色相

来源： https://www.cnblogs.com/LiuYanYGZ/p/12536016.html

看一些比较好的作品：看作品哪些部分，部件，盔甲比较吸引人，提取一个比较好的点，进行组合创作。 逆光、切光布局构图 创作：故事、情感、经历、朋友、时代 灵感： 电影、音乐 变化(色彩) 透视 空气透视 视觉中心点 对比度差别更大 近清远虚 对比：直线和曲线 形状：方形和圆形 大小 软硬边对比 内容对比 明暗对比 空间感 光影 整体对比变化 画面布局 视觉中心点围绕 以(正方形、方形、圆形)形状结构起笔 布局 临摹的重点：看画把画分为 形状的两大类：正形和负形 视觉中心点散开为正形反选则为负形 三大面：亮面 灰面 暗面 五大调子：亮面 灰面 明暗交界线 暗面 反光 硬边：使用实笔刷 100%流量 软边：使用低流量 Alt配合 几何体的总结： 体积感的塑造： 反弹光 五大调子 近实远虚化 AO Ambient Occlusion 2.直接灯光 + 2.间接灯光 + 1.AO 环境光+ =体积感 在叠加 http://artsammich.blogspot.com/ theartcenter.blogspot.com/2010/03/sam-nielson-painting-process.html 挨的越近就有投影 暗 远的就比较亮 色彩： 色彩的三要素 直接上色法 黑白灰 上色 色彩其实是不同的物质对于光的不同吸收和反射 色光色三原色：加色三原色 越加越亮 变白 物体色三原色

例如我们想把下面的花朵都变颜色： 来源： https://www.cnblogs.com/luzhanshi/p/12274552.html

色彩的三大要素：色相， 饱和度， 明度 在色环中，如果两个颜色距离为180°，则二者为对比色，或互补色。 色阶： ctrl + L (明度) 在色阶图像中，两边多、中间少，颜色对比度高，图片好。 CMYK → 青 洋红 黄 黑 RGB → 红 绿 蓝 色彩平衡：ctrl + B （色相） 亮度对比度：alt + i + a + c(明度---对比度) 较色：把画面调成正常的颜色（校正颜色）。调色：调节出画面的氛围 曲线：ctrl + M (色相，饱和度，明度) 去色：ctrl + shift + U （饱和度） 色相饱和度：ctrl + U (色相，饱和度) 来源： https://www.cnblogs.com/ningchnb/p/3468299.html

能理解 RGB 模式中确定数值的各种颜色，但怎么理解「明度」、「饱和度」、「色相」等概念？ 从第一张图可以简单得出以下结论： 明度——这个最简单，rgb中，三色光的值，其加起来的和越大，明度就越大。 就这么简单。 那么这个明度意味着什么？很显然，就是光总量有多少，光越多，明度越高 2.纯度： （1）凡是在rgb中，有一个或者两个值为零的，都是纯度值最高的纯色。 （2）如何确定两个复杂颜色（即没有一个rgb值为零的颜色）的纯度比较？看图 如图两个颜色，如何确定哪个纯度高？ 简单，rgb三个值，取最高值减去最低值，结果越大，纯度越高。 那么，这意味着纯度是什么呢？ 显然，纯度就意味着三色光的混合程度，混合程度越高，纯度就越低——如果你把三色光调成一个数值，这个颜色就是纯灰色了 3.色相：这个相对复杂一点 （1）现在版本的rgb，色相可以在rgb条的颜色上实时反映了，其实非常好判断。 但是，这个问题的关键在于，色相究竟意味着什么。 再翻上去看那张图，在RGB下边有一个彩色长条，这个长条包含了所有的颜色，它有很多形式——色环，色盘，色立体等等。我们如果只看这个长条的横坐标，那么它就是所谓的色环——这个长条首尾都是红色，所以它其实可以接起来。 那么，理解了这个，我就可以简单的解释色相是什么——色相就是你调出的任何一个颜色，按光的比例关系进行变换（这个变换是为了去除明度和纯度的影响）后

看一些比较好的作品：看作品哪些部分，部件，盔甲比较吸引人，提取一个比较好的点，进行组合创作。 逆光、切光布局构图 创作：故事、情感、经历、朋友、时代 灵感： 电影、音乐 变化(色彩) 透视 空气透视 视觉中心点 对比度差别更大 近清远虚 对比：直线和曲线 形状：方形和圆形 大小 软硬边对比 内容对比 明暗对比 空间感 光影 整体对比变化 画面布局 视觉中心点围绕 以(正方形、方形、圆形)形状结构起笔 布局 临摹的重点：看画把画分为 形状的两大类：正形和负形 视觉中心点散开为正形反选则为负形 三大面：亮面 灰面 暗面 五大调子：亮面 灰面 明暗交界线 暗面 反光 硬边：使用实笔刷 100%流量 软边：使用低流量 Alt配合 几何体的总结： 体积感的塑造： 反弹光 五大调子 近实远虚化 AO Ambient Occlusion 2.直接灯光 + 2.间接灯光 + 1.AO 环境光+ =体积感 在叠加 http://artsammich.blogspot.com/ theartcenter.blogspot.com/2010/03/sam-nielson-painting-process.html 挨的越近就有投影 暗 远的就比较亮 色彩： 色彩的三要素 直接上色法 黑白灰 上色 色彩其实是不同的物质对于光的不同吸收和反射 色光色三原色：加色三原色 越加越亮 变白 物体色三原色

在这一节我们将介绍如何使用一元高斯分布对机器人误差进行建模。 在进入正题之前，我们需要首先了解为什么学习高斯分布？什么使得高斯分布有效并且重要？为什么使用高斯分布对噪声和不确定性进行建模（而不是其他概率分布模型，比如均匀分布）？ 高斯分布使得只需要两个参数就能确定一个连续的概率分布。这两个参数分别是均值和方差，这很简洁。这也使得高斯分布易于计算和推断。 高斯分布有一些较好的数学性质。例如，两个高斯分布的积还是高斯分布。这使得你在对高斯分布做运算的时候不需要考虑其他的概率分布。 理论上来说，根据中心极限定理，大量相互独立的随机变量，其均值的分布以高斯分布为极限。而噪声和不确定性就是包含大量相互独立的随机变量的数据，用高斯分布对它们进行建模是不二选择。 说了这么多，我们来举个栗子吧，怎样使用高斯分布来对一个目标颜色进行建模？ 下图是足球机器人通过头顶摄像机拍摄到的照片。 显然，图片中有两种颜色的球，黄球和红球。我们设想这个足球机器人想检测图片中的黄球。对于人类来说，一眼就能分辨出黄球在哪，但对一个机器人来说这并不简单。机器人读入的图片是一个一个像素的数值，它需要建立从像素的数值到“黄色”或者“红色”的映射。不妨让我们来看看“黄球”里面的像素数值是怎样的。我们记录黄球的每个像素的色相值（Hue， HSV模型 中表示色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等）