『平面设计的基本功』平面设计者必看 

昨天下午,北服-佛莱士国际学院电脑美术设计专业的五位应届毕业生来工作室参观。他们中可能会有一或二位学生在今后的三个月里来工作室实习。这五位青年的导师詹姆士(James Blair Thompson)希望他们在今后的工作中能继续学习到有关设计的实用知识。

  五位青年对工作室很感兴趣,东瞧西看了一大阵子,最后聚到我的办公室里说话,向我提了许多有关设计与印刷的问题。在他们提出的诸多问题中,什么是平面设计的基本功最令我难答,我敷衍了他们后出于兴趣考虑起来,终于觉得在找一个没有定律的答案。

从多年来破碎的经验中搜寻了一大圈,拣出了一些教训,的确要在基本功里解决。

  首先每每在我聘请助手的时候,没有电脑障碍是我的第一个要求,这一定算是基本功。 我见过许多自认为是精通电脑的设计师,但一出手我就认定他们的技术来自口耳相传,随时给自己的工作埋设炸弹,这些设计师的自信无疑会将他们不懂电脑的老板送向破财之路。当然,我每天都要求我的设计助手们不依赖电脑,这并不自相矛盾。不依赖绝不是说可以不懂,毕竟在我们工作中,从设计到印刷的每一道工序都需要电脑的帮助。今天看这一问题就象画家不会用笔的道理是一样的。

  其次,对印刷知识的匮乏阻碍了许多平面设计师的发展。因为不了解,许多设计师认为自己的设计就是电脑屏幕上的样子,这很危险,因为技术的原因,它与实际的输出效果还有较大的差距。不熟悉印刷的特性与缺陷,许多设计师在做设计的时候不断地给印刷找麻烦,设置障碍,这很愚蠢。平面设计师需要了解的印刷知识有许多,比如说各种品牌印刷机的性能、同一机型不同规格的性能、不同品牌油墨的性能、四色油墨与专色油墨的特性、不同品牌、规格、品种纸张的性能、特殊工艺、后期加工及装订等等,这些都是设计师在做设计时需要为客户考虑的问题。

  那么,懂了电脑,懂了印刷流程,就可以称作平面设计师了么?可能还不行,毕竟以上说的与“设计”还没有直接的关联。就平面设计而言,还有许多特色性的规律,对于这些我的兴趣更大。

A、平面不平
二十多年来,我自己有过很多幸运的事。比如在我吃这碗饭之初,偶然在旧书摊上买过一堆“TIME”杂志,这是永远令我感到兴奋的回忆。因为那时我正被眼花缭乱的设计弄得五迷三倒,无师可从,这堆旧杂志让我开了眼,见识了正点。

认真阅读TIME杂志,一切有关平面设计的技巧都囊括其中,而且毫不张扬,温文而雅,为抄袭者提供了大量改头换面的空间。我对平面设计的理解很多来自这堆旧杂志。

“平面不平”是我对平面设计中画面效果的一种理解,很多人把它叫做版式、构图、结构、形式感…都可以,我喜欢把话说得简单。拜读了很多好的设计后,我感到设计师们都在有意无意地追求着“不平”的效果。即利用各种平面元素,在平面材质上(比如纸张等),努力拉伸视觉空间。这一理论,画家塞尚早我们一百年就开始尝试了,并已作到了极致。令我很感叹的是一百年前最不商业的令人类恐慌的艺术变革,一百年后却变成了最最商业的平面艺术,多有意思。

  这一空间概念涵概了自然空间感受与矛盾空间感受。随设计师的爱好、版面要求、视觉冲击需求、自由选择。现在已经没有很多人大惊小怪了,但无论展现自然空间感受,还是矛盾空间感受,设计师所使用的技巧(或称元素)是有规律的。把它们归纳在一起也有一大堆。比如:打洞;夸张暗影效果;使用极具真实性与质感的图象;实物元素与绘画元素的对比使用;利用色彩之间的反差效果;利用线与色条的叠压效果;利用文字与图形、文字与文字的叠压效果;文字之间大小比例关系的对比等等。因为篇幅所限,不作细解,今后可将范例作品与理论文字对照比较,一目了然。

B、色彩中的音乐
  色彩是平面作品中的灵魂。想运用好它一定要了解一些纸张与油墨的知识。不同纸张与不同油墨的组合,会产生出绝对不同的效果。但我们与画家的区别是:平面设计师手中的颜料只有四管儿,但它可以依靠网点的疏密特性,调和出所有我们可感知的颜色。这真是一项神奇的发明,作为印刷技术的原创民族我们感谢德国人。

  利用网点与纸(白色)的配合,我们才能让油墨显得更均匀、鲜艳和干净。但这只是技术上的事,设计师在设计工作中对色彩的运用还要更多的依靠灵性。
我常希望身边的设计师朋友们能学习一些音乐,这并不是故弄玄虚,用音乐的理论解析色彩真是简单直白,这是我的发现。

a. 首先懂得音乐的人都知道在乐器上找不到一个固定的音,音符“叨”随调式改变着位置,不同的调式传达出不同的感情,适合着不同的乐器与人声。这与我们运用色彩的道理是一样的,整幅画面的基调与情绪是通过画面色彩的冷暖传达出的。但从小我们头脑中的色彩冷暖关系就是固定的。红色偏暖,蓝色偏冷。其实这是一个错误的概念。如同音符一样,颜色随周围环境的变化转换着调性(冷暖关系)。懂得这一道理,蓝色也可以被我们??&渲染成暖洋洋的样子。

  因为屏幕的关系,平面设计师已经不习惯给颜色以文学式的命名,比如洋红、群青、湖蓝,取而代之的是更简单,更直接的4个数字。这很好,符合商业时代或叫数码时代的要求,是个机械式的要求。对色彩调性化理解是对平面设计师灵性的训练。

b. 其次和弦与旋律概念在平面设计中的应用

  玩乐器的朋友都懂得另一个道理,无所谓哪一个音好听与难听,音符一定要放到一起去,才能叫音乐,否则“叨”“叨”“叨”一直按下去一定是噪音,“叨”“咪”“嗖”放在一起就变成了和弦“C”。这好比颜色中红蓝白的搭配一样,永远和谐。和弦可以继续往里添加新的音符,比如加个“来”这个和弦马上变了情绪,变成了一个7和弦。如果把“咪”换成降“咪”就更是大相径庭地跑到蓝调里去了,就好像在红蓝白的组合中,配上紫色或桔色给人的视觉感受是截然不同的。和弦一直可以添加音符进去,成为9和弦,13和弦……在色彩上就好比我们常说的高级灰。

  明白这个道理后,我们就会更直接地理解颜色是应该分组使用的。这些组合的基础应该向和弦C、D、E、F…一样,有一个最原始的搭配,设计师想不断变化,就在这些组合里求变吧。你一定要把没关系的颜色放在一起,就象”发“和”希’谁也不挨着谁,两者之间没关系,你的画面一定平淡;如果你一定要把敌对的颜色放在一起,准会难看。运用和弦的道理去理解色彩,你会立刻跳出色彩贫乏的误区,发现眼前可用的颜色太多也太美了。合理搭配的色彩组合把画面的视觉空间不断拉伸,让画面不仅绚丽而且厚实,这就是色彩和弦的作用。 但仅仅有了和弦就能成为音乐吗?不对,音乐还需要旋律,没有旋律的音乐不好听。那么,平面作品的旋律是什么呢,它是我们眼睛观看一幅作品的过程。一幅招贴也罢,一本宣传册也罢,都存在着一个先看到什么,再看到什么,最需要人们看到什么,记住什么,回味什么的问题。这些就构成了平面作品的旋律,让观众的眼睛什么时候紧张,什么时候休息,最后停留在哪个地方,这是设计师最需要动脑子考虑的问题。


c.节奏

  根据我的建议,长时间以来,我的设计助手们一直在总结、记录各种各样的色彩组合。从名家的作品中,从各民族的图案里,从自然景物中,然后在实际的工作中我们使用这些颜色。比如我们为“好伦哥”比萨饼店做的小折页里所使用那一组颜色,就是从蔬菜和水果里找到的。因为我们需要一套让人看了就饿的颜色。但问题很快就来了,许多我们在名家的好设计里总结出的颜色组合,再经过我们使用后就变了样,没了神儿,这是为什么呢?真让我们苦恼了一阵子。

  起先我们还以为是在颜色记录时出了问题,查对的颜色不够准确,再后来的很多次实验都不成功,但幸运的是疑惑了很久还是让我们找出了原因。原来色彩的使用与音乐中的节奏一样,需要比例,许多好看的色彩组合还需要合理的色彩比例控制,在特定的条件下某个颜色的使用面积一定要大,某一颜色就要小,某些仅仅是为了透气,某些就是为了压沉,再往下我就没有信心继续寻找规律了,实在是变化无常。但可以肯定的是平面作品一定需要一种节奏的控制,控制节奏的元素有很多,它们中常用的就是颜色、图片与文字排列。
就象文章的刚一开头说的那样,我们一直在寻找一个没有定律的答案,正是因为没有规律,平面设计才显得有趣味,并且充满挑战 、刺激。许许多多的机会就是在无序中诞生的。

转载于:https://www.cnblogs.com/baoguo/archive/2007/09/22/902881.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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