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
领取专属 10元无门槛券
私享最新 技术干货