手把手教你用PS软件绘制绿帽子林克

今天给大家分享的这篇文章,主要是利用PS中的形状组工具绘制绿帽子林克的卡通头像,一起来看看具体的设计流程!

使用工具:                     

1.使用    钢笔工具绘制出人物的脸部:

 

使用    白箭头将锚点和手柄调整为如上图所示

2.使用     钢笔工具绘制出人物的头发:

 

使用    白箭头将锚点和手柄调整为如上图所示

3.使用     钢笔工具绘制出人物的耳朵和头发缺少部分:

        

使用    白箭头将锚点和手柄调整为如图所示, 注意 下图块的图层上下级位置关系!

4.接下来     用钢笔工具再绘制出人物的绿色帽子:

 

使用    白箭头将锚点和手柄调整为如图所示

5.添加每个色块的明暗细节:

 

同样也是使用我们的    钢笔工具进行图块绘制,然后使用    白箭头进行锚点和手柄的调整

6.眼睛的刻画:

            

使用    椭圆工具画出3种颜色的圆,然后使用    白箭头移动锚点进行一定不规则变形,最后再把圆叠加在一起;

7.再把之前绘制的图块一起叠加在一起,注意每个图块之间的层级顺序!

 

8.使用     钢笔工具绘制一条波浪线:

 

这条线段的粗细和模式为如图所示:

 

9.在头部下方     绘制一个正方形(衣服的刻画):

       

使用    钢笔工具添加两个带手柄的锚点,并使用    白箭头进行两侧线段的弧度调整;

下方利用    钢笔工具绘制两个不规则图形,然后使用形状的布尔运算做出衣服的破损效果;

10.绘制衣服的衣领 :

        

使用图层的剪切蒙版特性将青色三角置入棕黄色三角内部

        

11.腰带的绘制:

 

使用      形状基础工具绘制两个椭圆和一个矩形形状,颜色如图所示

然后把它们叠在一起;

 

然后放在之前画好的衣服腰部

 

最后,在绿色的衣服之上添加明暗颜色色块   

 

12.将所有绘制图层打一个组,并且为该组添加一个图层样式的描边属性:

      

绘制完成:

 

文章来源:http://bbs.itsource.cn/thread-1526-1-1.html


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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