PS操作01 - PS切手机图标 + Android.9.png图片制作

PART_A:.9.png

1、先上图,可以看出同样的图片做背景,.9.png就能自动适应内容区域,拉伸很自然.
2、.9.png图片能够极大的减少空间的占用,网络上传输也相对较快.
3、谷歌系统中用了很多.9.png图片,自行解压源码即可查看.

这里写图片描述


  • .9.png图片优点:

    • 可自定义扩展区域,当需要延伸图片以填充比图片本身更大区域时不失真.
    • 可自定义内容显示区,用于显示文字或其他内容.
  • .9.png图片结构如下:

    这里写图片描述

    • 左、上方的像素线交叉的部分即可扩展区域.
    • 右、下方的像素线交叉的部分即内容显示区域.
  • .9.png图片制作工具:

    sdk>tools>draw9patch.bat这里写图片描述

    1、左、上像素点(线)即适应内容区拉伸的区域.
    2、右、下像素点(线)即内容填充区域.
    3、软件右侧为横竖拉伸预览效果.
    这里写图片描述


PART_B:PS切手机图标

  • 首先使用PS打开原型图集合
    这里写图片描述

  • 选中目标图标,Ctrl + C复制
    这里写图片描述

  • Ctrl + Shift + N新建图层,将图标复制进来,关闭背景图层
    这里写图片描述

  • PS魔棒工具,删除多余的背景
    这里写图片描述

  • 仅仅选中图标区域,选时按住空格会有红线对齐线参考(截图冲突未显示)
    这里写图片描述

  • Ctrl + T,并按住Shift参考最后贴出的切图设计尺寸放缩,Ctrl + Shift + C复制图片这里写图片描述

  • Ctrl + N新建图层,Ctrl + V复制图片,关闭背景图层
    这里写图片描述

  • Ctrl + Shift + Alt + S保存为PNG-24位
    这里写图片描述

  • 切图设计尺寸

    • 1080*1920:原像素*1.2倍
    • 1080*720:原像素/1.25
      这里写图片描述

以上。如有错误和疑问,欢迎指正提出。 catface.wyh@gmail.com >

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要导入必要的库和模块。在这个例子中,我们需要使用numpy和matplotlib库。 ```python import numpy as np import matplotlib.pyplot as plt ``` 接下来,我们定义函数以及计算系数和误差。 ```python # 定义函数 def f(x): return -2.20709057e-08*x**4 + 1.38480969e-05*x**3 - 2.99643868e-03*x**2 + 2.82454618e-01*x - 2.06226553e+00 # 计算系数和误差 x = np.linspace(0, 10, 1000) # 定义自变量x的范围和数量 y = f(x) # 计算因变量y的值 coeffs = np.polyfit(x, y, 4) # 计算拟合多项式的系数 p = np.poly1d(coeffs) # 构建拟合多项式 resid = y - p(x) # 计算残差 ss_resid = np.sum(resid**2) # 残差平方和 ss_tot = np.sum((y - np.mean(y))**2) # 总离差平方和 r2 = 1 - (ss_resid / ss_tot) # 计算R平方 n = len(y) # 样本数量 m = coeffs.size # 拟合多项式的次数 alpha = 0.05 # 置信水平 df = n - m # 自由度 t_val = abs(np.round(stats.t.ppf(alpha / 2, df), 3)) # 计算t值 se = np.sqrt(ss_resid / df) # 计算标准误差 margin_err = t_val * se # 计算边际误差 ``` 接下来,我们可以使用matplotlib库绘制函数图形和置信区间。 ```python # 绘制函数图形和置信区间 plt.figure(figsize=(8, 6)) plt.plot(x, y, 'b-', label='function') plt.plot(x, p(x), 'r-', label='fitted polynomial') plt.fill_between(x, p(x) - margin_err, p(x) + margin_err, alpha=0.2, color='gray', label='95% confidence interval') plt.legend(loc='best') plt.xlabel('x') plt.ylabel('y') plt.title('95% Confidence Interval for a Polynomial Fit') plt.show() ``` 最终的图形结果如下所示。 ![image.png](attachment:image.png) 从图中可以看出,红色曲线是拟合多项式,灰色区域是95%置信区间。

“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