Redis持久化、主从与哨兵架构详解

目录 前言课程目录一、Redis持久化1.1 RDB快照(Snapshot):二进制文件基本介绍开启/关闭方式触发方式bgsave的写时复制(COW,Copy On Write)机制优缺点 1.2 AOF(append-only file)&…

Git—版本控制系统

git版本控制系统 1、什么是版本控制2、常见的版本控制工具3、版本控制分类3.1、本地版本控制3.2、集中版本控制 SVN3.3、分布式版本控制 Git 4、Git与SVN的主要区别5、Git环境配置6、启动Git7、常用的Linux命令8、Git配置9、设置用户名与邮箱(用户标识,必…

数学建模--逻辑回归算法的Python实现

首先感谢CSDN上发布吴恩达的机器学习逻辑回归算法任务的各位大佬. 通过大佬的讲解和代码才勉强学会. 这篇文章也就是简单记录一下过程和代码. CSDN上写有关这类文章的大佬有很多,大家都可以多看一看学习学习. 机器学习方面主要还是过程和方法. 这篇文章只完成了线性可分方面的任…

Mac Homebrew中常用的 Brew 命令

Mac 中常用的 Brew 命令集 Brew(Homebrew)是一个强大的包管理器,用于在 macOS 上安装、更新和管理各种软件包。它使得在 Mac 上安装开发工具、应用程序和库变得轻松和便捷。本博客将介绍一些在 Mac 中常用的 Brew 命令,以帮助您更…