要想用数学思维弄清楚怎么给宠物拍照最好看,以下步骤是必不可少的:
![](/__local/0/CF/F7/24FB0D649A8451E380858CFE6AE_CC45AFA7_69538.png) 接下来我们来看看他们小组具体做法吧~ 第一步:因素确定 1.画面布局: 讨论除主体以外的元素参与画面布局的效果,结合线性,三角形或黄金螺旋进行对象分析。把画面布局分为主体与背景和主体与陪体。 有时候,简单的背景就足以清晰的展现出主体的神态和特征。 有时候,我们也可以借助陪体,通过与主体的互动,来传达主体更丰富的情感。
![](/__local/6/B0/EA/F1BB7F07F332FEF5F7A53B3B778_A5EF77D8_3AFFF.png) 2.拍摄光线 受光与背光展现出光影关系不同,给画面营造不同的色温和形态。光源强弱带来的画面质感和色调展现出拍摄对象的差异化。受光面和背光面并不是完全对立的,恰当的光影关系给画面营造柔和的色温,细节和质感都丰富起来。
![](/__local/D/38/B3/FD005D5DFB2FF8173E9BB49B587_3A65173D_4AB86.png) 3.拍摄角度 拍摄角度分为平拍、俯拍、仰拍三个角度。在平拍当中正拍能够体现出对象的正面全貌,镜头光轴与对象视平线一致。
![](/__local/0/FE/59/B2B41F2E5173BD339798F0C488F_7CCC76C3_259AF.png) 侧面拍摄也算平拍的一种,但侧面拍摄相对于正面拍摄能够更好地体现出对象的立体感。
![](/__local/C/A2/E7/2C5916483699CAD7BE0C7BE8E07_2360CF65_2F89C.png) 俯拍能够体现出猫姿态的全貌。但有时候顶拍(俯拍的一种,镜头与物体垂直)也只能够体现出对象的单一性。
![](/__local/0/E0/3D/EAEAB4A6CFF4AE9AC2EF2F2628D_C26898CB_41E47.png) 仰拍相机从低处向上拍摄,能够体现出对象气质的高大雄伟。
![](/__local/0/1C/23/558DE52C9F16DBC34C8B67CDE61_5189ACDB_4E62A.png) 4.从画面布局与拍摄角度进行分析 三角构图:画面上主要对象(宠物猫猫)与景别分为主次,并形成三角关系。三角形是个十分稳定却又不会无聊的结构。
![](/__local/C/08/0F/D4DCAECB729FC8E5360A5AFD387_FEC665D5_405F.png)
![](/__local/1/9C/B1/3EAF8A7AF350A115DD40BD463C0_D2AA99AE_56E61.png) 圆形构图:将拍摄对象放在圆形画面布局内部,这种构图可以很有效的聚焦视线,突出主体。
![](/__local/E/77/3D/180BED4D4487B454B7F644BCEED_6E886CE0_45955.png) 三角构图和圆形构图能够使换面觉得能够美观和突出重点,在对宠物进行拍摄的时候,在注意画面布局之外,还要考虑到光线因素和自己的拍摄角度,让画面更加清晰明了并且美观,在不同场景、不同氛围、对象的不同状态,采用不同的拍摄角度,能够更加贴切和进一步地反映出所拍对象的特点。 第二步:模型建立 1.收集数据: 拍好的照片整理好后,设立调查问卷对照片进行评分:
![](/__local/5/C3/71/05B0AE4698D4704CD6E49148245_6FC63356_37521.png) 2.将无效数据(分数明显异常的数据)去除,然后为图片效果制定规则
![](/__local/8/1B/39/1BFEF724DAA7A2951B077A24F9C_9AEF7BA0_4DF5.png) 根据数据初步确定这是一个多元回归线性方程 效果 = 光线 + 方向 + 高度 + 常数(随机变量) 第三步:模型求解 1.分析数据,为每个变量赋予权重。 发现分数靠前的都是受光,所以可以考虑光线效果是影响图片效果的最重要因素,所以光线的权重应该是最大的,其次是拍摄高度,最后是拍摄方向。于是定下最初的权重比0.6:0.3:0.1,同时在Matlab上也进行回归方程的计算,最后得到了最终的权重比0.7194:0.1538:0.3798,随机数取-1.7081 2.给每个变量赋予取值范围 通过最初的权重比:0.6:0.3:0.1可以给每个变量赋予取值范围,
![](/__local/7/29/A4/B54FBC67BDD95473A33A87AE6AC_59F40028_1E81.png) 3.通过matlab对模型求解,从而获得优化后的线性回归方程 通过上述中得到的数据并在matlab上进行整合,得到最终的回归线性方程
![](/__local/1/9C/22/42762D3F20D8CE3F4A54486DB8C_8DD7F981_743.png) 4.模型检测 对照片进行重新计算:
![](/__local/3/A8/22/FD4F0BC4984D43FCF921AADD246_B003DA62_3DEA.png) 最终确定线性回归方程为
![](/__local/D/D9/4D/44379385EA628B826BF97CF6F8E_7FF7551F_86F.png) 第四步:模型分析 通过对模型
的求解,我们发现一共11组数据,只有一组数据的求解偏差较大。在Matlab上获取残差个体图,发现也是只有一组数据存在较大的偏差(红线)
![](/__local/E/AB/25/3478F3DFAD1FB1A4C5819A0FCAB_0DF1F3FD_717F.jpg) 发现在定义域内,大部分的点都在线性回归方程上,所以可以确定该模型基本符合要求
![](/__local/B/EE/A0/F99A17AD1F1F659E4E1A348C332_F91EC969_6E3C.jpg) |