CNN结构:色彩特征提取-从RGB空间到HSV空间(色彩冷暖判断)
转自知乎和百度百科:从零开始学后期
文章: 冷暖色区分?冷暖肤色适用于那些色系的彩妆?
文章:干货 |如何判断人体色冷暖?如何判断色彩冷暖?(值得收藏研读!) -蒜苗的回答 太强大了,又非常地接地气,赞一个
单独链接:干货|如何判断人体色冷暖?如何判断色彩冷暖?(值得收藏研读!)
冷暖色对比
由于色彩的冷暖差别而形成的色彩对比,称为冷暖对比。红、橙、黄使人感觉温暖;蓝、蓝绿、蓝紫使人感觉寒冷;绿与紫介于期间,另外,色彩的冷暖对比还受明度与纯度的影响,白光反射高而感觉冷,黑色吸收率高而感觉暖。
在色相环上,红橙黄为暖色,其中橙 色称为“暖极”,绿青蓝为冷色,其中天蓝 色被称为“冷极”。在色重上,暖色偏重,冷色偏轻。在湿度上,冷色湿润。纯度越高,冷暖感越强。纯度越低,冷暖感也随之降低。
一、色彩篇
所以,色彩冷暖如何判断?
先纠正误区:
❌所有的红色黄色都是暖色,所有的蓝色紫色都是冷色。
✅不管是什么色相,都有冷暖之分,即使是蓝色也有偏暖的蓝,即使是红色也有偏冷的红。
❌色彩的冷暖属性是绝对的
✅色彩冷暖具有相对性,同为偏冷的AB,A比B更冷,则B相较于A,偏暖。
另外再补充几点:
1⃣️ 色彩明度变高/变低的过程,色彩冷暖倾向会变得不明显。
2⃣️ 色彩纯度变高,冷暖倾向变明显。
进入正题,教大家一个办法快速判断冷暖。
就拿我们平时PPT的调色工具来说,一个圆盘色相,光从色相冷暖上说,蓝色是冷极、黄色是暖极。那换个角度理解,也就是说色相越靠近蓝色,色相越冷,越靠近黄色,色相越暖。
那我们通过这张生动的动图,哈哈,可以看到色相的整个变化过程。(像素有点渣,不过大概就是这个意思哈哈)
eg.介于蓝绿之间冰蓝色,相较于蓝色而言,是偏暖的,也就是蓝色相中偏暖的蓝。那如果对于绿色相来说,蓝绿就是偏冷的。(别忘了冷暖的相对性。)中间还经历过几个色彩过渡,eg.由黄往红过渡的橙粉色 VS 由红紫红过渡的玫瑰粉,前者就更暖一些,后者更冷一些....以此类推。
然后上图:
同为粉色,左边偏暖,右边偏冷
同为蓝色相,则左边偏暖,右边偏冷。再结合前面补充的1⃣️2⃣️,则下面冷暖倾向比上面更明显。
蓝色相,上面偏冷、下面偏暖。
绿色相,从上至下越来越暖
好啦,现在对人体色及色彩冷暖思路应该清晰了吧~~~做个小...总结,应该算得上大总结了,哈哈,来回顾一下!
大总结
人体色冷暖判断
冷暖除了看视觉平面上的和谐之外,还要看气质上是否和谐:适合冷色调的人穿暖色,会让人看上去气质不协调,容易显土气。适合暖色调的人穿冷色,不能很好的表达自身的亲切感,容易让人产生距离感。
冷暖普遍规律
a.肤色
(暖)微微泛黄、泛红、暖米色,温暖。
(冷)显白/面无血色、泛粉,清冷、冷艳。
b.瞳孔色/眼神
(暖)多以棕色调为主
(冷)呈灰色调、蓝灰色调
c.发色
(暖)多以咖棕黄调为主
(冷)多以灰黑篮调为主,冷咖
如何判断人体色冷暖
a.通过血管判断
b.通过金银饰品判断
c.通过色布判断(划重点)
色彩冷暖判断
不管是什么色相,都有冷暖之分,即使是蓝色也有偏暖的蓝,即使是红色也有偏冷的红。
色彩冷暖具有相对性
色彩明度变高/变低的过程,色彩冷暖倾向会变得不明显。
色彩纯度变高,冷暖倾向变明显。
利用色相快捷判断冷暖:色相越靠近蓝色,色相越冷,越靠近黄色,色相越暖(划重点)
第二个回答:
其他话题:怎样配置出冷暖交替的图片?
答案:叠加颜色、加过渡色。
方法:
1.使用原图,设置不透明。
2.添加冷暖色模板,进行一定的透明度覆盖,即可得到冷暖交替的图片。
参考:
wiki百科:https://en.wikibooks.org/wiki/Color_Models:_RGB,_HSV,_HSL
CNN结构:色彩特征提取-从RGB空间到HSV空间(色彩冷暖判断)的更多相关文章
- RGB空间与HSV空间的相互转换(C++实现,修正网上大多数的代码错误)
void Rgb2Hsv(float R, float G, float B, float& H, float& S, float&V) { // r,g,b values a ...
- RGB颜色空间、HSV颜色空间的理解
HSV是把H(色相),S(饱和度),V(亮度)当做色值来定位颜色的空间. 1.HSV模型 色相:取值范围是0~360度,用来表示颜色的类别.其中红色是0度,绿色是120度,蓝色是240度.饱和度:取值 ...
- ISP模块之色彩增强算法--HSV空间Saturation通道调整 .
色彩增强不同于彩色图像增强,图像增强的一般处理方式为直方图均衡化等,目的是为了增强图像局部以及整体对比度.而色彩增强的目的是为了使的原有的不饱和的色彩信息变得饱和.丰富起来.对应于Photoshop里 ...
- CNN结构:用于检测的CNN结构进化-分离式方法
前言: 原文链接:基于CNN的目标检测发展过程 文章有大量修改,如有不适,请移步原文. 参考文章:图像的全局特征--用于目标检测 目标的检测和定位中一个很困难的问题是,如何从数以万计的候选 ...
- AI:IPPR的数学表示-CNN结构进化(Alex、ZF、Inception、Res、InceptionRes)
前言: 文章:CNN的结构分析-------: 文章:历年ImageNet冠军模型网络结构解析-------: 文章:GoogleLeNet系列解读-------: 文章:DNN结构演进Histor ...
- CNN结构演变总结(一)经典模型
导言: 自2012年AlexNet在ImageNet比赛上获得冠军,卷积神经网络逐渐取代传统算法成为了处理计算机视觉任务的核心. 在这几年,研究人员从提升特征提取能力,改进回传梯度更新效果 ...
- CNN结构演变总结(三)设计原则
CNN结构演变总结(一)经典模型 CNN结构演变总结(二)轻量化模型 前言: 前两篇对一些经典模型和轻量化模型关于结构设计方面的一些创新进行了总结,在本文将对前面的一些结构设计的原则,作用进行总结. ...
- CNN结构:图片风格分类效果已成(StyleAI)
CNN结构:图片风格分类效果已成.可以在色彩空间对图片风格进行分类,并进行目标分类. StyleAI构架:FasterRCnn + RandomTrees 为何不使用MaskRCNN? MaskRCN ...
- CNN结构演变总结(二)轻量化模型
CNN结构演变总结(一)经典模型 导言: 上一篇介绍了经典模型中的结构演变,介绍了设计原理,作用,效果等.在本文,将对轻量化模型进行总结分析. 轻量化模型主要围绕减少计算量,减少参数,降低实际运行时间 ...
随机推荐
- 1067 Bash游戏 V2
有一堆石子共有N个.A B两个人轮流拿,A先拿.每次只能拿1,3,4颗,拿到最后1颗石子的人获胜.假设A B都非常聪明,拿石子的过程中不会出现失误.给出N,问最后谁能赢得比赛. 例如N = 2.A只能 ...
- Ubuntu 16.04添加启动图标到Dash Home中
一.添加图标: 图标信息在以下两处地方: /usr/share/applications ~/.local/share/applications(用户独立配置存放地方,是个隐藏文件夹) 图标信息文件以 ...
- 30、Java并发性和多线程-阿姆达尔定律
以下内容转自http://ifeve.com/amdahls-law/: 阿姆达尔定律可以用来计算处理器平行运算之后效率提升的能力.阿姆达尔定律因Gene Amdal 在1967年提出这个定律而得名. ...
- sql sever 等待事件
http://blog.csdn.net/dba_huangzj/article/details/7607844
- [Vue-rx] Handle Image Loading Errors in Vue.js with RxJS and domStreams
When an image fails to load, it triggers an error event. You can capture the error event and merge i ...
- hdu 3342 Legal or Not (拓扑排序)
重边这样的东西 仅仅能呵呵 就是裸裸的拓扑排序 假设恩可以排出来就YES . else NO 仅仅须要所有搜一遍就好了 #include <cstdio> #include < ...
- python 验证码 高阶验证
python 验证码 高阶验证 标签: 验证码python 2016-08-19 15:07 1267人阅读 评论(1) 收藏 举报 分类: 其他(33) 目录(?)[+] 字符型图片验证 ...
- js 四种调用方式 Method Invocation Pattern
4.3. Invocation Invoking a function suspends the execution of the current function, passing control ...
- singlefile.py
#! encoding=utf-8 import os import os.path AllFiles = {} MinSize = 8100 def OneDir( DirName ): if Di ...
- Algorithmic Crush
evendra在9号云上看到了他的教练朝他微笑. 每次教授选出Devendra单独问他一个问题,Devendra朦胧的头脑里全是他的教练和她的微笑,以至于他无法专注于其他事情.帮助他解决这个问题: 给 ...