İçindekiler:
Video: Suda Görüntü Rölyefi: 4 Adım (Resimlerle)
2024 Yazar: John Day | [email protected]. Son düzenleme: 2024-01-30 13:21
Yazar tarafından mkoehleTakip edin Yazarın daha fazlası:
Hakkında: Michael Koehle, Autodesk Pier 9'da CNC atölye asistanıdır. Geçmişi mühendislik ve sanat üzerinedir. Bunları çizim, boyama, CNC, 3D baskı ve lazer kesim kullanarak iş yapmak için birleştiriyor. mkoehle hakkında daha fazla bilgi »
Suyun derinleştikçe nasıl koyulaştığını, ancak sığ suyun daha şeffaf olduğunu fark ettiniz mi? Görüntüler yapmak için bu fenomeni kontrol etmeye çalıştım. Bu, bir görüntünün yoğunluğuna dayalı bir rölyef oluşturularak ve bu rölyef işlenerek açık renkli bir malzemeye dönüştürülerek yapılır. Karanlık alanlar daha derin oyulacak; ışıklar sığ olacak. Ardından kabartmayı renkli suyla dolduracağız. Rölyef ne kadar derin olursa, su o kadar koyu olur. Su ne kadar az olursa, beyaz malzeme o kadar fazla görünür.
Bu proje, sanatçı Tressa Pack (https://www.tressapack.com) ile yapılan bir işbirliğiydi. Tressa'nın fotoğrafları, bu parçanın sahip olmasını çok istediğim bir dinginlik ve derinliğe sahip.
Malzemeler:
- bir şekil
- ArtCAM
- DMS 5 eksenli CNC
- Bir yaprak Corian
- su ve boya
Adım 1: Görüntü Hazırlama
Işık suda (veya gerçekten herhangi bir maddede) doğrusal olarak zayıflamaz. Bu, yoğunluğu yalnızca derinlikle ölçekleyemeyeceğiniz anlamına gelir. Örneğin, suyunuz 1" derinlikten başlayarak siyah görünüyorsa, 1/2" derinlikte gerçek nötr olmaz, ancak çok daha koyu olur. Gerçek nötr, 1/4" derinliğe yakın olabilir. Yoğunluk ve derinlik arasındaki ilişki bu üstel denklem tarafından yönetilir:
Hangisi şuna benziyor:
Photoshop'ta eğrileri değiştirerek veya derinliklerinizi elde etmek için yoğunluk değerlerinizi yukarıdaki denkleme besleyerek bu efekti taklit etmeye çalışabilirsiniz. Bununla ilgili daha fazla bilgi bu Eğitilebilir Dosyada (bazı kodlar da içerir):
Görüntü hazırlığının son adımı, suyu çevrelemek için baskınızın etrafına bir duvar eklemek isteyebileceğinizdir. Bu, tüm görüntünün etrafına beyaz bir kenarlık çizerek yapılabilir.
2. Adım: Rölyef için Görüntü
Şimdi görüntüyü, görüntünün yoğunluğuna bağlı olarak (yükseklik haritası veya yer değiştirme haritası da denir) üç boyutlu bir kabartmaya dönüştürmemiz gerekiyor. Bunu yapmanın birçok yolu vardır:
- Blender:
- İşleme:
- Oktav:
Bu talimat için, diğer şeylerin yanı sıra, görüntülere dayalı işleme kabartmalarını gerçekten iyi işleyen ArtCAM adlı Autodesk yazılımını kullanıyorum. Diğer iş akışlarında, bir tarafta yaklaşık 1000 pikselden daha büyük olan herhangi bir şey, en azından kullandığım diğer CAM programları tarafından hantallaşmaya başlıyor. ArtCAM çok daha büyük görüntüleri işleyebilir. Sanırım bunun nedeni, görüntüyü meshlenmiş bir modele dönüştürmekle uğraşmamak, hesaplamalarını bir nokta bulutu üzerinde yapması.
ArtCAM kullanıyorsanız, bu modelin üretimi oldukça basittir. Resmi yazılıma yükleyin ve boyutlarınızı seçin. Parçam için, işlemek istediğim boyut 28x42”x.2” derinliğinde.
Adım 3: CAM ve CNC
Takım yolları oluşturmak için ArtCAM kullandım. 1/2” bilyeli değirmen kullanarak kaba işleme yaptım, ardından 1/4” bilyalı değirmenle bitirdim. Son işlem için atlama.035” idi. Gerçekten eşdeğer olmasa da, piksel boyutu açısından adım atmayı düşünme eğilimindeyim. 1 /.035 yaklaşık 28 dpi'dir. Daha sonra malzemeyi stoktan kesmek için bir profil geçişinde 3/8 parmak freze kullandım. Bu kısma dikkat edin! Profil geçişim çok sıkı olduğu için bir tabaka malzemeyi mahvettim ve suyu kapatmak için yapılmış duvar.
Toplam işleme süresi yaklaşık 8 saatti.
Adım 4: Sadece Su Ekleyin
Suya biraz mürekkep ekleyin. Doğru oranı bulmak için küçük, 3B basılı bir prototip kullandım. Suyu kabartmanıza dökün ve görüntünün sihirli bir şekilde görünmesini izleyin.
Önerilen:
HuskyLens Kullanarak Yapay Zeka ve Görüntü Tanıma: 6 Adım (Resimlerle)
HuskyLens Kullanarak Yapay Zeka ve Görüntü Tanıma: Hey, naber beyler! Akarsh burada CETech'ten. Bu projede, DFRobot'tan HuskyLens'e bir göz atacağız. Yüz Tanıma gibi çeşitli Yapay Zeka işlemlerini yapabilen, AI destekli bir kamera modülüdür
K210 Kartları ve Arduino IDE/Micropython ile Görüntü Tanıma: 6 Adım (Resimlerle)
K210 Panoları ve Arduino IDE/Micropython ile Görüntü Tanıma: Sipeed Maix Bit'te OpenMV demolarının nasıl çalıştırılacağı hakkında zaten bir makale yazdım ve ayrıca bu pano ile bir nesne algılama demosu videosu yaptım. İnsanların sorduğu birçok sorudan biri - sinir ağının tr olmadığı bir nesneyi nasıl tanıyabilirim?
Raspberry Pi ile Görüntü İşleme: OpenCV Kurulumu ve Görüntü Renk Ayrımı: 4 Adım
Raspberry Pi ile Görüntü İşleme: OpenCV Kurulumu ve Görüntü Renk Ayrımı: Bu gönderi, takip edilecek birkaç görüntü işleme eğitiminden ilkidir. Bir görüntüyü oluşturan piksellere daha yakından bakıyoruz, Raspberry Pi'ye OpenCV yüklemeyi öğreniyoruz ve ayrıca bir görüntü yakalamak için test komut dosyaları yazıyoruz ve ayrıca c
Mikro:bit MU Görüntü Sensörü ve Zip Döşeme Birleştirilmiş: 9 Adım (Resimlerle)
Micro:bit MU Görüntü Sensörü ve Zip Karo Birleştirilmiş: Bu projede MU görüntü sensörünü bir Kitronik Zip Karo ile birleştireceğiz. Renkleri tanımak için MU görüntü sensörünü kullanacağız ve Zip Karosunun bize göstermesini sağlayacağız. Daha önce kullandığımız bazı teknikleri kullanacağız
DIY Görüntü Sensörü ve Dijital Fotoğraf Makinesi: 14 Adım (Resimlerle)
Kendin Yap Görüntü Sensörü ve Dijital Kamera: Kendi film kameranızı oluşturmaya ilişkin birçok çevrimiçi eğitim var, ancak kendi görüntü sensörünüzü oluşturmaya ilişkin hiçbir şey olduğunu sanmıyorum! Kullanıma hazır görüntü sensörleri birçok şirkette çevrimiçi olarak mevcuttur ve bunları kullanmak, tasarımın