A+B=B绘画(一)

2018年假期翻篇儿

2019年开工

暂时告别Imusic

充电学习新知识

Rooster对我来说是个全新的电池

主要用于图像的边界识别

基于明度等高线原理

原理简单但用途不一定简单

很快熟悉了几项参数设置便开始思考那它干什么事儿

图像边界的识别对于AI来说已经是一个很成熟的技术

而图像边界的生成应该另有其用途

在往期GH编程绘画中我曾经用很原始的方法做过图像边界生成

当时用了一堆的电池才能完成Rooster的简单任务

一直以来GH编程绘画探讨色彩、笔触、质感

这是绘画中永无止境的问题

需要持续的探究和实验

这里针对图像色彩的采样运用做进一步的探讨

还是拿两幅图像做实验

实验目的

将图像A的色彩移植到图像B

让图像B生成一副基于图像A色彩构成的

绘画B(a)

A+B=B(a)

这相当于绘画者用偏爱的色彩描绘看到的事物

同时借用Rooster生成的图像边界

形成独特的等高线笔触

目标明确后很快搭建程序

之后的工作就是调制各种参数

匹配AB图像的等高线数据

我发现过去做过的实验

过一段时间经过再学习回头做同样目的实验

会变得很简单

达到同样目标

使用少很多的程序步骤

运算的时间更短(时间缩短到原来的1/6)

呈现的结果甚至会更好

就此打住

提醒自己不要陷入自吹自擂的陷阱

言归正传

下面就是我实验的结果

之所以B(a)称为绘画

就是对现实图像做了“笔触”的主观再组合

有绘的意愿和表达

下面的图片是

细节

细节中的细节

细节构成整体

其自身也有着独立的表现

笔触呈现的另一种

画界

可以脱离整体独自表现

FIN

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190112G01HT600?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券