Ae 效果:CC Kernel

颜色校正/CC Kernel

Color Correction/CC Kernel

CC Kernel(CC 卷积核)效果主要用于图像的卷积处理,通过在卷积矩阵中设置不同的权重值,可以实现图像的锐化 Sharpen、模糊 Blur、查找边缘 Find Edges以及浮雕 Emboss等效果。

  ◆  ◆

效果原理说明

卷积矩阵 Convolution Matrix是数字图像处理中的一种常用技术,用于对图像进行滤波和处理。它是一个二维矩阵,其中包含一组权重值。

下图图左列出了 CC Kernel 效果的 3x3 矩阵,而图右则为 Ps 中的“自定” Custom滤镜的 5x5 矩阵。它们基于同样的工作原理。

Ae 效果:CC Kernel_第1张图片

应用卷积矩阵时,将矩阵中心与图像中的每个像素对齐。

然后,将卷积矩阵中的每个元素(数值)与其对应的图像像素值进行乘积,再将所有乘积值相加得到新的像素值。这个新的像素值就是经过卷积矩阵滤波处理后的结果。

比如,要实现高斯模糊效果,可使用如下图所示的 3x3 卷积矩阵。

Ae 效果:CC Kernel_第2张图片

下列表格中代表了原始像素矩阵,a、b、c 等既表示了像素的位置,也表示各个像素对应的值。

Ae 效果:CC Kernel_第3张图片

对于中心像素 e,模糊后的新像素值的计算过程如下:

像素 e 的新值 = (a * 1) + (b * 2) + (c * 1) + (d * 2) + (e * 4) + (f * 2) + (g * 1) + (h * 2) + (i * 1)

然后,我们需要将得到的新像素值除以卷积矩阵中的所有权重之和,以实现归一化,确保图像不会变亮或变暗。在这个例子中,权重之和为 14,所以:

像素 e 的新值 = (a + 2b + c + 2d + 4e + 2f + g + 2h + i) / 14

此处的权重之和可对应 CC Kernel 中的 Divider 属性,Ps 中的“自定”滤镜的“缩放”参数。

Ae 效果:CC Kernel_第4张图片

  ◆  ◆

效果属性说明

Ae 效果:CC Kernel_第5张图片

Line 1

线条 1

用于定义卷积矩阵中的第一行。

1 - L1、2 - L1、3 - L1 分别对应第一行的第 1、2、3 个元素(值)。

Line 2

线条 2

用于定义卷积矩阵中的第二行。

1 - L2、2 - L2、3 - L2 分别对应第二行的第 1、2、3 个元素(值)。

Line 3

线条 3

用于定义卷积矩阵中的第三行。

1 - L3、2 - L3、3 - L3 分别对应第三行的第 1、2、3 个元素(值)。

Divider

除数

用来控制卷积矩阵中每个权重的除数。通过调整这个属性,可以控制卷积运算后的像素值范围,从而影响图像的亮度和对比度。

默认值为 1,表示卷积运算后的像素值与卷积矩阵中的权重值是一致的。

若设为 2,表示除以 2,则表示卷积运算后的像素值就会被除以2,从而使图像变得更暗。若设为 0.5,则表示除以 0.5,则图像变得更亮。

一般情况下,可设置为权重之和(即卷积矩阵的所有数值之和),这样可保证图像的整体亮度不变。

Absolute Values

绝对值

用于指定是否对卷积运算的结果取绝对值。

若勾选此属性,卷积运算的结果将被强制转换为正值,这可以使效果更加明显并增强图像的对比度。

Blend w. Original

与原图混合

控制 CC Kernel 效果与原始图像的混合程度。

Ae 效果:CC Kernel_第6张图片

“点赞有美意,赞赏是鼓励”

你可能感兴趣的:(计算机视觉,深度学习,人工智能)