灰度值怎么降级_快速提取照片中间调 用灰度蒙版为照片调色 得到更柔和的后期效果...

大家好,我是好色之图。这一节我们来聊"灰度蒙版"。前面的教程中,我们讲过如何通过亮度分级,获得不同等级的"亮度蒙版",亮度蒙版对于照片分区调整非常好用。那么"灰度蒙版"又是什么该怎么用呢?

在我们日常拍摄的照片中,影调关系除了黑色和白色,其他绝大部分都是中间调,这其中也包括暗部和亮部,它们中都包含中间调,关于这一点,我们以前在讲解"可选颜色"工具时,曾经演示过,调整"可选颜色"里面的"中性色"时,除了画面中数值为0,没有亮度信息的黑色,以及数值为255,最大亮度值的白色,其他曝光区域都会受到影响:

68e3a6b4842693500fdb54570ad65c70.png

也就是说,一张照片除了纯黑色和纯白色,其余部分,包括亮部和暗部,都会受到中间调或者说中性色的影响。

而我们平时在后期调整过程中,所使用的调色工具,大部分都是在中间调区域内产生效果。大家自己做调色练习的时候也会发现,除了照片中的纯黑色和纯白色,在使用调色工具的时候,不被影响到,其他区域均受影响。由此可见,中间调的影响范围有多大,除了黑色和白色,几乎是覆盖全图。

前面说了,在中间调这么大的区域里调色,连亮部和暗部都会受到影响,那么可不可以先提取出中间调,再去进行调色,这样对于亮部和暗部的影响就会降到最低。这就是本节我们要学习的"灰度蒙版"了。

先说说为什么叫做"灰度蒙版",在这里,我们把图片影调简单的分为黑、白、灰三个区域。利用通道,去掉黑和白,留下的,就是灰,也就是中间调了。找出中间调再去调色,得到的调色结果相对柔和好看一些。

说完概念,我们就来实操一下,查看区别。

先来看看今天的素材图片:

e9699de1a59ee0b2ba9d02459c946904.png

在这张原图的基础上,我们做一次假设调整,比方说,我使用"色彩平衡"工具,为照片的中间调加50的青和50的蓝,就会得到这样一张效果图:

f1a07784f2ac77455ed4fe2554824f4b.png

照片整体偏向冷色调,画面中除了最黑和最白的地方,其他区域都受到调色影响,偏向了青蓝色。而这种调色方法,恰恰是我们平时经常使用的。

接下来我们再看看利用灰度蒙版去调色的结果:

4242bdc041274062b55e0a2ccc6007af.png

同样是使用"可选颜色"工具,为照片中间调加入了50的青和50的蓝,看看照片效果,是不是着色非常柔和,色彩看起来很舒服?

好了,接下来我们就研究,如何用最简单的方法,提取照片的灰度蒙版,从而达到只对中间调调色的目的。

进入通道面板,按住键盘上的CTRL键,鼠标左键点击RGB通道前面的彩色缩略图:

dc8c16cd888d1284f81ce1bceab82f99.png

点击之后,画面上就会出现弯弯曲曲的蚂蚁线,这就是选区。我们通过这一步,已经提取了照片的亮部选区:

93b7e79e4a1025c22a0e04c683e553c8.png

接下来,点击通道面板下方,那个外方内圆的按钮,将选区存储为通道,这样我们就能把刚刚提取出来的亮部选区,转换为通道,保存在通道面板上了。此时通道面板中会多出一个叫做Alpha1的新通道:

d538629eff98def3ac26905d864ffe09.png

为了方便区分,我们可以鼠标双击Alpha1的文字,把它的名称修改为"亮部"。接下来,鼠标单击新建的亮部通道,此时照片就会变成黑白,没有颜色。这是因为当前显示的,只是照片的亮度信息。

在已经得到亮部信息之后,按下快捷键CTRL+SHIFT+I,反向选择,这时之前的选区会发生变化,刚才的选区在照片四边都有蚂蚁线,现在没有了,都到照片内部了:

22004ce02c7ff32f2839a447b9abeedf.png

大家试想一下,第一个步骤,我们提取了照片的亮部选区,现在,在亮部选区的基础上,做了反向选择,亮部的反向是什么?就是暗部呗!还是按通道面板下方的按钮,把当前的选取也存储为通道:

61dcdd2c9cbcf9f65355b07837be9fee.png

现在又得到了一个Alpha1通道,为了方便记住,也把这个通道重新命名为"暗部":

24273eff9f19c8a6eba0b356a5b949e8.png

经过上面的操作,现在已经得出这张照片的亮部选区和暗部选区,剩下的就好办了,通过全图明度信息,减去亮部,再减去暗部,余下的就是中间调了,动手!

首先用鼠标点击通道面板最上方的RGB通道,照片会恢复为彩色:

f2671ab67e2364cdbcaeea32c18b4a28.png

使用快捷键CTRL+A,这是全选命令。也就是说,要把RGB通道内的所有亮度信息全部选中,按下快捷键后,照片中只有四边会出现蚂蚁线的选区:

de009db047447a16239692dedf28b493.png

接下来的操作需要注意看了,同时按住键盘上的CTRL键和ALT键,鼠标左键点击第一次提取出来的"亮部"通道,鼠标指针会变成一个带有减号的小手图标:

01566d8752e29c9c67bc7b7aa92aaff9.png

这个步骤,是从全图亮度信息中,减去了亮部选区,那剩下的就是暗部选区和中间调了。还是按住CTRL键和ALT键,再点击下方的"暗部"通道,把暗部选区也减掉:

c035efc782474e98616bc9d051c64d07.png

有的时候经常会弹出类似上图中的警告对话框,这是说明当前选区信息比较少,不显示。不显示不代表没有,它依然存在,所以不用管它,点击确定就行:

1781daffff262506030040fbe1a1373a.png

现在画面中所有选区都不见了,被隐藏了。没关系,不影响我们继续操作。还是去点击通道面板下方的按钮,将选区存储为通道:

9838bee8ecac775fb87a8e5fe7950690.png

又建立了一个新的通道,从缩略图中可以看出,这个新通道不像前面两个通道,有很明确的明暗关系,新通道灰蒙蒙的,内容也若隐若现,这就是在全图亮度中,减去亮部和暗部,最后得出的中间调,也就是灰度通道了。

双击新通道,把它也重命名为"灰度":

91114fce8daa623de5b5d70a574aa923.png

按住键盘上的CTRL键,鼠标左键点击"灰度"通道的缩略图,就能提取这个通道的选区,此时依然会弹出前面那个警告,不用理它,我们知道选区是存在的,只是不可见而已:

c3d589dc3fe94a2eca11a46d79a37059.png

提取出灰度通道的选区后,点击通道面板最上方的RGB通道,照片恢复为彩色,再点击图层面板,回到图层中,建立一个"色彩平衡"的调整图层:

d6879cf70a92d12798aee88ff9503067.png

看一下调整图层自带的图层蒙版中,是不是已经有了内容,这些内容就是刚才那个不显示的选区,虽然不显示,但是在蒙版中,已经全部被记录了。

想自己看看图层蒙版中都有哪些内容,就按住键盘上的ALT键,点击图层蒙版,照片就会显示出蒙版中的全部内容:

ac406c2ec2212554cba6e3d34246a75e.png

现在图片中所显示的,就是我们减去亮部选区和暗部选区,最终留下的中间调。这些灰度信息,是通过图层蒙版来记录和显示,所以,就叫做"灰度蒙版"。

再次按ALT键,点击图层蒙版,就可以让照片恢复彩色,然后就可以在色彩平衡中去调整颜色了:

cec5a2725a5c54182a04e86f4dbd337e.png

现在无论做多大数值的调整,都只是针对灰度,总是以很柔和的方式来展现,再也不会出现那种着色生硬的感觉了。

如果还想使用其他调整图层,仍然可以回到通道面板中,按CTRL提取灰度通道的选区,再回到图层面板中,新建其他调整图层,去渲染调色。

灰度蒙版看起来很不起眼,其实它对于照片颜色调整非常好用,更加容易控制。用法也灵活多变。比如刚才的调色,如果一次"色彩平衡"调整不能满足你的要求,那就把"色彩平衡"调整图层再复制一个,不就等于把调色结果翻倍了嘛,多开动脑筋,总能找到更合适的方法。


好了,本节内容就是这些,感谢大家观看,下节再见!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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