专栏首页生信小驿站科研绘图系列:(2)使用PPT绘制菌落和培养皿

科研绘图系列:(2)使用PPT绘制菌落和培养皿

科研绘图系列:(1)使用PPT绘制各类细胞

成果展示:

1、打开PPT,新建一页新的ppt。 2、选项“插入”,选择“形状”,找到基本形状里面的同心圆(圆,空心)。 3、右键设置大小,选择宽度和高度都为9CM。

4、选择同心圆内圈的黄点,将中心圆的直径扩大到外圈圆的边缘。

5、将边框和填充颜色,选择为最左侧灰色第二个颜色。

6、三维参数设置:顶部棱台的宽度和高度都为3磅、深度40磅、材料为半透明粉、光源为中性-柔和、三维旋转为预设-平行-等长顶部朝上。

7、插入一个新的圆,将宽度和高度都设置为9cm,选择无边框,将填充颜色设置为上述颜色一致的灰色。 8、将三维格式里面棱台宽度、高度以及深度都改为2磅、光源为柔和、将材料设置为暖性粗糙。

9、将用作培养皿底部的圆设置为底层(右键),将两者合并。

10、底盘复制一份,将其材料改成“柔边缘”,光源改成“两点”,再增加阴影“右下斜偏移”,调整圆形大小,比如高度和宽度都为0.5厘米,同时调整顶部棱台高度为8磅,高度为4磅。

11、修改大小,颜色等参数,得到各种菌落。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • R for data science (第一章)①Chapter1 使用ggplot2进行数据可视化

    本章将教您如何使用ggplot2可视化您的数据。 R有几个用于制作图形的系统,但ggplot2是最优雅和最通用的系统之一。 ggplot2实现了图形语法,它是一...

    用户1359560
  • 机器学习实战⑴之线性回归预测房价机器学习实战

    一般来说,一个学习问题通常会考虑一系列 n 个 样本 数据,然后尝试预测未知数据的属性。 如果每个样本是 多个属性的数据,比如说是一个多维记录),就说它有许多“...

    用户1359560
  • 机器学习实战(3)之使用lasso回归预测房价

    Ridge模型的主要调整参数是alpha - 一个正则化参数,用于衡量模型的灵活程度。 正规化越高,我们的模型就越不容易过度拟合。 但是它也会失去灵活性,并且可...

    用户1359560
  • P1443 马的遍历

    题目描述 有一个n*m的棋盘(1<n,m<=400),在某个点上有一个马,要求你计算出马到达棋盘上任意一个点最少要走几步 输入输出格式 输入格式: 一行...

    attack
  • 33判断字符串是否为回文

    33:判断字符串是否为回文 总时间限制: 1000ms 内存限制: 65536kB描述 输入一个字符串,输出该字符串是否回文。回文是指顺读和倒读都一样的字符串...

    attack
  • Java NIO选择器【源码笔记】

    备注:I/O复用可以调用select/poll阻塞在这两个系统调用中的某一个上,而不是阻塞在真正的I/O系统调用上。图示中应用进程阻塞于select调用,等待数...

    瓜农老梁
  • 《Go语言程序设计》读书笔记(二)函数

    《Go 语言程序设计》在线阅读地址:https://yar999.gitbooks.io/gopl-zh/content/

    KevinYan
  • HDU 2082 找单词(生成函数)

    假设有x1个字母A, x2个字母B,..... x26个字母Z,同时假设字母A的价值为1,字母B的价值为2,..... 字母Z的价值为26。那么,对于给定的字母...

    attack
  • 带答案面经分享-L1正则&L2正则

    1、过拟合的解决方式有哪些,l1和l2正则化都有哪些不同,各自有什么优缺点(爱奇艺)

    用户2769421
  • 面经:L1和L2正则

    1、过拟合的解决方式有哪些,l1和l2正则化都有哪些不同,各自有什么优缺点(爱奇艺) 2、L1和L2正则化来避免过拟合是大家都知道的事情,而且我们都知道L1正则...

    double

扫码关注云+社区

领取腾讯云代金券