ae怎么做圆一圈圈扩散效果_只用一个圆形,竟能做出这么多炫酷的效果

嗨,大家好,我是愚人。

圆形几乎是PPT中最常用的形状了。但你可别小看这个小小的基础图形,它能做出非常炫酷的效果!

758f7ca7f97ed2cb2867a37e3dd9d00e.png

9bc7a3195b3686ba06b321121bc5da53.png

90e0008ba65a6751da2575d821b37798.png

e83805ad930e9f3614f422a91ac282c3.png

这些圆形的使用,是不是都非常漂亮呢?今天,我就来给大家系统的介绍一下【圆】的神奇作用!

1dc69554689fd19c123256ff37f5d7b6.png

突出焦点

圆形可以用来凸显焦点,尤其是在介绍物品或者人物的时候。

d8217463837ee44583c71e097c65a9cc.png

92a2d02f021cd72b188b996d6c1b2a66.png

用法非常简单,直接将圆放置于物体的下方即可。但是如果想让画面更自然,更有设计感,我们还需要一些小技巧。

举个例子:

589dbdebad1453e8be58e608a2b7736f.png

这是一张人物介绍图,原稿已经非常简洁美观了。但是为了突出人物。我们可以加个圆形。

8f2db1b27683a55e5913bf44dcaa3cbd.png

可是加完后发现:这个图片底部棱角分明,和圆形搭配很突兀。这时候,该怎么办呢?

使用布尔运算

我们可以运用布尔运算裁减掉图片多余的部分,制作成穿插效果。

d832eb16e16212fa37e31f3fba1364e6.png

这样看起来是不是舒服很多呢?有的小伙伴可能还不知道是怎么制作的,我来简单介绍一下:

df79135301b0c1a99304eb6c48dcf726.gif

1、先选择图片,再选择图形,用布尔运算-相交功能。

2、用另一个图片裁减掉底部多余的部分。3、将两张处理后的图片合并。

简单3步,穿插效果就完成啦。最后,我们再来装饰一下细节。

fb69f82ddcb0de9cbd62aed9d8e2d5cc.png

给圆形增加内阴影效果,让人物从内到外的穿插感更强烈。将背景换成白-灰渐变色,增强画面层次感。

这样,一页简单但又重点突出的PPT就做好了,你学会了吗?

3b78a3805f5fa98744a79fc71bb56e3a.png

规整页面PPT的内容一多,就容易显得杂乱。但是圆形能很好的解决这个问题。

拿这个页面举例:

7f9c526f28d3efd2df18b5d9591a433d.png

文字有长有短很不规整,但是如果我们加一个圆形,一切就变得不一样了。

1341ea7b7bed8496c7fbccea5c0ee36d.png

所有零散的内容都被圆形结合在一起,画面立马变得工整了。

当然,除了用圆形规整文字外,我们还可以用来规整其他任何不规则的内容。

如凌乱的图标

171c4c4f903883352a2ff08729dfd03b.png

262f67732fd8f3fcc49a5ec601ff6a52.png

不规则的图片

a5d002293570a6fd89f2768464aadb3d.png

0497d14a5d7e8ec4f15f468bc990fce1.png

总的来说,用好圆形,你的PPT就一定不会乱。

c5d84da39f963be1a6e737d92d32127a.png

制作逻辑图圆形可以表达非常多的逻辑关系,适用多种场景。

如包含关系

b62833f36482839593713c2f2174d230.png

36251bc2bfe14fc105007d60fc50a254.png

并列关系

e18d56a4dfae51f85272bed155f97cc1.png

6792ec25c7419d272036fa1283897f87.png

交叉关系

b8d6f0222fbd031ebd9a90173592e229.png

还有循环关系、递进关系、流程关系等等,圆形都能很好的表现出来。

但需要注意一点:若想圆形的逻辑图做的好看,就必须做到完全的对称。可别小看对称这个细节,很多人都不一定能做到。

举个例子:

aa6acc1dc7803902554298ddaa14e404.png

这样一个循环的流程图,可以看到圆形是中心对称的。通常情况下,我们想做成这样对称的逻辑图,就必须找一个五角形的参照物,然后把圆一个一个的放置上去。这样非常麻烦,而且人眼很难做到精密的中心对称。

那我们该怎么做,才能又快又好呢?建议使用SMART逻辑图功能,它会让制作逻辑图这件事变得非常简单!

首先,我们将文字分成5行,放置在中间。

1b4ec90955f574245e070e09400ba5ee.png

然后选中文字,选择SMRAT功能即可。

2b985c136003fdfa957ffd0ea65bd23f.gif

小TIPS:自动生成的图示可能比较丑,我们需要编辑美化一下。

具体操作:选中逻辑图,右击选择【取消组合】,重复两次,就可以随意编辑了。

7b6e1f52fa7e0741ef462cffe6297278.png

渲染氛围圆形很容易模拟出逐渐扩散的效果,这种效果运用在各种场景下都非常的有气势。

比如这样

8406b9205be4d2e10a776e5bd424914b.png

或者这样

a7c3b703916271a9ff68c2a8f52ce2fb.png

如果我们把圆环变成立体的,还可以模拟出星系环绕的画面。

9e364af81f3684133897f20fde869f58.png

又或者搭配一些小的形状,还可以做成这样。

dccf759bdd0d468be9cdfdbcee7a35ee.png

总之圆形的灵活性非常大,能让我们模拟出各种效果。

制作这种效果的秘诀就在于符合人眼规律。

  • 如果想模拟出中心扩散的效果,那么圆形的颜色就需要逐层变浅。这就和水波荡开,水纹逐层变小是一样的道理。
  • 如果想模拟立体空间的效果,除了逻辑图本身外,还需要搭配大小不一,透明度不一的小圆形。这样做出来的图示,立体感才强。

最后我们再来总结一下:

a8b493367b6f7fa5ec158b2fade30b68.png

今天的内容就到这里了,如果你喜欢的话,记得点个【赞】支持下我哦,非常感谢!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
毛玻璃效果可以通过高斯模糊和随机化像素位置的方式实现,以下是使用Autoencoder实现毛玻璃效果的步骤: 1. 准备数据集:准备一些模糊的图像作为训练数据集。 2. 定义模型:使用Autoencoder模型,将输入图像压缩成一个低维的编码,再将编码解压缩成输出图像。 3. 训练模型:使用训练数据集训练Autoencoder模型。 4. 生成毛玻璃效果:将输入图像分成若干个小块,对每个小块进行高斯模糊和随机化像素位置的操作,然后输入到训练好的Autoencoder模型中进行重建,最后将所有小块拼接起来得到毛玻璃效果的图像。 以下是使用Python和Tensorflow实现毛玻璃效果的代码: ```python import tensorflow as tf import numpy as np import cv2 # 定义Autoencoder模型 class Autoencoder(tf.keras.Model): def __init__(self): super(Autoencoder, self).__init__() self.encoder = tf.keras.Sequential([ tf.keras.layers.Input(shape=(128, 128, 3)), tf.keras.layers.Conv2D(16, (3,3), activation='relu', padding='same', strides=2), tf.keras.layers.Conv2D(32, (3,3), activation='relu', padding='same', strides=2), tf.keras.layers.Conv2D(64, (3,3), activation='relu', padding='same', strides=2), tf.keras.layers.Flatten(), tf.keras.layers.Dense(256, activation='relu'), tf.keras.layers.Dense(128, activation='relu'), ]) self.decoder = tf.keras.Sequential([ tf.keras.layers.Dense(256, activation='relu'), tf.keras.layers.Dense(4*4*64, activation='relu'), tf.keras.layers.Reshape((4, 4, 64)), tf.keras.layers.Conv2DTranspose(32, (3,3), activation='relu', padding='same', strides=2), tf.keras.layers.Conv2DTranspose(16, (3,3), activation='relu', padding='same', strides=2), tf.keras.layers.Conv2DTranspose(3, (3,3), activation='sigmoid', padding='same', strides=2), ]) def call(self, x): encoded = self.encoder(x) decoded = self.decoder(encoded) return decoded # 加载数据集 def load_dataset(): dataset = [] for i in range(1, 1001): img = cv2.imread(f'data/{i}.jpg') img = cv2.resize(img, (128, 128)) dataset.append(img) return np.array(dataset) # 高斯模糊和随机化像素位置 def blur_and_shuffle(img): img = cv2.GaussianBlur(img, (11,11), 0) h, w, c = img.shape mask = np.zeros((h, w), dtype=np.uint8) for i in range(h): for j in range(w): mask[i,j] = np.random.randint(0, 255) img = cv2.bitwise_xor(img, mask) return img # 生成毛玻璃效果 def generate_mosaic(img, model): h, w, c = img.shape mosaic_size = 32 mosaic_step = mosaic_size // 2 new_img = np.zeros((h, w, c), dtype=np.uint8) for i in range(0, h-mosaic_size+1, mosaic_step): for j in range(0, w-mosaic_size+1, mosaic_step): patch = img[i:i+mosaic_size, j:j+mosaic_size] patch = blur_and_shuffle(patch) patch = np.expand_dims(patch, axis=0) patch = patch.astype(np.float32) / 255.0 patch = model(patch) patch = patch.numpy()[0] * 255.0 patch = patch.astype(np.uint8) new_img[i:i+mosaic_size, j:j+mosaic_size] = patch return new_img # 加载数据集 dataset = load_dataset() # 创建模型 model = Autoencoder() # 训练模型 model.compile(optimizer='adam', loss='mse') model.fit(dataset, dataset, epochs=100) # 生成毛玻璃效果 img = cv2.imread('test.jpg') img = cv2.resize(img, (512, 512)) mosaic_img = generate_mosaic(img, model) cv2.imwrite('mosaic.jpg', mosaic_img) ``` 在上面的代码中,我们使用了一个包含三个卷积层和两个全连接层的Autoencoder模型来进行训练和重建。在生成毛玻璃效果时,我们将输入图像分成若干个大小为32x32的小块,对每个小块进行高斯模糊和随机化像素位置的操作,然后输入到训练好的Autoencoder模型中进行重建,最后将所有小块拼接起来得到毛玻璃效果的图像。

“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