博客
关于我
PS第十课--色彩
阅读量:534 次
发布时间:2019-03-08

本文共 667 字,大约阅读时间需要 2 分钟。

色彩模式

RGB:光学三原色,是调色运用最多的一种颜色模式。

CMYK:印刷用的颜色模式,由青、洋红、黄、黑四种颜色组成。
灰度模式:图像仅包含黑、白、灰三种颜色,不影响后续颜色操作。
去色(Ctrl+Shift+U):将图像的饱和度降至最低,仅影响当前图像,不会改变后续操作的颜色模式。
模式更改:通过菜单栏“图像”→“模式”进行切换。

调色

  • 调整面板:点击效果图层,可以自动新建图层,并支持蒙版操作,只对下方图层起作用。
  • 亮度/对比度:调节图像的明暗程度和色彩对比度,直接通过菜单栏找到相关工具。
  • 色相/饱和度(Ctrl+U):调整色彩的相貌和鲜艳程度,明度决定颜色明暗,单色制作时勾选着色以减速制作。
  • 三原色和互补色:红绿蓝为三原色,互补色可以相互抵消,常见对比色为红色与青色、蓝色与黄色、绿色与洋红。
  • 色彩平衡(Ctrl+B):根据色彩的色相进行调整,常用于调节整体色调。
  • 渐变映射:结合混合模式和不透明度使用,通过设定颜色映射达到夸张效果。
  • 可选颜色:支持对单一颜色进行调整,相对色调调整较为柔和,绝对调较为犀利,但相对常用。
  • 替换颜色:通过“图像”→“调整”→“替换颜色”操作,可以选择图像中指定区域的颜色替换,支持吸管选择颜色。
  • 快捷键整理

    快捷键 功能描述
    Ctrl+Shift+U 选中区域,降低饱和度,去除色彩,同时不影响其他颜色模式。
    Ctrl+B 调整整体色彩平衡,平衡色相的明暗程度。
    Ctrl+U 调整色彩相和饱和度,鲜艳度提升依据是否勾选。
    图像调整→模式 切换不同模式,包括复制、黑白、gray的情况。

    转载地址:http://xtdiz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>