IBK的秘密——Nuke IBK节点(IBKColour IBKGizmo)抠像原理

本文不定期更新,最新内容请访问:https://www.shuaiqi.me/2018/12/19/ibk-ibkcolour-ibkgizmo-demimi/

2019.03.01 添加了对Size的一些补充说明
大概一年前,也就是2017年冬季,笔者第一次接触了Nuke的IBK抠图工具。只不过当时刚刚开始学习Nuke,学艺不精,对其原理不甚了解。近段时间,笔者回顾抠像部分,发现IBK仍是一个知识盲点,查阅了官方文档以及国内外的许多资料教程,大多只是着重介绍了方法,但没有深究其原理,故对其仍存有疑惑,直到我看到了这篇文章,顿觉醍醐灌顶。这里分享一下笔者的浅见。

 

IBKColour

IBKColour节点用于制作Cleanplate,在官方文档中对于该节点的参数没有详细的界定。这里分享一下笔者的经验之谈。将IBKColour的1接口连接至素材,这时

在了解详细参数前,希望这个Q&A板块可以带来一些启发。

Q:IBKColour的大致工作流程?

A:消除灰色(确定前景边缘)→画面中只有纯黑及背景色→用前景周围背景色填充前景

Q:画面中黑色块、灰色块和绿色/蓝色分别代表什么?

A:黑色代表前景,灰色块代表节点无法判断该像素点是前景或背景,绿色/蓝色代表背景

Q:这些灰色区域是如何形成的?

A:IBKColour节点在判断每个像素点是前景还是背景(绿/蓝幕)遵循式子:
若G>>R+B,则判断该像素为背景,保留颜色
若G<<R+B,则判断该像素为前景,变为黑色
若G≈R+B,那么按照算法形成灰色(本人臆断,具体算法不明)
Tips:查看以上式子产生的图像需将Size设为0或切换至Alpha通道
由此可知,灰色区域像素G约等于R+B,通常存在于前景边缘区域或者溢出较强区域,Nuke无法确定这些像素是前景还是背景,所以需要手动调节Darks/Lights和Erode参数进行辅助确定。

Darks/Lights

Darks/Lights参数等同于Grade节点中的Offset/Mulpty(Gain),调节这两个参数使得G与R+B的差的绝对值变大,以此来辅助确定前景/背景。又因为调整背景颜色所在通道对前景的G值影响最大(通常使得G值减小),所以通常首先调节的是背景颜色所在通道,当然调节其它通道也可,不再赘述,不过目的都是一致的:使得G与R+B的差的绝对值变大以规定前景与背景。

Erode

简单粗暴的工具,相当于Erode节点,直接扩大黑色(前景)区域以盖过灰色区域。通常用于生成Cleanplate后发现前景边缘有灰色脏污,可以增大此值以消除。

Size

相当于(不完全)Blur,而且是针对整个图像的Blur,因而这个参数尽量调小(笔者习惯将其调至5左右),如果数值太大会造成Cleanplate整体模糊太大,与原背景差异变大,不利于后期使用IBKGizmo进行抠像,另外为避免这个问题,也可用IBKStack(IBK堆叠)尽量保留细节,减小模糊。这个参数存在的原因在Patch Black部分会提到。

Patch Black

获取前景周围的背景颜色及纹理以填充黑色区域。填充的颜色纹理的模糊程度与Size直接相关,若Size为0则Patch Black参数不起作用。

IBKGizmo

使用方法不再赘述。因为笔者习惯使用IBKGizmo获取前景Alpha以对素材进行预处理,这里说一下IBKGizmo形成Alpha的原理。

如果 Ag-Ar*rw-Ab*gbw为负值,则Alpha=1
如果 Ag-Ar*rw-Ab*gbw为正值,则Alpha=1-(Ag-Ar*rw-Ab*gbw)/(Bg-Br*rw-Bb*gbw)

其中
A=fg, B=c, rw=red weight, gbw=green/blue weight

以上很大一部分是笔者的经验之谈,并主要参考了Masahiro TeraokaSecret of IBK这篇文章,难免疏漏之处,望批评指正。

  • 4
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在使用IntelliJ IDEA运行IBK分类器时,你可以按照以下步骤进行操作: 1. 导入IBK分类器的相关代码和依赖库:在IntelliJ IDEA中创建一个新的Java项目,将IBK分类器的源代码导入到项目中。确保你已经添加了适当的依赖库,例如Weka库,以便使用其中的IBK分类器模块。 2. 创建一个Java类:在IntelliJ IDEA中创建一个新的Java类,用于编写IBK分类器的运行代码。 3. 初始化和加载数据:在Java类中,你需要初始化和加载用于训练和测试IBK分类器的数据。这可能涉及到从文件中读取数据、进行数据预处理和特征工程等步骤。 4. 配置IBK分类器参数:使用Weka库提供的API,你可以设置和配置IBK分类器的参数,例如K值、距离度量方式等。可以根据具体需求进行调整。 5. 构建和训练IBK分类器:通过实例化一个IBK分类器对象,并使用训练数据对其进行训练。 6. 进行分类预测:使用训练好的IBK分类器对测试数据进行分类预测,并获取预测结果。 7. 输出结果:根据需要,你可以将分类结果进行输出显示或保存到文件中。 8. 运行代码:在IntelliJ IDEA中运行你编写的Java类,观察IBK分类器的运行结果。 通过以上步骤,你可以在IntelliJ IDEA中成功运行IBK分类器。请注意,具体实现细节可能因你所使用的IBK分类器库和数据集而有所不同,你需要根据实际情况进行相应的调整和修改。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值