大海保留－光影知识－大师书籍

大海

2

大海

4.再新建一层并把混合模式设为“正片叠底”，然后选择“渐变工具”，渐变类型选“放射渐变”，在人物脸部处拖动，使脸部保持不变，周围变暗。这时可以看到周围太暗，这就需要降低图层的不填充度了，我们降到50%就差不多了。

大海

2

大海

2

大海

2

大海

5.最终效果:

大海

人像摄影中人物美化[转]

大海

2

大海

3

大海

转贴：http://bbs.photops.com/dispbbs.asp?boardID=65&ID=98379&page=1

在Photoshop中，恐怕再也没有比“通道”这个名词更令人头痛的了，什么是通道？通道概念是什么？通道的本质和作用又是什么？这个问题涉及到通道一词的来源、演绎和发展。涉及到通道的内涵和外延，如果确有对通道深度理论有研究兴趣的朋友。推荐看看这篇有关通道理论最通俗易懂的文章，但对一些朋友而言，可能还是比较头痛，但就是硬着头皮看看总是有好处的（这篇文章真是可怜呀，挂在网上几年了，只有11人阅读过，还不知道是否读完全了？但它确实是我看过有关通道解释的一篇好文章）！


                                    Photoshop通道在图像处理中的应用 —通道起源


　　如果问“什么是 photoshop 中最重要、最不可缺少的功能？”相信很多人的回答是“图层”。其实，在 photoshop3.0 之前，根本没有图层的功能。在图像处理中，最重要的功能是选区范围。只有正确地运用选区范围，才能够进行精确的合成。如果无法选区，也就无法作出相应的操作或处理。 　　
为了记录选区范围，可以通过黑与白的形式将其保存为单独的图像，进而制作各种效果。人们将这种独立并依附于原图的、用以保存选择区域的黑白图像称为“通道”（ channel ）。换言之，通道才是图像处理中最重要的部分。 　　
然而，真正懂得Photoshop通道的人并不多。对基本概念的一知半解，造成了技术上的断层，以致某些难点无法突破，这是由学习上的本末倒置所造成的。本文试图通过常用的图像处理方法，来探讨Photoshop通道的本质、运算及其特殊形式，帮助读者从中获得启发，理解本质，掌握应用。

　　一、通道起源——传统照相合成技术及其数字化 　　
1 ．遮板的应用　　我们知道，照相排版行业的全面数字化不过是最近几年的事情。在此之前，图像合成工作者的工作量之大，内容之枯燥令人难以想象。他们必须将自己关在暗房里，在放大机下面作遮板，以便在底片曝光时有所选择。这种遮板其实就是有选择地在一张透明底片的不同部位涂上黑色染料，让光线不能透过。在曝光时，使遮板与底片重叠放置，这样，遮板上黑色区域下面的底片图像就因为被不透明的黑色遮住而不能被曝光，而只剩下透明部分对应的图像，也就是说完成了对照片的选择曝光。
　通道的概念，便是由遮板演变而来的。在通道中，以白色代替透明表示要处理的部分（选择区域）；以黑色表示不需处理的部分（非选择区域）。因此，通道也与遮板一样，没有其独立的意义，而只有在依附于其他图像（或模型）存在时，才能体现其功用。而通道与遮板的最大区别，也是通道最大的优越之处，在于通道可以完全由计算机来进行处理，也就是说，它是完全数字化的。 　　
2 ．通道——传统技术的数字化 　　
计算机可以不知疲倦的 24 小时工作，而且效率极高。因此，人们不遗余力地将一切可能的信息交由计算机处理，数字化的浪潮席卷全球，图像处理行业也不例外。 　　
如何将一张鲜活的照片变成我们硬盘上的“ 0 ”与“ 1 ”呢？在此之前，让我们来看看数字化信息的特点。首先，顾名思义，数字化信息最大的特点就是任何形式的信息都可以用数字完整、准确的表达出来，无论它是一条记录、一通电话、还是一段录影。数字化的这个特点是很容易理解的，我们称之为“解析”。 　　
其次，受到存储及计算等方面的限制，数字化信息的容量必须是有限的。也就是说，要将原来瞬息万变、细致入微的模拟信号解析开来，就必须有所取舍——用一个个足够小的，可解析的“信息元”取代原先的“信息流”。我们看到，这样的“采样”过程必然损失掉了部分元与元之间的原始数据。所以我们必须以某种指标来判断数字化信息与模拟信息的切近程度。显然，在有限长度的“信息流”中，所取的“信息元”越多，这种转化就越为精确，反之，所取的“信息元”越少，切近的程度就越为粗糙。所以，我们用“单位信息流”中“信息元”的数目多寡，来衡量数字化信息的逼真程度。在数字化音频中，这个指标称之为“采样率”与“量化精度”；在数字视频中，称之为“帧频”；在数字化图像中，则称之为“分辨率”。只要这个指标足够大，就足以迷惑人们的感官，让我们的耳朵、眼睛误以为这是一幅连贯的画面，或是一段流畅的音乐，而丝毫察觉不到停顿感或颗粒感。相对于模拟信息的“连续”性质而言，数字信息所具有的这种特点称为“间断”，或者称为“非连续”。 　　
现在，将一张图像用许多等距的水平线与竖直线分割开来，每一个小方格都成为一个像素（ pixel ），也就是一个独立的信息元，数字化的工作就完成一半了。接下来，我们要做的，就是记录每个像素的颜色信息。 　　由于我们要讨论的是黑白图像，因此只需记录黑、白、灰的信息（在黑白图像中，它与“亮度”、“灰度”的概念都是等价的），而不用考虑它的色相。但不要忘了，灰度也是有不同级别的，像“深灰”、“ 浅灰”或“中灰”。 　　
但仅仅用语言描述物体的亮度是远远不够的。上面提到，数字信息具有“间断”的特点，所以有人提出，用 0 到 100 之间的整数表示灰度的级别：比如用 0 表示纯黑色，用 100 表示纯白色，而 50 则表示将黑白均匀等量混合后所得的颜色。 　　众所周知，在计算机中，是以位（ bit ）存储数据的。每一个位只能存储“ 0 ”或“ 1 ”的信息，用以对应二进制的位。让我们看看要表示一个 0 到 100 之间的任一整数，需要多少个二进制位： log 2 101=6.6582 　　也就是说，我们用了 7 位的存储空间，存储了仅用 6.6 位便可存储数据。难道这不是一种浪费么？而这种浪费的根源就在于，我们把黑与白之间的灰阶，人为的划分为 101 段，而不是其他数目。 　　
所以，为了物尽其用，人们通常用 2 的整数次幂来划分灰度级别。通常，人们将灰阶划分为 256 级（用 0 ～ 255 表示），而这也将正好占据 8 个存储位（一字节）的空间。而 8 这个数字的由来，完全是为了使人的肉眼在任一相邻两级的变化中，没有丝毫的察觉。 　　
经历了上述两个步骤，我们将每个像素的灰度信息按照划分好的网格，从上到下，从左到右的顺序依次写入硬盘，数字化的工作就终于完成了。而当我们体验着计算机处理选区飞驰的感觉时，就会明白这一系列且纷繁复杂的转化与操作绝非徒劳了。

[ 本贴由 大海 于 07-3-18 20:33 最后编辑 ]