Illustrator模仿PS蒙版绘透明变化的月亮

本文介绍如何在Illustrator中创建月亮的相片效果。通过使用图层蒙版技巧,可以实现不同形式的透明变化。从绘制圆形到应用渐变,再到制作蒙版,一步步展示详细的制作流程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

Illustrator可以在图形上应用类似于Photoshop中图层蒙版一样的效果,制作任何形式的透明变化。

  附一个Illustrator绘制月亮的小例子。

  1-在深色图形上方画圆形。

 

 

  2-“透明面板”和PS相似 也有混和方式和透明度的调节现在的白方块是当前选中的物体(实际里面是上述白色的圆形)。

 

  3-点右上角三角符号,开始制作蒙版。

 

  4-出现如同PS一样的蒙版 蒙版的原理也是白色显示当前图形的颜色 黑色遮挡当前图形的颜色同理不同的灰色即是不同程度的透明。

 

  5-点击右侧蒙版 看到蒙版方块出现很粗的黑色边框 说明现在开始在蒙版内工作了在蒙版上建一个图形 位置偏右一点。

   (此时状态类似于CDR中在容器内编辑一样,如果回到正常状态,再点左侧的图形方块)

  6-在蒙版中的图形做一个径向渐变 可以看到原图白色的圆形右侧出现模糊 实际上这个模糊是透明效果。

 

  7-点左侧的图形方块 回到正常做图状态 可以把背景物体(在这里是一个矩形)应用一点渐变网格 或者其它别的变化。

 

  8-形成月亮与雾的效果。

 

  9-AI还有一个比较优越的操作 是制作物体混和(CDR中称调和)时 两个物体可带有透明度,如星星是用一个小星和一个大星的混和 大星为完全透明中间光亮理同制作月亮。

 

  如果进一步变化,月亮上还可以填加渐变网格或图案等,也可以对一组物体制作一个共同的蒙版,也可以对蒙版中的图形进行渐变网格或多图形混和等操作。 使用AI的蒙版,如同在进行图像处理一样方便。  

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值