3DLC系列之:曲线面板之饱和度相关曲线

2023-10-17 08:30

本文主要是介绍3DLC系列之:曲线面板之饱和度相关曲线,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

与亮度曲线一样,与饱和度相关的曲线能实现的功能都可以在 A/B 网格中实现,A/B 网格有更高的色准性,但使用饱和度相关曲线会更加简单、快捷。

同样,在处理之前选择好工作色彩模型。

  ◆  ◆

饱和度/亮度曲线

Sat/Luma,Saturation/Luma

即,饱和度/亮度。

基于亮度的饱和度调节,用于调整图像上不同亮度区域的饱和度。

横坐标从左到右表示亮度从弱到强,左边代表暗部区域,右边代表亮部区域。

中线用于调整饱和度,向上增加饱和度,向下降低饱和度。也可直接在画面上拖动来改变当前亮度的饱和度。

应用:

比如,一些落日风景照,需要提高天空的饱和度而让色彩变得更加绚丽的场合。

提示:

由于此时天空与地面的反差较大,可将工作色彩模型改变为 HSP。

  ◆  ◆

亮度/饱和度曲线

Luma/Sat,Luma/Saturation

即,亮度/饱和度。

基于饱和度的亮度调节,即,依据图像上不同的饱和度来调整其亮度。

水平方向表示原图中从低饱和到高饱和的程度分布。

上下拖动中线,可调整某种饱和程度的亮度。也可直接在画面上拖动来改变当前饱和度的亮度。

应用:

比如,焰火照片中烟花通常处于高饱和、高亮度,如果使用一般曲线降低亮度可能会丢失细节,而使用本曲线就会在降低其亮度的同时保留细节。

提示:

工作色彩模式建议使用 HSP。

又比如,在人像照片中,如果人物的衣服过于鲜艳而抢镜,可以通过降低高饱和度的亮度,提高低饱和度区域的亮度,从而突出人物主体。

  ◆  ◆

饱和度/饱和度曲线

Sat/Sat,Saturation/Saturation

即,饱和度/饱和度。

基于图像中原有的饱和程度来调整饱和度。

水平方向代表调整前,即左边代表原图中低饱和度颜色,右边代表原图中高饱和度颜色;垂直方向代表调整后。调整方法类似 Ps 曲线。

应用:

当不好使用亮度来区分不同的地域,并且同样亮度的区域而饱和度明显不同时,使用本曲线就很方便了。

比如,当天空与岩石处于同样的亮度,但岩石的饱和度远高于天空,而只想降低岩石的饱和度的场合。

比如,要强化傍晚海景照片水面的反光的色彩时,当要提高高光区域的饱和度,使用饱和度/亮度曲线效果不是很明显时,因为此时水面高光区域可能已经接近中性灰,可再使用本曲线来提升低饱和度区域的饱和度,从而使高光区域的饱和度大大增强。

  ◆  ◆

工作顺序

在实际使用中,一般来说多条曲线共同使用才能达到较好的调色效果。

这三条与饱和度相关的曲线的工作顺序是:先执行饱和度/亮度曲线、再执行亮度/饱和度曲线,最后才处理饱和度/饱和度曲线。

  • 实例:制作层次丰富的黑白图像

1、工作色彩模式改为 LAB。

说明:

在 LAB 模型下,色彩的变化不会影响亮度,即细节不会破坏。

2、在饱和度/饱和度曲线中将饱和度置为 0。

说明:

将图像转换为黑白,但由于工作顺序中它在三个曲线中排在最后,所以,其它两条曲线的更改仍然有效。

3、在亮度/饱和度曲线中压暗不饱和色,提亮高饱和色。

说明:

根据饱和度的不同拉开图像明暗反差。

4、在饱和度/亮度曲线中降低暗部饱和度,提高亮部饱和度。

说明:

根据亮度拉开图像的饱和度反差。

小结:

先降低了暗部的饱和度和提高了亮度的饱和度(饱和度/亮度曲线),再将不饱和区域压暗和饱和区域提亮(亮度/饱和度曲线),最后转换为黑白。

“有钱的捧个钱场,好看的点下在看”

这篇关于3DLC系列之:曲线面板之饱和度相关曲线的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/224171

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

两个月冲刺软考——访问位与修改位的题型(淘汰哪一页);内聚的类型;关于码制的知识点;地址映射的相关内容

1.访问位与修改位的题型(淘汰哪一页) 访问位:为1时表示在内存期间被访问过,为0时表示未被访问;修改位:为1时表示该页面自从被装入内存后被修改过,为0时表示未修改过。 置换页面时,最先置换访问位和修改位为00的,其次是01(没被访问但被修改过)的,之后是10(被访问了但没被修改过),最后是11。 2.内聚的类型 功能内聚:完成一个单一功能,各个部分协同工作,缺一不可。 顺序内聚:

log4j2相关配置说明以及${sys:catalina.home}应用

${sys:catalina.home} 等价于 System.getProperty("catalina.home") 就是Tomcat的根目录:  C:\apache-tomcat-7.0.77 <PatternLayout pattern="%d{yyyy-MM-dd HH:mm:ss} [%t] %-5p %c{1}:%L - %msg%n" /> 2017-08-10

Node Linux相关安装

下载经编译好的文件cd /optwget https://nodejs.org/dist/v10.15.3/node-v10.15.3-linux-x64.tar.gztar -xvf node-v10.15.3-linux-x64.tar.gzln -s /opt/node-v10.15.3-linux-x64/bin/npm /usr/local/bin/ln -s /opt/nod

git ssh key相关

step1、进入.ssh文件夹   (windows下 下载git客户端)   cd ~/.ssh(windows mkdir ~/.ssh) step2、配置name和email git config --global user.name "你的名称"git config --global user.email "你的邮箱" step3、生成key ssh-keygen

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训