Photoshop CS4 选区的基本编辑命令

6.1  选区的基本编辑命令

在本节将介绍“全部”命令、“取消选择”命令和“重新选择”命令。执行“全部”命令可以将整个文档全部选择。执行“取消选择”命令可以将画面中的选区取消。执行“重新选择”命令可以将刚刚取消的选区再次选中。下面通过一组操作对这些命令进行学习。

(1)执行“文件”→“打开”命令,打开本书附带光盘\Chapter-06\“云彩.psd”文件,如图6-7所示。

 Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

图6-7  素材图片

(2)选择“背景”图层,执行“选择”→“全部”命令,可以将图像全部选中,效果如图6-8所示。

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

 

图6-8  全选

技巧:按下<Ctrl+A>键同样可以将图像全部选中。

(3)执行“选择”→“取消选择”命令,将选区取消,或者按下<Ctrl+D>键同样可以取消选区。

(4)然后执行“选择”→“重新选择”命令,将刚刚取消的选区再次选中。

(5)单击“图层”调板底部的 “创建新的填充或调整图层”按钮,在弹出的菜单中执行“色相/饱和度”命令,在“调整”调板中设置“色相/饱和度”选项的各项参数,如图6-9所示。

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

 

图6-9  调整图像色调

6.2  反向命令

执行“反向”命令,可以将文档中已有选区以外的所有区域选中,下面学习该命令的使用方法。

(1)打开本书附带光盘\Chapter-06\“音乐符.jpg”文件,然后使用 “魔棒”工具在视图白色区域单击,将白色区域选中,效果如图6-10所示。

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

 

图6-10  绘制选区

(2)执行“选择”→“反向”命令,将选区翻转,效果如图6-11所示。

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

 

图6-11  翻转选区

技巧:按下<Shift+Ctrl+I>键同样可以将选区翻转。

(3)使用 “移动”工具,将选区内的图像拖动到“云彩”文档中,生成“图层 2”。然后调整图像的位置,效果如图6-12所示。

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界

 

图6-12 效果图

以上内容节选自《中文版Photoshop CS3完全学习手册》(全彩印刷)
出版社:清华大学出版社   
出版时间:2008-12-1  定价:¥99.00

Photoshop CS4 选区的基本编辑命令 - 情缘心语 - 手机天堂 软件世界
版权所有  未经许可  请勿转载 

 

 

 

 

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