Частотное разложение журавлев: Частотное разложение. ULTIMATE | Виртуальная школа Profile

Содержание

Частотное разложение. ULTIMATE | Виртуальная школа Profile

Частотное разложение. ULTIMATE

Цикл завершен. Начавшаяся 4 года назад история подошла к логическому концу. Я не изобретал этот прием, мне просто удалось вытащить его из узкого кулуарного круга «крутых профи» и запустить в широкие массы. Само название «частотка» — яркое тому доказательство. Огромное спасибо Александру Миловскому за подсказку, позволившую мне открыть Америку через форточку (так мой дед называл изобретение для себя лично чего-либо уже известного окружающим). Именно из его статьи шагнул в массы термин «частотное разложение».

1. ТЕОРИЯ

Разложение в спектр.

В 1807 году Жан Батист Жозеф Фурье подготовил доклад «О распространении тепла в твёрдом теле», в котором использовал разложение функции в тригонометрический ряд

При таком преобразовании функция представляется в виде суммы синусоидальных колебаний (гармоник) с различной амплитудой

Любой сигнал может быть представлен в таком виде, а все образующие его гармоники вместе называются спектром

В 1933 году Владимир Александрович Котельников сформулировал и доказал теорему, согласно которой любой сигнал с конечным спектром может быть без потерь восстановлен после оцифровки, при условии, что частота дискретезации будет как минимум в два раза выше частоты верхней гармоники сигнала

Что такое пространственные частоты.

Частота с которой меняется яркость при перемещении по горизонтали или вертикали

Изображение — это двумерный сигнал (яркость меняется при перемещении по горизонтали и вертикали), поэтому общая решетка образуется из двух решеток различных ориентаций — горизонтальной и вертикальной

Чем выше частота, тем быстрее меняется яркость, тем мельче детали которые она задает

Самые мелкие детали — это перепады яркости на контрастных контурах

Разложение на полосы частот.

Для эффективной обработки сигнала нет необходимости раскладывать его в спектр, достаточно разложить его на несколько полос, содержащих все гармоники ниже или выше определеной частоты

Самые низкие частоты задают общее распределение яркости и, как следствие, цвета

Средние частоты уточняют эту картинку принося основные объемы объектов

Верхние частоты добавляют самую мелкую детализацию — фактуру поверхностей

Дополнительные материалы:

Алексей Шадрин. «Управление визуальным объемом изображений»Александр Миловский. «Муар нам только снится»

2. ПРОСТОЕ РАЗЛОЖЕНИЕ НА 2 ПОЛОСЫ ЧАСТОТ

Фильтры нижних и верхних частот.

Gaussian Blur — фильтр нижних пространственных частот

Чем больше Raduis, тем более крупные детали убираются, тем ниже оставшиеся частоты

High Pass — фильтр верхних пространственных частот, дополнительный к Gaussian Blur

High Pass показывает детали, которые убрал Gaussian Blur при том же значении Radius

Эти детали отображаются в виде отклонения от средне-серого цвета (отклонения от средней яркости в каждом канале)

Сложение исходного изображение из частотных полос.

Добавить эти отклонения к исходному изображению может режим Linear Light

Контраст ВЧ-слоя надо понизить в два раза вокруг средней яркости (тон 128), чтобы скомпенсировать заложенное в Linear Light удвоение

Это можно сделать при помощи кривых (Curves) подняв черную точку в позицию (0; 64) и опустив белую в позицию (255; 192)

Можно понизить контраст при помощи Brightness/Contrast с установкой Contrast -50 и активированным ключем Use Legacy

Вместо понижения контраста можно уменьшить до 50% непрозрачность слоя, но в этом случае регулятор Opasityиспользовать нельзя, а нужно воспользоваться регулятором Fill

Дополнительные материалы:

Андрей Журавлев. «Ретушь портрета на основе частотного разложения»

3. DODGE & BURN

Идеология Dodge & Burn.

Основная идея этой техники: ручное осветление излишне темных и затемнение слишком светлых участков для придания объекту более гладкой и правильной формы

Таким же образом усиливаются или дорисовываются недостающие объемы

Классически реализуется при помощи инструментов Dodge Tool и Burn Tool, но эти инструменты допускают только деструктивную обработку

Может быть реализована при помощи режимов наложения или корректирующих кривых с рисованием по макске слоя

Реализация Dodge & Burn при помощи режимов наложения.

Для сильной перерисовки свето-теневого рисунка используются режимы наложения Multiply и Screen

Рисование производится на пустых или залятых нейтральными для данных режимов цветом слоях

Основным преимуществом такой работы является большая сила воздействия: Multiply способен затемнять даже белый объект, а Screen осветлять даже черный

Дополнительным плюсом является возможность работать разным цветом на одном слое и простота выбора цвета: его можно брать с самого изображения

Минусом (особенно для начинающих) является уже упомянутая сила воздействия, заставляющая точно контролировать свои движения

Для легкой финальной правки применяют слой в режиме Soft Light (прозрачный или залитый средне-серым)

Плюсами являются: мягкость и визуальная однородность воздействия; ограниченный диапазон воздейстывий; отсутствие воздействия на белые и черные участки

Реализация Dodge & Burn при помощи кривых.

Затемнение и осветление производится при помощи корректирующих слоев кривых (Curves), а необходимые участки прорисовываются по их маскам

При затемнении происходит повышение, а при осветлении понижение, насыщенности изображения. Для их компенсации к каждому слою кривых через маску вырезания (Create Clipping Mask) добавляется слой Hue/Saturation

К плюсам метода можно отнести большую (по сравнению с использованием режимов наложения) гибкость последующих настроек

Минусом является невозможность вносить разные оттенки цвета при помощи одного корректирующего слоя

Для самостоятельного изучения:

Алиса Еронтьева и Дмитрий Никифоров. «Портретная ретушь»

4. ИНСТРУМЕНТЫ ИХ НАСТРОЙКИ

Почему выгодно править частотные полосы по отдельности.

При ретуши необходимо согласовывать цвет и его переходы с одной стороны и фактуру поверхности с другой

При исправлении формы крупных объектов выгодно использовать пониженную непрозрачность

Для сохранения мелких объектов (фактура поверхности) необходимо использовать 100% непрозрачность

Мягкая граница кисти у штампа — вынужденный компромисс между этими двумя требованиями

Жесткий стык между однородными однотипными фактурами заметен не будет

Выбор радиуса при разложении на две полосы частот.

Для Gaussian Blur выгодно задавать большой радиус, чтобы максимально убрать фактуру

Для High Pass выгодно задавать малый радиус, чтобы не пропустить объемы

Конкретное значение выбирается как компромиссный вариант между этими двумя условиями

При этом учитывается детали какой крупности мы относим к фактуре

Визуализация при выборе радиуса разложения.

Радиус Gaussian Blur удобнее подбирать плавно увеличивая его, пока не исчезнут ненужные детали

Радиус High Pass удобнее подбирать плавно уменьшая его, пока не пропадут ненужные объемы

Если более важной является форма, радиус удобнее подбирать ориентируясь на содержимое НЧ (размытая картинка)

Если более важной является фактура поверхности, радиус удобнее подбирать ориентируясь на содержимое ВЧ («хайпасная» картинка)

Зависимость радиусов от размера лица и крупности дефектов.

Пропорции среднего лица (ширина к высоте) составляют примерно один к полутора

При вычислении радиусов удобнее отталкиваться от высоты лица, так как она меньше зависит от ракурса съемки

Для удаления аккуратной фактуры кожи необходимо взять значение Radius порядка 1/280 — 1/250 от высоты лица

Для удаления мелких дефектов (прыщи, морщины и т. п.) необходимо взять значение Radius порядка 1/100 — 1/120 от высоты лица

Для удаления крупных дефектов (подглазины, шрамы и т.п.) необходимо взять значение Radius порядка 1/50 — 1/60 от высоты лица

5. РЕТУШЬ ПРИ РАЗЛОЖЕНИИ НА 2 ПОЛОСЫ ЧАСТОТ

Ретушь НЧ-составляющей — исправление формы.

Находящуюся на НЧ слое форму удобно ретушировать при помощи инструментов Clone Stamp, Brush и Mixer Brush

Штампом работаем с мягкой кистью и пониженной непрозрачностью

Можно работать на новом прозрачном слое с настройкой штампа Sample: Current & Below

При этом на экран можно вывести общий вид картинки, а не только НЧ слоя.

Кисть (Brush Tool) удобно использовать для закрашивания локальных дефектов (пробойные блики, проваальные тени и т.п.) телесным цветом

Mixer Brush используется для быстрого разглаживания лишних объемов

Ретушь ВЧ-составляющей исправление фактуры.

Работаем штампом с жесткой кистью и 100% непрозрачностью

Можно работать на новом прозрачном слое с настройкой штампа Sample: Current & Below и отображением только ВЧ слоя

Чтобы ретушировать глядя на финальную картинку надо работать на самом ВЧ слое (его копии) с настройкой штампа Sample: Current Layer

Чтобы иметь возможность откатиться к исходному состоянию ретушь проводят на копии слоя ВЧ с применением к нему команды Create Clipping Mask

Для лучшего контроля над деталями можно временно включить корректирующий слой кривых, повышающий контраст ВЧ составляющей

При отсутствии на изображении необходимой текстуры можно перенести ее с другой фотографии

Как работает Healing Brush.

На НЧ слое после размытия на участках рядом с контрастной границей появляется цвет соседней области

На ВЧ слое вдоль контрастных границ появляются ореолы противоположных цветов

Если в процессе ретуши ВЧ слоя убрать ореол на финальной картинке на этом участке появится цвет соседней области

Healing Brush переносит фактуру с донорской области, подгоняя цвет и яркость под ретушируемого участка под цвет и яркость его окрестностей

Его работа построена на алгоритме частотного разложения, а значение радиуса привязано к размер кисти

6. ОТДЕЛЬНЫЕ ПРИЕМЫ РЕТУШИ

Как побрить человека.

Вынести волоски (щетину) на ВЧ слой и заменить их фактурой чистой кожи

Если щетина была темная, поправить цвет на НЧ слое

Внимательно следите за фактурой, она сильно отличается на разных участках лица

«Брить» мужчину тяжело, поскольку на лице не хватает нужной фактуры

При необходимости нужную фактуру кожи можно взять с другой фотографии

Борьба с пробойными бликами. Ретушь НЧ.

Изображение раскладывается на две полосы с установками обеспечивающими полный переход фактуры кожи на ВЧ слой

На НЧ слое участки пробойных бликов закрашиваются цветом кожи

При необходимости на них наносится свето-теневой рисунок передающий объем объекта

Борьба с пробойными бликами. Ретушь ВЧ.

Если блик пробойный и вообще не содержал фактуры, она переносится с целых участков кожи

Если блик близок к пробойному и фактура кожи все-таки содержится, после ретуши НЧ она визуально усилится

Чтобы смягчить этот эффект можно наложить на нее фактуру с более гладких участков на отдельном слое с пониженной непрозрачностью

7. «ЧЕСТНОЕ» РАЗЛОЖЕНИЕ НА 2 ПОЛОСЫ ЧАСТОТ

Ошибка High Pass.

Максимальный диапазон разностей яркости от -256 (вычитаем белый из черного) до 256 (вычитаем черный из белого) составляет 512 тоновых уровней

Максимально возможные отклонения от средней яркости от -128 (затемнение) до 127 (осветление)

При наличии мелких деталей на массивном фоне отличающихся по яркости более чем на 128 уровней High Pass ошибается

Обычно это случается на точечных бликах расположенных на темном объекте

Чем больше радиус размытия, тем больше сама ошибка и вероятность ее появления.

На практике, при малых радиусах разница является «гомеопатической» и рассматривать ее как реальную проблему можно только с академической точки зрения

При больших радиусах ошибка составляет реальную проблему, поскольку «гасит» мелкие блики

Создание ВЧ составляющей вычитанием НЧ из оригинала.

Альтернативой High Pass является наложение на исходное изображение размытой версии при помощи команды Apply Image в режиме Subtract с установками Scale:2 Offset:128

В поле Offset (смещение) задается значение яркости вокруг которого будет откладываться результат вычитания

В поле Scale устанавливается во сколько раз будет уменьшаться результат вычитания перед добавлением к значению Offset

Диапазон установок Scale от 1 до 2, то есть контраст можно понизить максимум в 2 раза

Применять корректирующий слой понижающий контраст в этом случае не нужно, поскольку он уже понижен установкой Scale:2

Особенности разложения 16-битных изображений.

При вычислении ВЧ через команду Subtract у 16-битных изображений появляется ошибка величиной в 1 восьмибитный (128 шестнадцатибитных) уровень

Вероятно, это связано с тем, что реально вычисления происходят в пятнадцатибитном виде

Чтобы избежать этой ошибки при работе в 16-битном режиме вместо команды Subtract используют команду Add с активированным ключом Invert и установками Scale:2 Offset:0

Использование Surface Blur для получения НЧ составляющей.

В случае применения для получения НЧ составляющей Gaussian Blur вдоль контрастных границ создаются сильные ореолы

Ретушь в области ореолов может привести к «затягиванию» на объект цвета соседнего фона

Проблема проявляется тем более сильно, чем больше радиус размытия, поскольку в этом случае ореолы становятся более массивными и плотными

Чтобы избежать такой проблемы НЧ составляющую можно создавать при помощи фильтра Surface Blur

Границы, имеющие перепад яркости больше уровня установленного регулятором Threshold, не размываются

На практике удобнее всего подобрать значение Radius при установленном на максимум Threshold, а потом уменьшать значение Threshold до восстановления контрастных границ

8. АВТОМАТИЗАЦИЯ ПРОЦЕССА

Запись универсального экшена для разложения на 2 полосы частот.

Все операции выполняются со слоями, созданными самим экшеном

Слой создается командой Layer > New Layer и сразу переименовывается

Текущее изображение помещается на него при помощи команды Image > Apply Image с установкой Layer: Merged

Переключения между слоями выполняются при помощи шоткатов «Alt»+«[» и «Alt»+«]»

Для возможности переключения вместо отключения видимости слоя его непрозрачность уменьшается до нуля

При необходимости перемещение слоев выполняются командами Layer > Arange

В качестве подсказки перед применением Gaussian Blur в экшен вставляется команда Stop с комментариями по подбору радиуса

При регулярном применении Stop можно деактивировать или удалить

Преимущества «честного» разложения при работе с экшенами.

При записи экшена количество стандартных операций не является критичным

При этом важно минимизировать количество операций, требующих участия пользователя

Вычисление ВЧ составляющей через наложение НЧ на копию исходного слоя избавляет пользователя от задания радиуса для фильтра High Pass

Дополнительным плюсом такого метода является возможность применить для размытия не Gaussian Blur, а какой-нибудь другой фильтр

Создание набора экшенов для разложения на 2 полосы.

Сделать набор экшенов с жестко заданными значениями радиуса можно на основе универсального экшена

Для этого нужно убрать команду Stop, отключить диалоговое окно в Gaussian Blur и настроить его радиус на требуемый

Для удобства последующей работы с файлом к названиям слоев Low и High можно сразу добавить приписку со значением радиуса размытия

Экшен для пакетной обработки с настройкой по первому кадру.

При обработке серии фотографий с одинаковой крупностью объектов было бы удобно один раз вручную подобрать нужный радиус разложения, а потом применять его ко всей серии

Это можно сделать, если вместо прямого вызова конкретного фильтра вписать в экшен команду вызова последнего использовавшегося фильтра

Теперь достаточно один раз вызвать нужный фильтр (в рамках стандартного экшена или отдельно), настроить его параметры и он будет применяться при всех следующих запусках экшена

9. РАЗЛОЖЕНИЕ НА 3 ПОЛОСЫ ЧАСТОТ

Зачем раскладывают картинку на три полосы.

Чаще всего задача такого разложения — вынести все дефекты в среднюю полосу частот

Таким образом можно бороться с объектами определенного типоразмера, например веснушками

Кроме того, в средних частотах находится большинство «старящих» элементов: глубина морщин, жилистость, вены, провисания, мешки под глазами и т.п.

Реже ретушируются все три полосы, в этом случае процесс аналогичен разделению на 2 полосы, но позволяет проще работать объектами разного типоразмера

Как это сделать.

Для НЧ увеличиваем радиус Gaussian Blur пока не останется чистая форма

Для ВЧ уменьшаем радиус High Pass пока не останется чистая фактура

Создаем между нами слой средних частот применив к нему сначала High Pass с радиусом который использовался для создания НЧ, а потом Gaussian Blur с радиусом который использовался для создания ВЧ

Универсальное правило: High Pass следующего слоя имеет такой же радиус, как Gaussian Blur предыдущего

Теперь можно ретушировать средние частоты не обращая внимание не только на фактуру, но и на разницу цвета исходной и ретушируемой области

При «честном» разложении средние частоты получаются вычитанием из исходного изображения низких и высоких

Автоматизация разложение на три полосы.

Для создания ВЧ удобно использовать High Pass, поскольку он позволяет более наглядно подобрать радиус

В процессе подбора уменьшаем радиус High Pass пока на ВЧ не останется чистая фактура

Вместо High Pass можно использовать Gaussian Blur с визуализацией ВЧ составляющей

Слой средних частот можно получить вычитая из исходного изображения верхние и нижние частоты

10. УПРОЩЕННЫЙ МЕТОД РЕТУШИ СРЕДНИХ ЧАСТОТ (INVERTED HIGH PASS)

Почему можно упростить ретушь средних частот.

Ретушируя средние частоты мы прежде всего убираем лежащие в них излишние локальные объемы

Это можно сделать проще, не раскладывая изображение на три полосы, а выделить среднюю и вычесть ее из исходника

Вычитание должно быть локальным: только на участках где присутствует лишний объем, пропорционально степени его подавления

Как это сделать.

Подбирать радиус для High Pass удобнее через Gaussian Blur (через НЧ составляющую) и наоборот

Делаем копию исходного слоя

Вызываем Gaussian Blur, плавно увеличиваем радиус пока не исчезнут ненужные детали, запоминаем его значение и нажимаем Cansel

Вызываем High Pass, плавно уменьшаем радиус пока не пропадут ненужные объемы, запоминаем его значение и вводим радиус подобранный на предыдущем шаге

Применяем Gaussian Blur с радиусом подобранным на предыдущем шаге

Инвертируем изображение

В два раза понижаем контраст вокруг средней точки

Переключаем режим наложения на Linear Light

На слой вычитающий средние частоты из исходного изображения набрасываем черную маску

Белой кистью по маске прорисовываем те участки, на которых нужно подавить крупные детали

Автоматизация процесса.

Все рутинные операции записываются в экшен

Полоса средних частот получается вычитанием из исходного изображения НЧ и ВЧ полос с подобранными пользователем радиусами

За счет этого визуализация оказывается наиболее комфортной

Подбор верхнего радиуса можно делать после наложения на исходное изображение инвертированной СЧ+ВЧ составляющей. В этом случае используется Gaussian Blur и на размытой картинке начинает проступать чистая фактура

Чем приходится расплачиваться за скорость.

Результат ручной ретуши выглядите естественно прежде всего из-за сохранения мелких неоднородностей

За скорость и простоту приходится расплачиваться механистически правильной формой объектов, что визуально удешевляет работу

Соотношение радиусов обычно выбирают 1:3 или меньше, иначе результат будет выглядеть слишком неестественным

Для более тонкой работы соотношение радиусов берут примерно 1:2 и производят несколько циклов разложения с разными значениями вилки

При ретуши второстепенных участков можно брать соотношение 1:4 и даже больше

Для самостоятельного изучения:

Евгений Карташов. «Рецепты частотного разложения»

11. ЧАСТОТНОЕ РАЗЛОЖЕНИЕ И ДРУГИЕ ИНСТРУМЕНТЫ PHOTOSHOP

Средние частоты и Clarity.

Алгоритм работы Clarity строится на усилении (ослаблении) средних пространственных частот

При этом работа идет только по яркостной составляющей изображения

Повышение и ослабление Clarity не симметрично

Инструмент использует интеллектуальное размытие с сохранением контрастных контуров напоминающее Surface Blur, но не совпадающее с ним

При умеренных значениях можно рекомедовать использование Clarity в конвертере, при условии, что в дальнейшем изображение не будет подвергаться «сильной» обработке

Высокие частоты и повышение резкости.

Искусственное повышение резкости есть ни что иное, как усиление самых верхних из содержащихся в изображении частот.

При подготовке пейзажей основной проблемой является замыливание (исчезновение) сверх мелкой детализации (трава) вследствии нехватки разрешения.

Аналогичная проблема встает при подготовке изображений с мелкими деталями для размещения в интернете

Создать визуально ощущение наличия сверх мелких деталей можно добавив в изображение мелкий шум, согласованный с его элементами

Для этого повышаем резкость классическим способом, но оставляем это повышение только на низко контрастных областях

Проще всего это сделать используя Surface Blur в качестве фильтра, создающего нерезкую маску

12. В ЗАВЕРШЕНИИ РАЗГОВОРА

Для чего еще можно применять частотное разложение

Частотное разложение — это универсальный метод применимый к любому жанру фотографии

Убирать складки на ткани или других материалах

С его помощью можно смягчать слишком жесткие тени

Избавляться от разводов оставшихся после общей ретуши

Решать любые задачи, требующие различной работы с общей формой и мелкими деталями

Почему после частотного разложения картинка выглядит плохо?

Ретушь — это процесс не поддающийся автоматизации

Частотное разложение не делает ретушь за вас, оно лишь упрощает решение некоторых проблем

Увлекшись возможностью решить все «несколькими размашистыми мазками», при использовании частотного разложения ретушеры нередко позволяют себе работать халтурно

Будьте честны перед собой, не сваливайте собственные ошибки и халтуру на «плохую методику»

Чтобы избежать такой ловушки можно разделить процесс на два этапа

При помощи частотного разложения быстро поправить форму и разобраться с сильными огрехами фактуры (пробойные блики, грубая фактура и т. п.)

Последующую доработку производить при помощи привычных реализаций Dodge & Burn, чтобы обеспечить остаточную неоднородность и естественность изображения

Для самостоятельного изучения:

ModelMayhem.com — RAW! Beauty Robot.Сергей Брежнев «Частотное разложение vs Dodge&Burn»

Все про резкость. Часть 7. Дэн Маргулис против Андрея Журавлева.: skitalets_san — LiveJournal

Все про резкость. Часть 7. Дэн Маргулис против Андрея Журавлева.

Сначала, лирическое отступление. Сейчас, только ленивый, наверное, не слышал про частотное разложение. В свое время получилось так, что и я, и Андрей Журавлев стали независимо друг от друга углубленно заниматься изучением этого метода. Помню даже, как он обращался ко многим с просьбой предоставить ему портрет небритого мужчины, чтобы «побрить» его. Андрея Журавлева, по его же словам, вдохновила на эти изыски статья Александра Миловского. И он ушел с головой в исследование этого метода. В бОльшей степени применительно для портретной ретуши. Результатом его огромной работы в течении 4 лет стал 5-ти часовой мастер-класс, который я рекомендовал бы посмотреть всем и каждому, если кто еще не умеет пользоваться этим методом. Ибо там не просто все разложено по полочкам и разжевано, но даже и в рот положено.
Частотное разложение. Ultimate. Конспект и видео

Моим же вдохновителем детального исследования частотного разложения был Стефан Марш. После публикации его экшена по повышению резкости в сообществе Colortheory в яху-группах. Но в отличии от Андрея Журавлева я не занимался исследованием областей применимости метода частотного разложения, сосредоточившись только на повышении резкости. А потом и вообще года на 4 выпал из обоймы.

Так вот, а при чем тут вообще частотное разложение? А при том, что даже в самом примитивном случае использования, метод High Pass (цветовой контраст) плюс Overlay (перекрытие), как раз и является примером частотного разложения. Я в свое время пошел дальше. Решил попытаться восстановить (без образования ореолов) размытый контур с использованием только Unsharp Mask (контурная резкость) и частотного разложения. Суть идеи была проста. Разложить изображение на несколько высоких частот (я использовал радиусы 0,4 0,8 1,2 и 1,6) и к каждому высокочастотному слою применить Unsharp Mask (контурная резкость) с различными настройками таким образом, чтобы и контур восстановился и ореолы, за счет того, что имели различную ширину и интенсивность, взаимно погасили друг друга, оставив только восстановленный контур. Причем, приходилось все это делать еще и в несколько проходов. Реализовать идею удалось, но… для этого потребовались многочасовые пляски с бубнами с подбором параметров почти вслепую. Естественно, такой метод не применим для практического использования и не имеет никакого смысла. Потому что в Photoshop имеется уже не один инструмент (как было 5 лет назад), а целых три, которые справляются с задачей восстановления размытого контура намного быстрее и наглядней. Об этих инструментах и о методах их использования поговорим в последующих статьях. Если хватит творческого запала и не одолеет непроходимая лень, чисто для академического интереса, попробую описать все свои пляски с бубном более подробно и с картинками.

И все же, как соотносится название статьи и частотное разложение? Самым непосредственным образом. Дело в том, что, когда Андрей Журавлев заканчивал свой цикл статей по повышению резкости, он остановился только на High Pass (цветовой контраст) плюс Overlay (перекрытие) и не пошел дальше. Почему, я могу только предполагать. Само собой не потому, что не хватало знаний. Это точно не про него. Осмелюсь предположить, что виной тому стало его новое увлечение. Частотное разложение. И он с головой ушел в него не завершив начатое с резкостью. Больше того, где-то в публикациях у него мелькало, что он больше и не хочет возвращаться к вопросам резкости.

Чтобы была более понятна суть полемики, приведу цитаты из его статьи посвященной плюсам и минусам метода High Pass (цветовой контраст) плюс Overlay (перекрытие), где он описывает свою переписку с Дэном Маргулисом. Желающие могут ознакомиться с оригиналом:
Искусственное повышение резкости. Минусы и плюсы метода «High Pass – Overlay»

Минус первый: отсутствие Threshold (порога срабатывания). Как я уже писал выше, Threshold не решает всех проблем, связанных с усилением шумов при нерезком маскировании, и если основным критерием работы является качество, нерезкое маскирование все равно требует серьезной ручной доработки. Однако если во главе угла стоит скорость обработки, регулятор Threshold оказывается серьезным подспорьем. Вот мнение Дэна Маргулиса на эту тему, высказанное им в книге «Photoshop LAB Color» (врезка на стр. 135 русского издания):

«Некоторые пользователи, пытаясь получить альтернативный эффект, дублируют слой, задают режим наложения Overlay и применяют фильтр High Pass из меню Filter \ Other. Этот способ не только более громоздкий, но и менее гибкий, поскольку в нем отсутствует параметр Threshold, что затрудняет подбор оптимального значения Radius».

С такой оценкой я категорически не согласен. Ниже будет показано, что метод «High Pass» является гораздо более гибким, чем Unsharp Mask, и открывает такие возможности обработки, которые даже не снились последнему. Да, он более громоздкий и долгий, чем простой вызов фильтра Unsharp Mask, но качество конечного результата того стоит.
………………………………….……………………….

Рассматривать «громоздкость» данного метода в качестве минуса несерьезно: при незатейливом скоростном применении время, затрачиваемое на него, равно (или как минимум сравнимо) времени работы с Unsharp Mask, а при серьезной вдумчивой обработке результат настолько превосходит «конкурента», что сравнение становится просто некорректным.
………………………………….……………………….

После прочтения этихстрок у меня сразу же возник закономерный вопрос. Как оказалось, как будет видно ниже, не у меня одного. А кто мешает проделать абсолютно все то же самое с использованием Unsharp Mask (контурная резкость)? Применим к копии изображение нерезкое маскирование и из него вычтем оригинал. Получим абсолютно то же самое, что и в случае использования High Pass (цветовой контраст), только включая еще и работу Threshold. Причем, это не обязательно должен быть Unsharp Mask. Можно использовать и более продвинутые фильтры. Для меня не совсем понятно, почему Андрей так зациклился именно на High Pass.

Замечание от Дэна Маргулиса.

«Сравнение High Pass и традиционного USM сделано сильно, но не произвело на меня впечатления, потому что аргументы выглядят примерно так:

a) имеются красная и зеленая машины, обе без бензина;

b) поскольку бензина нет, мы должны толкать их чтобы заставить двигаться;

c) красная машина меньше, поэтому ее легче толкать;

d) однако, если заправить зеленую машину, можно было бы поехать на ней и анализ ситуации показал бы, что управляя зеленой машиной, можно добраться до многих мест, куда невозможно было бы попасть толкая красную;

e) таким образом, зеленая машина лучше чем красная, Ч.Т.Д.

Мой коментарий в книге, косающийся сравнения High Pass и USM, сделан в контексте традиционного рабочего потока, когда повышение резкости делается быстро. Если, скажем, мы согласимся с тем, что повышение резкости должно быть сделано максимум за 20 секунд без применения каких-либо скриптов или экшенов, тогда, я полагаю, мы согласимся и с тем, что High Pass не выдерживает соревнования. В этом случае можно:

a) сдублировать слой;

b) применить к нему USM с Amount 500%, Radius и Threshold по вкусу;

c) наложить поверх всего копию исходного слоя в режиме Darken с непрозрачностью 50%;

d) добавить настройки Blend If если необходимо управлять ореолами в тенях;

e) настроить непрозрачность слоя по вкусу

Можно получить аналогичный результат используя High Pass или, что то же самое, Gaussian Blur. Однако, каждый из этих путей потребует дополнительных шагов и в обоих случаях будет тяжело оценить, какими должны быть начальные настройки. Таким образом, при ограничении времени, нет смысла использовать High Pass.

Если есть больше времени, вы предлагаете ряд интересных вещей, которые можно реализовать используя результат действия фильтра High Pass. Все зависит от того, имеем ли мы карту ореолов.

Используя USM (или Gaussian Blur), можно легко создать такую же карту ореолов, просто вычтя оригинал из отшарпленной версии. С этой картой можно добиться всего того, что вы предложили сделать при помощи High Pass.

Примеры таких карт можно найти в обоих экшенах, ссылки на скачивание которых я давал на семинаре. Эти экшены понадобились, чтобы реализовать два заключения, которые я сделал после публикации последней книги.

1) Я пришел к выводу, что насыщеный цвет — это аргумент против повышения резкости, а нейтральный — аргумент за. Поэтому мне понадобилось каким-то образом автоматизировать создание маски цетовой насыщенности.

2) Сегодня мы часто встречаемся с необходимостью вычищать грязь, которая возникает в результате избыточного шарпа в камере или в Raw-конвертере, когда мы не имеем исходной (не шарпленной) версии изображения. Это требует метода, который позволяет подчеркивать более слабые ореолы не затрагивая более сильные, этакой «обратной отсечки» («Reverse Threshold»).

Экшены делают это, как и многое другое, например, создание темных и светлых ореолов с различными радиусами. Однако они построены не на прямом применении USM, а на создании карт ореолов, подобных той, которую делает High Pass. RGB-экшен создает два слоя с ореолами на средне-сером фоне, наложенные в режиме Linear Light (так же, как делает High Pass). Ореолы создаются при помощи Gaussian Blur.

Lab-экшен, представляющийся более практичным, использует USM для создания темных ореолов на белом фоне и светлых на черном. Они накладываются на изображение в режимах Multiply и Screen.

По этой причине ваши выводы кажутся мне не очевидными, а возможность создания карты ореолов при помощи USM — невыявленной. Однако, это не должно умалять общую ценность статьи, которая весьма значительна.»

При моем искреннем уважении к Дэну, у него есть одна скверная привычка: в споре он ставит такие граничные условия, которые априори делают его позицию беспроигрышной. А кто сказал, что у меня «нет бензина»? Почему мы должны отводить на повышение резкости всего 20 секунд и обходиться при этом без экшенов?

Как оказалось, я подумал точно о том же, о чем говорит Ден Маргулис. Андрей Журавлев абсолютно прав в том, что касается использования экшенов. Поэтому, мне тем более непонятно его упрямство в отстаивании преимуществ метода High Pass (цветовой контраст) плюс Overlay (перекрытие).  Как я писал выше, думаю, тут дело в том, что он просто переключился на другую заинтересовавшую его тему и не пошел дальше. В целом, в этом споре, я в бОльшей степени на стороне Андрея Журавлева. Я полностью согласен с его идеями по практическому применению High Pass. Но… сам инструмент то куцый. Куцый и кастрированный. В этом пункте я полностью на стороне Дэна Маргулиса. Абсолютно все, о чем говорит Андрей полностью применимо и к другим инструментам. Так зачем пользоваться самокатом, если можно ехать даже не на велосипеде, а на машине?

Таким образом получается, что все хвалебные оды, которые пелись методу High Pass (цветовой контраст) плюс Overlay (перекрытие) в предыдущей статье справедливы, но… за исключением самого инструмента. Сам я не придумал ничего нового. Для меня идейным вдохновителем явился экшен Стефана Марша. После него я стал выносить на высокочастотные слои действия абсолютно всех фильтров повышающих резкость. Включая и деконволюционные. Так как это действительно очень удобно и дает огромную гибкость. Поэтому, в свете всего выше сказанного, считаю использование именно инструмента High Pass (цветовой контраст) для повышение резкости не только совершенно бессмысленным, но и сильно ограничивающим возможности. Все, что можно делать с «картой ореолов» (термин прижившийся с легкой руки Андрея Журавлева) полностью применимо к любому фильтру повышающему резкость, которые имеют существенно больше возможностей по сравнению с примитивным High Pass (цветовой контраст). Огромной заслугой High Pass является не то, что он делает, ибо это можно сделать и другими методами и, зачастую, лучше, а в том, что этот инструмент дает идейный толчок для дальнейших исследований людям пытливым и любознательным. Лично мне, к сожалению, этого «толчка» не хватило. Потребовался дополнительный «толчок» в лице экшена Стефана Марша, чтобы дальше уже с головой уйти во всю эту «кухню».

Так что, при всем моем огромном уважении к Андрею Журавлеву, я в корне не согласен с его финальным подходом к повышению резкости, основанным на методе High Pass (цветовой контраст) плюс Overlay (перекрытие).

Ретушь портрета на основе частотного разложения изображения

Андрей Журавлев
Конспект Лекции «Ретушь портрета на основе частотного разложения изображения.»
И так, частотное преобразование (wavelet) изображения, инструмент уже есть в программе Gimp (графический редактор)
Что мы подразумеваем :

  • Низкие частоты — информация в изображении о общей форме

  • Средние частоты — о деталях

  • Высокие частоты — о мелких деталях придающих изображению «резкость»

Зачем нам это нужно — разделение изображения по такому принципу позволит редактировать отдельно каждую «частотную полосу»,
что по идее должно помочь ретушировать раздельно дефекты форм, дефекты изображения связанного с муаром, фактурой, убирать мелкий шум или вносить его, производить монтаж изображений получая новые художественные эффекты.

 Задача — разложить картинку на частотные составляющие, а затем сложить вместе и получить приемлемый результат.
Что считаем за частоту (как критерий), нас интересует размер элементов — это и будет критерием.
Поясним — считаем, что чем больше размер тем ниже частота, но размер подразумеваем как размер размытия по Гауссу.
Получается, чтобы выделить низкочастотную составляющую изображения, к нему нужно применить Гауссово размытие, для выделения верхней частоты полосы нам нужно применить высокочастотный фильтр, в Фотошопе это фильтр HighPass.
Хорошо, разделить изображение не сложно, как его собрать обратно ?
Если говорить о фотошопе, то на основе ВЧ фильтра HighPass смотрим для каждого пиксела, на сколько его яркость отличается от средне серого (127) и нужно внести эти данные в изображение полученное с помощью НЧ фильтра Gaus Blure. Для этого в режиме наложения слоев есть интересный режим Linear Light.
Есть одна особенность в работе этого режима, а именно коэффициент 2, откуда появляется — формула по которой работает режим L = A + 2 * (B — 128),  где L — результат наложения, A — цвет нижнего слоя, B — цвет накладываемого слоя. Формула применяется по каналам раздельно.
  Если нижним слоем будет изображение после НЧ фильтра, а верхним после HighPass, получим изображение с удвоенными по силе деталями.
Значит, результат после ВЧ фильтра нужно ослабить, т. е. вдвое уменьшить контраст. Для этого создадим корректирующий слой с кривыми
где выставим яркости темной точки в 64 а для светлой 192 (форма кривой — возрастающая прямая).
Редактирование результата НЧ  фильтрации позволяет поправить — плохой макияж, ошибки света, мешки под глазами и т.п., при этом фактура кожи остается не затронутой
поскольку мелкие детали у нас в ВЧ слое.
Результат ВЧ фильтрации позволяет аккуратно убрать веснушки, шрамы, морщины.
Рецепт редактирования женского портрета : разделим на 3-и частотные полосы, так чтобы на НЧ части нежелательные детали (в примере -веснушки)
исчезли, для этого из копии исходного изображения создаем SmartObject к нему применяем фильтр Gaus Blure, подбираем радиус радиус размытия как компромисс
между НЧ фильтром и ВЧ фильтром (в примере получили = 9).
Создаем SmartObject для ВЧ части к нему применяем фильтр HighPass с радиусом ~ 2, так чтобы стали проявляться веснушки.
Для СЧ части — фильтр HighPass должен цепляться за нижнюю и верхнюю части предыдущих частей.
Поправляем результаты согласно нашим представлениям о красоте.
От чего отталкиваться при выборе значений для фильтров :
для размытия по Гауссу, радиусы :
~2 уходит мелкая фактура,
~10 ухоит детализация лица (речь идет о портретной съемке), морщины, шрамы и т.д.
~20-25 — остается только освещение
~4 в ВЧ части тонкая фактура кожи и мелкая детализация.
Рецепт простого варианта ретуши :
Создаем СЧ фильтр, так чтобы в него входили детали которые нам ненужны в итоговом результате применяем фильтры Gaus Blure (10) + HighPass (~24), итог инвертируем и создаем из него SmartObject + корректирующая кривая учитывающая коэффициент
2 и наложение LinearLight. Далее создаем маску скрывающую ненужные детали.

Послесловие и начало эксперимента :
Я честно пытался повторить все, что было показанно на лекции, но результат не получался, не получался тем который нужен
изображение после фильтров оставалось мутным с некоторыми деталями.
Разбираясь, что не так, пришел к рецепту который изложу ниже.
Источники информации :
Андрей Журавлев «Цветокоррекция. Режимы наложения»
Александр Миловский «Муар нам только снится»
WiKi «Дискретное вейвлет-преобразование»

Вооружившись информацией приступим к действию, и для начала поясню некоторые детали
SmartObject — позволит нам изменять изображение, при этом надстройки над ним, такие как фильтры, режимы наложения остануться нетронутыми и будут действовать на результат изменений, кроме того появляется возможность попровлять режимы фильтров.
Создание групп — позволит нам группировать объекты, создавать более сложные обработки, уменьшить количество дублей слоев…

Первым делом разделим изображение на полосы низкой частоты и высокой частоты,

для этого создаем 2-е копии слоя оригинального изображения, делаем из каждой SmartObject, создаем группу «Разложение изображения» куда переносим копии.
К первой копии применяем фильтр Gaus Blure (размытие по Гаусу) например с значением 10.
Внутри группы «Разложение изображения» создаем группу
«ВЧ часть фильтра» в которую перенесем вторую копию изображения, к ней применим фильтр HighPass с значением 10, создадим корректирующий слой с кривыми
для коррекци контраста (прямая 64 — 192) и изменим режим наложения группы «ВЧ часть фильтра» на LinearLight.
Проверим, что наши действия приводят к адекватному результату. Изменяя видимость группы «Разложение изображения» сравниваем ее с исходным слоем,
если все сделано правильно разницы не заметим.
Смысл проделанных действий — мы провели границу частотного разделения по радиусу 10, теперь все что касается Нижних частот будет находиться в слое
с размытием по Гаусу, а все что связанно с Высокими частотами будет внутри группы «ВЧ часть фильтра»
Если нам понадобиться разделить на три полосы частот, НЧ СЧ ВЧ, то нам нужно будет внутри группы «ВЧ часть фильтра», произвести действия аналогичные
для получения группы «Разложение изображения», а именно сделать две копии результата фильтра HighPass (10), к первой применить размытие по Гаусу с меньшим
радиусом размытия (2,4), к второй применить фильтр HighPass с радиусом 2.4, создать вложенную группу в «ВЧ часть фильтра» куда поместить результат HighPass (2,4)
c корректирующими кривыми (прямая 64-192) и изменить режим наложения группы на LinearLight.

Нетрудно заметить, что тут возникает рекурсия, так в принципе и должно быть.
Редактируя SmartObject мы вносим изменения в соответствующие полосы частот, добиваясь нужного нам результата.

Видео, сейчас это группа Pink Floyd «Paint Box»

Экшн для ретуши в Photoshop на основе частотного разложения

Эта статья написана для тех, кто хочет погрузится в ретушь кожи при помощи частотного разложения.

Детальное описание сути метода частотного разложения, определений частотного разделения и примеров есть у Андрея Журавлева, вот в этом посте, за что ему оргомное спасибо. Я также уверен, что если вам интересна цвето-коррекция, то вы сможете найти у Андрея Журавлёва массу полезных и хорошо написанных статей.
Я же, всего лишь, создал экшн для ретуши в Photoshop, использующего метод частотного разложения изображения описаного Андреем.

Основная суть метода:
Разнеся разные частоты изображения на различные слои, мы сможем редатктировать крупные детали на слове НЧ, сглаживая картинку по яркости, при этом не убивать сверх-мелкую и среднюю детализацию, к примеру поры.
И наоборот, замазывая шрамы, вы можете больше не боятся за яркостную и цветовую составляющие, вы работете на ВЧ слое где только детализация.
Для упрощения работы, я сделал экшн для ретуши в Photoshop, он должен работать как в русской версии так и в английской.

Разложение частот выполнено только на 2 канала: Детали (Retouch Details) и Тон\Яркость ( Retouch Tone)


Как пользоваться экшенами в фотошопе:


  1. Открыли изображение

  2. Нажали Alt + F9  — показать окно Экшенов (Операций по русски)

  3. Загрузили экшн в список

  4. Теперь выбираем в списке Retouch -> Retouch Fourier 2ch и жмём в нижней части треугольничек play

  5. Появилась куча слоёв, но нам нужно работать всего с двумя:


  • Retouch Tone — НЧ составляющая

  • Retouch Details — ВЧ составляющая.


Как выполнить ретушь в фотошопе на основе метода частотного разложения :

Ретушь необходимо выполнять на новом прозрачном слое (в экшене это слои Retouch Tone и Retouch Details), включив для штампа режим Sample: Current & Below (Образец: Текущий и Предыдущий.

1) Начинаем с деталей
Убираем все артефакты которые нам не нравятся на слое Retouch Details.
Используем штамп (S) или Healing Brush tool — Восстанавливающая кисть (J)

2) Смотрим что получилось
Выбираем слой «Details Group — Linear Light» и ставим ему режим наложения Linear Light.
Зажимаем Alt и жмём по глазику на против слоя Background \ Задний План — тем самым отключаются все слои, кроме самого начального — тоесть видно картинку до \ после.

3) Если надо что-то доделать на слое с деталям — ставим режим наложения группы «Details Group — Linear Light»  в Pass Through ( Пропустить) и опять работаем на слое Retouch Details пока не достигнем желаемого результата

4) Неровности освещения — правим на слое Retouch Tone c помощью тех же инструментов + обычная кисть.

5) Смотрим что получилось — См Шаг 2. Если всё окей, оставляем всё как есть.

6) Так как слои использовались как смарт-объекты, то мы можем подогнать настройки разделения частот под себя — изменив значения смар-фильтров.
Кликаем 2 раза по слою Gaussian Blur (размытие по Гаусу) и изменяем значение размытия.
Такое же значение необходимо выставить в слое High Pass (Цветовой контраст).

Полностью согласен с Андреем, что для каждого отдельного изображения должен быть свой подход, так что значения ниже, не более чем ориентир:
Radius 1-2 — мелкая фактура кожи
Radius 4-5 — полная фактура кожи за исключением глубоких морщин и подобных дефектов
Radius 10-12 — полная фактура кожи с крупными дефектами
Radius 25-30 — практически все локальные блики и тени (мешки под глазами, носогубные складки, второй и прочие подбородки и т.п.)

Пост написан, дабы не забыть, да поделится с колегами из Фото-Клуба: «Просвіт»

Adobe Photoshop 1 ступень

Привет, меня зовут Андрей Журавлев, и я помогу Вам начать работать в программе Adobe Photoshop. Дальше нужно было бы написать о просторном классе, красивых компьютерах iMac, проекторе с правильной цветопередачей и огромной проекцией на целую стену. Все так и есть, но, на мой взгляд, не это является залогом успешного обучения.

Освоение Photoshop очень напоминает обучение вождению автомобиля. Сначала страшно от количества кнопок, команд и инструментов. После освоения первых инструментов страх проходит, но начинаешь в них путаться. К настройкам привык, и вот уже следующий вопрос: «А какой инструмент применять вот к этой картинке?»

Ничего не напоминает? Сначала тяжело тронуться с места, потому что ноги путаются в педалях. Трогаться научились, выехали на площадку, и все бы хорошо, но машина не всегда едет туда, куда задумывалось. Площадку освоили хорошо, пора выезжать в город, и тут даже не вопрос появляется, а паника: «Куда мне ехать сейчас?»

Можно ли «поехать» в Photoshop всего за 8 занятий? Можно, если рядом будет хороший инструктор. Главный плюс живых занятий — преподаватель всегда под рукой. Что-то не получается, сразу задал вопрос, сразу получил ответ. И чем проще объяснения, тем лучше. Я умею объяснять сложные вещи просто. А еще студенты говорят, что вживую я выгляжу не таким строгим, как на видео.

 

ПО ОКОНЧАНИИ КУРСА СТУДЕНТ ДОЛЖЕН УМЕТЬ:

  • Организовывать грамотное хранение файлов на диске.
  • Управлять файлами через программу Adobe Bridge.
  • Конвертировать raw-файлы средствами Adobe Camera Raw.
  • Кадрировать снимок и исправлять геометрию объектов.
  • Устанавливать и менять хроматический баланс изображения при помощи инструмента Curves (кривые).
  • Создавать и дорабатывать выделения, производить через них выборочные коррекции.
  • Эффективно использовать слои и маски слоя, уметь работать в не разрушающей манере.
  • Понимать логику работы и эффективно применять основные инструменты ретуши.
  • Делать выборочную коррекцию без применения масок.
  • Переводить фото в ч/б, тонировать цветное и ч/б изображение.
  • Сохранять изображение для печати и размещения в интернете.

 

О ПРЕПОДАВАТЕЛЕ: 

Андрей Журавлев — профессиональный цветокорректор и специалист по допечатной подготовке. Обработкой изображений в Adobe Photoshop занимается с 1996 года. 

С 2009 года проводит авторские семинары и курсы по обработке изображений. В 2010 году провел авторский мастер-класс в рамках конференции Adobe Creative Future, открыв для широкой русскоязычной аудитории «частотное разложение» — профессиональную методику быстрой ретуши, основанную на разложении изображения на частотные полосы.

Автор цикла статей, посвященных работе с режимами наложения, опубликованных в журнале «Фотомастерская». Ведет свой собственный блог, где можно найти много полезных материалов по цветокоррекции, повышению резкости, автоматизации обработки, работе с режимами наложения и многим другим вопросам работы в Adobe Photoshop.

  • ПРИ ЕДИНОВРЕМЕННОЙ ПОКУПКЕ 1 И 2 СТУПЕНИ СУММА ОПЛАТЫ СОСТАВИТ 34 900р.

Частотное разложение. Ultimate.

  • Загадка ЦРУ

    El-Dar   «Почему 7 утра?»

  • Русские

    El-Dar   «Классика из выступлений Михаила Николаевича…»

    14 марта 2021, 02:09

  • 20 правил, которыми…

    andersen   «Вот поэтому я не хожу по кафе…»

  • Кофе

    nezke   «Замечательно! Очень понравилось. Действительно…»

  • Дочь певицы Нюши

    andersen   «Лучше чем Анжела )))»

  • Разведенка с прицепом -…

    dsprts   «гнилая тема. как и сам брак. очередная…»

  • Самое честное про маски

    zmeij   «Пацаки должны носить цак! И не важно как он…»

  • У женщин как у мерседеса…

    optrnk   «Бугага!!! Да 60 летний мерседес дороже 20…»

  • Биллайн

    probel01   «Я бы уже на уровне монтажника послал. Не…»

  • Не отдых а разочарование.

    Razvedalnik   «Смяшно»

  • Ретушь портрета на основе частотного разложения изображения

    Comments:
    From: muph

    2010-04-30 10:32 am (UTC)

    (Link)

    прочитал пока по диагонали, но, по-моему, это круто)

    From: nee0
    2010-04-30 10:33 am (UTC)

    (Link)

    просто респект!

    Интересная тема!

    Однажды — ещё на прошлой работе — я похожим способом омолаживал некую актрису. Потом пришёл шеф и сказал, что в том возрасте, который получился на ретушированной фотке, она ещё даже в кино не снималась. Попросил добавить лет десять. Уменьшил Opacity, и получилось самое оно .)

    Кстати, ты на пейзажах эту штуку не испытывал?

    Надобности не было.

    Я вообще этот метод не часто использую. Не потому что он плохой или сложный, а потому что необходимость в нем редко возникает. В основном на работе обрабатываем людей, но бороться приходится не за красоту мелкой детализации, а за сохранение хоть какого-то качества при увеличении на 400-700%

    куча операций ради сомнительного результата

    А еще там горизонт завален

    Метод и в правду сложноват, но интересен отдельными шагами. Пока бегло просмотрел, дома сяду разбираться.

    На самом деле метод прост, быстр и эффективен. Если бы я читала урок, то тоже решила, что это слишком сложно для меня. Но побывав на семинаре и потом все испробовав дома оказалось все очень просто и быстро! У меня на ретушь стало уходить гораздо времени и качество не страдает после обработки. Андрей в этом уроке помимо техники пытается объяснить принцип работы, потому кажется все так сложно.
    Спасибо, Андрей!

    From: _la_
    2010-04-30 11:15 am (UTC)

    (Link)

    спасибо! интересно, буду пробовать 🙂

    помойму тема оч. клёвая. Конечно некоторые скажут что сомнительные действия и результат, но это потому что метод не универсальный и надо понимать где и как его нужно использовать. Кмк, у это метода оч. большой потенциал =))

    Так что в любом случае большое спасибо автору 🙂

    пасип. интересн

    А зачем убирать родинки? Это же не дефекты кожи, а индивидуальные особенности — как цвет глаз. Они каким-то образом по-вашему старят?

    А потому что я хотел показать, что их можно убрать. И сделать это можно достаточно просто и аккуратно. А можно не убрать, а приглушить.

    Нужно это делать с какой-то конкретной фотографией или нет, каждый решит сам для себя, когда будет ее обрабатывать.

    Очень интересно! Спасибо!

    ух Андрей, представляю сколько ты это готовил! молодец) я внес свою маленькую лепту, прочел полностью, хоть ты мне уже все показал)))
    кстати, править слой ретуши можно проще, ставишь sample all layers, слой ретуши делаешь clipping mask к разложению, а потом отключаешь все кроме него нажав на глазик с alt (option). по-моему проще намного и можно быстро щелкать, сомтреть, что получается)

    upd. забыл написать, я кажется понял почему он малораспространен. в нашей лентяйской стране мало кто осилит такие тексты)))

    Edited at 2010-04-30 12:37 pm (UTC)

    Можно и через Clipping Mask. Но для этого пришлось бы еще объяснять как действует Clipping Mask. А сильно грузить народ тоже не хочется. Да и не люблю я эту команду, мне с групами приятнее работать. Кстати, кликать по глазу с зажатым альтом я тоже не люблю, но это так, к слову.

    …в нашей лентяйской стране мало кто осилит такие тексты)))

    Ты имел ввиду «прочитать» или «написать»? :-)))

    Отлично описано! Спасибо за материал! Буду пробовать 🙂

    Интересный метод. Создаётся впечатление, что он дает куда больше возмолностей, чем здесь описано.

    круто, спасибо. я видел изрядно упрощенную схему, которая, кстати, иногда тоже вполне приличный результат даёт

    Человеческая личность отражает пространственно-временную и частотно-временную структуру ЭЭГ

    Характеристики ЭЭГ

    Для анализа особенностей электрической активности мозга были рассчитаны значения по формуле (7) для n = 1,… 19 каналов ЭЭГ. Полученные коэффициенты определяют процентное отношение спектральной энергии к дельта-, тета-, альфа-, бета-1, бета-2 и гамма-диапазонам частот, а также характеризуют степень участия нейронного ансамбля, расположенного в окрестности n -й регистрирующий электрод, в генерации соответствующего вида деятельности [56].

    Далее для описания нейродинамики в левом и правом полушариях мы рассмотрели коэффициенты ε LH (12) и ε RH (13), полученные усреднением коэффициентов ε , рассчитанных для каналов ЭЭГ, принадлежащих в левое и правое полушария соответственно. Согласно методу иерархической кластеризации (см. Материал и методы), субъектов можно сразу разделить на три группы. На рис. 3 (а) мы наносим на график значения ε RH и ε LH для каждого из 22 участников в активной (закрытые точки) и пассивной (светлые точки) фазах (каждая группа показана на отдельный подсюжет).

    Рис. 3. Три сценария познавательной деятельности при умственном обработка задачи.

    (а) Соотношение энергий высокочастотных и низкочастотных спектральных компонент в левом ( ε LH ) и правом ( ε RH ) полушариях, рассчитанное для активного (темные точки) и пассивного ( открытые точки) экспериментальные фазы. Распределения показаны для трех субъектов, принадлежащих к разным группам. (б) Коэффициент ε , показывающий соотношение между энергиями высокочастотных и низкочастотных спектральных компонентов, вычисленных для каждого канала ЭЭГ во время активной (левые столбцы) и пассивной (правые столбцы) фаз.Группы I и III содержат n = 8 предметов, а группа II содержит n = 6 предметов.

    https://doi.org/10.1371/journal.pone.0197642.g003

    Исходные данные, содержащие значения ε RH и ε LH для каждого предмета, показаны в таблице 1. Это Из рисунка 3 (а) ясно видно, что поведение ε RH и ε LH в каждой группе отличается. В группе I значения ε RH и ε LH имеют практически одинаковые значения во время активной и пассивной фаз.Во II группе активная фаза связана с увеличением высокочастотной активности в правом полушарии, а пассивная фаза — с повышением высокочастотной активности в левом полушарии. В группе III переход от активной к пассивной фазе связан с выраженным увеличением ε RH и уменьшением ε LH .

    Таблица 1. Особенности ЭЭГ, выявленные в активной фазе (выполнение таблицы Шульте) и пассивной фазе, в терминах коэффициентов ε LH, RH и k .

    ε LH, RH — соотношение между высокочастотной и низкочастотной активностью в левом и правом полушарии и k = ε RH / ε LH — степень полушария асимметрия.

    https://doi.org/10.1371/journal.pone.0197642.t001

    Рис. 3 (b) представляет пространственно-временную активность мозга в единицах ε в активной и пассивной фазах для каждой из трех групп. В группе I активность мозга в активной фазе характеризуется полушарной симметрией, тогда как в пассивной фазе полушарная симметрия сохраняется, хотя пространственно-временная структура меняется.

    В группе II пространственно-временная структура существенно отличается. Можно заметить асимметрию полушарий как в активной, так и в пассивной фазах. Однако характер асимметрии в этих фазах иной: высокочастотная активность преобладает в правом полушарии во время активной фазы и перемещается в левое полушарие во время пассивной фазы.

    В группе III испытуемые также демонстрируют асимметрию полушария как в активной, так и в пассивной фазах.В отличие от группы II характер асимметрии остается одинаковым в обеих фазах. Как видно из рис. 3 (б), асимметрия в обеих фазах проявляется в преобладании высокочастотной активности в правом полушарии. В то же время разница между активным и пассивным состояниями выявляет уменьшение ε в правом полушарии при переходе от активной фазы к пассивной.

    Чтобы проверить, действительно ли группы существенно отличаются друг от друга, мы применили многомерный дисперсионный анализ (MANOVA).В качестве критерия принадлежности к одной из трех групп мы выбрали межсубъектный фактор (независимая переменная). С другой стороны, значения ε RH и ε LH , рассчитанные для активной и пассивной фаз, считались внутрисубъектными факторами (зависимыми переменными). В результате этого анализа мы обнаружили существенные различия между группами. Множественные сравнения выявили значительные различия по всем факторам, за исключением ε LH ( p = 0.858) рассчитано в активной фазе в группах 1 и 3.

    Отличительные особенности активности мозга во время активной и пассивной фаз, наблюдаемые в трех группах, показаны на рис. 4 (а). Горизонтальные желтые полосы показывают медианное значение ε , рассчитанное для левого (LH) и правого (RH) полушарий во время активной и пассивной фаз. В группе I значения ε остаются практически одинаковыми для разных полушарий как в активной, так и в пассивной фазах ( p = 0.123 и p = 0,889 с помощью непараметрического знакового рангового критерия Вилкоксона (NPWSRT), n = 8). Во II группе активная фаза характеризуется резким увеличением ε в правом полушарии (медиана ε RH > 0,5 против медианы ε LH <0,35) ( p <0,05 по данным NPWSRT , n = 6). В пассивной фазе динамика обратная: в левом полушарии наблюдается увеличение ε (медиана ε RH <0.4 против медианы ε LH > 0,45) ( p <0,05 через NPWSRT, n = 6). Наконец, в группе III во время активной фазы ε в правом полушарии немного выше, чем в левом (медиана ε RH > 0,45 против медианы ε LH <0,45) ( p <0,05 через NPWSRT, n = 8). Во время пассивной фазы такая разница становится больше (медиана ε RH > 0.6 против медианы ε LH <0,35) ( p <0,05 через NPWSRT, n = 8).

    Рис. 4. Статистические показатели для трех сценариев познавательной деятельности.

    (а) Отношение ε между энергиями высокочастотных и низкочастотных спектральных компонент, рассчитанных для каналов ЭЭГ, принадлежащих левому (LH) и правому (RH) полушариям во время активной и пассивной фаз. (b) Отношение k между значениями ε , рассчитанными для левого и правого полушарий во время активной и пассивной фаз.Желтые полосы, прямоугольники и усы обозначают, соответственно, медианы, 25–75 процентилей и контуры. Группы I и III содержат n = 8 предметов, а группа II содержит n = 6 предметов. * p <0,05 с помощью непараметрического знакового рангового критерия Вилкоксона.

    https://doi.org/10.1371/journal.pone.0197642.g004

    Известно, что выполнение умственных задач связано с изменениями нейронной активности, которые можно обнаружить по спектру мощности ЭЭГ.Роль низкочастотной дельта-активности в умственных задачах изучалась в [57], где авторы сообщили об увеличении дельта-активности на ЭЭГ во время умственных задач, связанных с усилением внимания. Позже [58] также была выявлена ​​связь между дельта-колебаниями и выполнением умственных задач. С другой стороны, в более ранних работах [59, 60] подчеркивалось увеличение тета-активности во время умственных усилий. В последнее время для оценки динамики умственной нагрузки использовали изменение уровня активности в низкочастотном диапазоне θ [61].

    Связь между альфа-активностью и завершением умственных задач была продемонстрирована еще в 1984 году Осакой [62], который обнаружил изменения в амплитуде и местоположении пиковой альфа-частоты в спектре мощности. Позднее была выявлена ​​значительная роль альфа-активности в памяти и когнитивных процессах [63]. Изменения энергии высокочастотных ритмов мозга обычно связаны с познавательной деятельностью, в частности с выполнением умственной задачи [64]. Например, учет гамма-активности для классификации умственных задач повышает точность [65].

    Согласно рис. 4 (а), можно видеть, что электрическая активность мозга в каждой группе следует определенному сценарию, определяемому, с одной стороны, латерализацией функции мозга, а с другой стороны, определенными переходами между активным и пассивным. фазы. Для количественного описания наблюдаемых сценариев мы вычислили k = ε RH / ε LH , что отражает степень полушарной асимметрии. Эти значения нанесены для каждой группы на рис. 4 (б).Видно, что для группы I характерна полусферическая симметрия в активной и пассивной фазах, которая остается неизменной при фазовом переходе активно-пассив (Δ k ≈ 0), где Δ k = k пассивный k активный . Для других групп асимметрия и переход наблюдаются между активной и пассивной фазами и отображаются на графике в единицах k , которые можно описать как Δ k <0 и Δ k > 0, соответственно.

    Взаимосвязь между особенностями ЭЭГ и умственными способностями

    Участники, принадлежащие к каждой из трех групп, были подвергнуты психодиагностическим тестам (см. Методы). В результате для каждого предмета были оценены значения WE , WU и PS , которые определяют среднее время выполнения задачи, среднюю производительность и сохранение внимания соответственно (см. Таблицу 2).

    Результаты психодиагностических тестов представлены на рис. 5, где каждый участок иллюстрирует значения WE (a), PS (b) и WU (c) для каждой из трех групп.Данные представлены как среднее ± стандартное отклонение. Статистически сравнивали различия результатов психодиагностических тестов между группами испытуемых. Мы применили непараметрический критерий Крускала – Уоллиса H для нескольких независимых выборок для количественной оценки изменения значений WE , WU и PS по группам. В результате мы получили p <0,05 для средней производительности WU , среднего времени выполнения задачи WE и настойчивости внимания PS .

    Рис. 5. Результаты психодиагностических тестов.

    Меры, характеризующие умственные способности испытуемого во время выполнения теста Шульте. (a) Среднее время выполнения задачи WE (рассчитано по формуле 1, измерено в секундах). (b) Настойчивость внимания PS (рассчитывается по формуле 3, измеряется в безразмерных единицах). (c) Средняя производительность WU (рассчитана по формуле 2, измерена в безразмерных единицах). Данные представлены в виде среднего значения ± стандартное отклонение (стандартное отклонение — стандартное отклонение).

    https://doi.org/10.1371/journal.pone.0197642.g005

    Испытуемые I группы продемонстрировали двустороннюю активность ЭЭГ в обоих полушариях во время тестов с таблицами Шульте. При этом эти испытуемые продемонстрировали средне-низкую эффективность при выполнении задания. Для них среднее время выполнения задачи составило WE = 40,2 ± 0,68 секунды, а средняя производительность составила WU = 1,07 ± 0,08 (целевое значение — 1). Стойкость внимания была высокая PS = 0.97 ± 0,045 (целевое значение — 1). Испытуемые из этой группы могли сразу выполнять неизвестные задачи и поддерживать свою работоспособность на относительно высоком уровне, выше среднего или низкого уровня. Психологическая расшифровка тестов включала замечания о творческом подходе к выполнению тестов и быстром переходе к новым заданиям. В личном тесте такие испытуемые обладали ярко выраженной склонностью к работе в одиночку, высоким интеллектом, аналитическим складом ума, критическим мышлением, нетерпимостью к неопределенности и задержкой в ​​принятии решений.Более того, они демонстрировали самоконтроль, отсутствие тревожности, ярко выраженное лидерство и желание доминировать в группе. Мы предполагаем, что творческий подход и попытка оптимизировать их работу привели к снижению их эффективности работы.

    Испытуемые из II группы пытались разработать стратегию упрощения выполнения задания. При выполнении первой задачи присутствовала максимальная латерализация высокочастотной активности, т. Е. Активность в правом полушарии была гораздо более выраженной.Это означает, что при выполнении первой задачи стратегия еще не была разработана. При выполнении следующих заданий нагрузка на правое полушарие у этих испытуемых была снижена. В результате испытуемые из группы II продемонстрировали более высокую работоспособность, чем испытуемые из группы I. Среднее время выполнения задания составило WE = 33,6 ± 1,58 секунды. Стойкость внимания ПС = 0,86 ± 0,02 (целевое значение — 1). Средняя производительность составила WU = 1,07 ± 0,09 (целевое значение — 1).Этим испытуемым требовалось мало времени на адаптацию и они не утомлялись, будучи способны длительное время эффективно поддерживать высокую работоспособность. В их личных профилях гармонично сочетаются высокие показатели интеллекта, эмоциональной зрелости и самоконтроля.

    В отличие от группы II, испытуемые из III группы выполнили задание без каких-либо попыток разработать стратегию его упрощения. Это подтвердил психологический тест. Их эффективность работы оставалась высокой; среднее время выполнения задания составило WE = 33 ± 1.35 секунд. Стойкость внимания составила PS = 0,9 ± 0,02 (целевое значение — 1). Средняя производительность составила WU = 1,24 ± 0,06 (целевое значение — 1). Мы предполагаем, что испытуемым из этой группы трудно поддерживать высокую работоспособность в течение длительного времени. Их личные тесты показали явное предпочтение работать в одиночку с низким самоконтролем, нетерпимостью к неопределенности и задержкой в ​​принятии решений, которая может проявляться тревогой. Они также продемонстрировали высокий интеллект, аналитический склад ума, критическое мышление и дух экспериментов.

    Взаимосвязь с личностными качествами

    Участники, принадлежащие к каждой из трех групп, были подвергнуты тесту по 16 личностным факторам Кеттелла. На диаграмме на рис. 6 (а) показаны результаты теста «16 факторов личности» Кеттелла для трех групп. Данные отображаются в виде значений всех основных факторов анкеты 16PF, усредненных по всем предметам в каждой группе. Видно, что большинство факторов имеют схожие значения в каждой группе. В то же время для некоторых факторов соответствующие значения существенно различаются от группы к группе.Среди этих факторов можно выделить теплоту (A), рассуждения (B), эмоциональную стабильность (C) и доминирование (E). Чтобы количественно оценить различия между группами по каждому из анализируемых личностных факторов, мы применили непараметрический H-критерий Краскела-Уоллиса для нескольких независимых выборок. Значения p , рассчитанные для каждой из 16 личностных шкал, показаны на рис. 6 (b). Можно видеть, что для 4 факторов (A, B, C, E) p -значение относительно мало ( p ≤ 0,05), в то время как для других факторов p -значение значительно больше.Исходя из этого, мы рассмотрели эти 4 фактора более подробно и сравнили, насколько они различаются внутри групп. Мы применили непараметрический U-критерий Манна – Уитни, чтобы статистически проанализировать разницу между факторами в каждой паре групп. В результате мы обнаружили, что группа 1 и группа 2 не демонстрируют значительного изменения факторов A ( p = 0,218) и C ( p = 0,39). В то же время эти группы достоверно различаются по факторам B и E ( p <0.01). С другой стороны, различия между группами 1–3 и 2–3 значимы для всех рассмотренных факторов (Рис. 6 (c) –6 (f)).

    Рис. 6. Опросник по шестнадцати личностным факторам.

    (a) Основные факторы анкеты 16PF, усредненные по предметам в каждой группе (группа I — пунктирная линия, группа II — сплошная линия, группа III — пунктирная линия). Пунктирной областью выделены факторы, по которым наблюдаются значительные изменения между группами. (b) p -значения, рассчитанные для этих групп для различных факторов анкеты 16PF с помощью H-критерия Краскела – Уоллиса для нескольких независимых выборок.На вставке подробно показаны низкие значения p , рассчитанные для коэффициентов A, B, C, E. (c-e) Значения A, B, C, E рассчитаны для трех групп (данные показаны как среднее ± стандартное отклонение). Группы I и III содержат n = 8 субъектов, а группа II n = 6 субъектов, * p > 0,05, ** p > 0,01 по непараментрическому U-критерию Манна-Уитни.

    https://doi.org/10.1371/journal.pone.0197642.g006

    На диаграмме на рис. 6 (а) показаны результаты теста «16 факторов личности» Кеттелла для трех групп.Данные отображаются в виде значений всех основных факторов анкеты 16PF, усредненных по всем предметам в каждой группе. Видно, что большинство факторов имеют схожие значения в каждой группе. В то же время для некоторых факторов соответствующие значения существенно различаются от группы к группе. Среди этих факторов можно выделить теплоту (A), рассуждения (B), эмоциональную стабильность (C) и доминирование (E), которые представлены в таблице и сравниваются с результатами исследования ЭЭГ и психодиагностического теста на рис. (б).

    По результатам классификации личности на основе психодиагностического теста различные особенности структуры ЭЭГ, а именно латерализация и соотношение энергии высокочастотных и низкочастотных волн, отражают разные личностные качества. Важно отметить, что, хотя активность ЭЭГ варьировалась в разных группах, внутри каждой группы она представляла один и тот же сценарий. Подобное поведение наблюдалось в психологической классификации, где были выделены три группы субъектов со схожими личными профилями.

    Обычно в большинстве научных публикаций, направленных на выявление ЭЭГ-сигнатур когнитивной деятельности, описывается сценарий, повторяющийся от одного испытуемого к другому. В то же время мы показываем, что различия, возникающие от одного предмета к другому, также могут быть систематизированы. Среди испытуемых можно выделить разные сценарии познавательной деятельности в зависимости от личности.

    Наши результаты подтверждают гипотезу, выдвинутую Вингиано и Уильямом [66] о существовании связи между полушарием мозга и личностью.Наши результаты также согласуются с работой [67], где было показано, что связанные с тревожностью свойства личности, оцененные по методике Кэттела, коррелируют со спектральной плотностью мощности (СПМ) ритмов ЭЭГ, в частности, бета – 1 и бета – 2. Авторы утверждали, что интенсивный ритм бета-ЭЭГ коррелирует с высокой ситуативной и индивидуальной тревогой. В то же время было обнаружено, что эмоциональная устойчивость человека связана с силой альфа-ритма.

    Таким образом, полученные результаты дают новые знания в понимании особенностей личности человека путем анализа взаимосвязи пространственно-временной и частотно-временной структуры ЭЭГ.

    Следует отметить, что в целом, чтобы делать точные прогнозы относительно личности, требуется гораздо больший размер выборки. При этом в нашем исследовании мы постарались создать максимально однородную группу добровольцев, чтобы исключить неизбежное влияние дополнительных, плохо учтенных факторов на результаты наших оценок. Планируется дальнейшее расширение группы испытуемых на произвольно выбранных лиц (с разным физическим состоянием, полом, уровнем образования и т. Д.).Это должно быть достигнуто, во-первых, за счет увеличения числа испытуемых, а, во-вторых, за счет добавления различных техник психологического тестирования и личных психологических интервью каждого испытуемого, проводимых психологом.

    Ab initio расчеты термодинамических параметров оксидов лития, натрия и калия под давлением

  • 1. Вольнов И.И., Пероксидные соединения щелочных металлов (М., Наука, 1980).

    Google ученый

  • 2.

    R. H. Lamoreaux, D. L. Hildenbrand, J. Phys. Chem. Ref. Данные 13 , 151 (1984).

    ADS Статья Google ученый

  • 3.

    П. Гоэль, Н. Чоудхури, С. Л. Чапло, Phys. Ред. B: Конденс. Дело 70 (17), 174307 (2004).

    ADS Статья Google ученый

  • 4.

    Т. Курасава, Т. Такахаши, К. Нода, Х. Такешита, С. Насу и Х.Watanabe, J. Nucl. Матер. 107 , 334 (1982).

    ADS Статья Google ученый

  • 5.

    S. Hull, T. W. D. Farley, W. Hayes, M. T. Hutchings, J. Nucl. Матер. 160, , 125 (1988).

    ADS Статья Google ученый

  • 6.

    X.-F. Ли, X.-R. Чен, Ч.-М. Мэн, Г.-Ф. Цзи, Solid State Commun. 139 , 197 (2006).

    ADS Статья Google ученый

  • 7.

    R. Weiyi, W. Feng, Z. Zhou, X. Pingchuan, S. Weiguo, J. Nucl. Матер. 404 (2), 116 (2010).

    Артикул Google ученый

  • 8.

    В. Н. Жарков, В. А. Калинин, Уравнения состояния твердых тел при высоких давлениях и температурах, (Наука, М., 1968; Консультативное бюро, Нью-Йорк, 1971).

    Google ученый

  • 9.

    Ф. Берч, Дж.Geophys. Res. 57 , 227 (1952).

    ADS Статья Google ученый

  • 10.

    K. Kunc, I. Loa, K. Syassen, Phys. Ред. B: Конденс. Дело 68, , 094107 (2003).

    ADS Статья Google ученый

  • 11.

    П. Винет, Дж. Х. Роуз, Дж. Ферранте и Дж. Р. Смит, J. Phys .: Condens. Дело 1 , 1941 (1989)

    ADS Статья Google ученый

  • 12.

    W. B. Holzapfel, Rep. Prog. Phys. 59 , 29 (1996).

    ADS Статья Google ученый

  • 13.

    С. С. Кушва, Дж. Шанкер, Physica B (Амстердам) 253 , 90 (1998).

    ADS Google ученый

  • 14.

    R. E. Cohen, O. Gülseren, R. J. Hemley, Am. Минеральная. 85 , 338 (2000).

    Google ученый

  • 15.

    А. Б. Алчагиров, Дж. П. Пердью, Дж. К. Боттгер, Дж. К. Альберс, Р. К. Фиолхайс, Phys. Ред. B: Конденс. Дело 63 , 224115 (2001).

    ADS Статья Google ученый

  • 16.

    A. K. Pandey, Pharma Chem. 1 , 78 (2009).

    Google ученый

  • 17.

    Ландау Л.Д., Станюкович К.П. // Докл. Акад. АН СССР 46, , 399 (1945).

    Google ученый

  • 18.

    И. К. Слейтер, Введение в химическую физику (McGraw-Hill, Нью-Йорк, 1935).

    Google ученый

  • 19.

    Дж. С. Дагдейл, Д. К. Макдональд, Phys. Ред. 89 (4), 832 (1953).

    ADS Статья Google ученый

  • 20.

    В. Н. Зубарев, В.Я. Ващенко, Сов. Phys. Твердотельный 5 (3), 653 (1963).

    Google ученый

  • 21.

    Z. Wu, E. Zhao, H. Xiang, X. Hao, X. Liu, J. Meng, Phys. Ред. B: Конденс. Дело 76 , 054115 (2007).

    ADS Статья Google ученый

  • 22.

    Беломестных В. Н., ЖТФ. Phys. Lett. 30 (2), 91 (2004).

    ADS Статья Google ученый

  • 23.

    Панков В.Л., Науки Земли 1 (1), 11 (1998).

    Google ученый

  • 24.

    Фортов В. Е., Ломоносов И. В., Физика открытой плазмы. J. 3 , 122 (2010).

    Google ученый

  • 25.

    Оганов А.Р., Бродхольт Дж., Прайс Г. Д., Phys. Планета Земля. Интер. 122 , 277 (2000).

    ADS Статья Google ученый

  • 26.

    Д. Чен, К.-М. Сяо, Ю.-Л. Чжао, Б.-К. Сюн, Б.-Х. Ю., Д.-Х. Ши, Чин. Phys. Lett. 25 , 4352 (2008).

    ADS Статья Google ученый

  • 27.

    Х. Фу, В. Лю и Т. Гао, Can. J. Phys. 87 , 169 (2009).

    ADS Статья Google ученый

  • 28.

    М. А. Бланко, А. М. Пендас, Э. Франциско, Дж. М. Ресио и Р. Франко, J.Мол. Структура: ТЕОХИМА 368 , 245 (1996).

    Артикул Google ученый

  • 29.

    С.-Н. Луо и Т. Дж. Аренс, J. Geophys. Res. 108 , 2421 (2003).

    ADS Статья Google ученый

  • 30.

    В.Ю. Бодряков В.А., Повзнер А.А., Зелюкова О.Г. // УФН. Твердотельный 40 (9), 1433 (1998).

    ADS Статья Google ученый

  • 31.

    А. М. Молодец, Горючая, Explos. Ударные волны 31 (5), 620 (1995).

    Артикул Google ученый

  • 32.

    Л. Бураковский, Д. Л. Престон, Ю. Ван, Solid State Commun. 132 , 151 (2004).

    ADS Статья Google ученый

  • 33.

    Д. Т. Морелли и Дж. П. Хереманс, Appl. Phys. Lett. 81 , 5126 (2002).

    ADS Статья Google ученый

  • 34.

    Н. Кокер, Планета Земля. Sci. Lett. 292 , 392 (2010).

    ADS Статья Google ученый

  • 35.

    R. Dovesi, VR Saunders, C. Roetti, R. Orlando, CM Zicovich-Wilson, F. Pascale, B. Civalleri, K. Doll, and NM Harrison, CRYSTAL09: A Computational Tool for Solid Государственная химия и физика. Руководство пользователя (Туринский университет, Турин, Италия, 2009 г.).

    Google ученый

  • 36.

    J. P. Perdew, Y. Wang, Phys. Ред. B: Конденс. Дело 45, , 13244 (1992).

    ADS Статья Google ученый

  • 37.

    www.crystal.initio.it/Basic-Set/ptable.html.

  • 38.

    C. G. Broyden, J. Appl. Математика. 6, , 222 (1970).

    MathSciNet МАТЕМАТИКА Google ученый

  • 39.

    Р. Вайкофф, Кристаллическая структура (Интерсайенс, Нью-Йорк, 1963).

    Google ученый

  • 40.

    A. Lazicki, C.-S. Yoo, W. J. Evans, W. E. Pickett, Phys. Ред. B: Конденс. Дело 73 , 184120 (2006).

    ADS Статья Google ученый

  • 41.

    Y. Duan, D. C. Soerescu, Phys. Ред. B: Конденс. Дело 79 , 014301 (2009).

    ADS Статья Google ученый

  • 42.

    Ž. Чанчаревич, Й. К. Шен, М. Янсен, Phys. Ред. B: Конденс. Дело 73 (22), 224114 (2006).

    ADS Статья Google ученый

  • 43.

    М. Моакафи, Р. Хената и А. Бухемаду, Eur. Phys. J. B 64 , 35 (2008).

    ADS Статья Google ученый

  • 44.

    X.-F. Li, X. Chen, G. Ji, and C. Meng, Chin. Phys. Lett. 23 , 925 (2006).

    ADS Статья Google ученый

  • 45.

    M. M. Elcombe, W. Pryor, J. Phys. C: Физика твердого тела. 3 , 492 (1970).

    ADS Статья Google ученый

  • 46.

    T. Tanifugi, K. Shiozawa, S. Nasu, J. Nucl. Матер. 78, , 422 (1978).

    ADS Статья Google ученый

  • 47.

    M. F. Sarry, Tech. Phys. 43 (10), 1137 (1998).

    Артикул Google ученый

  • 48.

    М. Кумар и М. Кумар, Indian J. Pure Appl. Phys. 45 , 256 (2007).

    Google ученый

  • 49.

    Z.-Y. Цзэн, К.-Э. Ху, X.-R. Чен, X.-L. Чжан, Л.-К. Цай и Ф.-К. Цзин, Phys. Chem. Chem. Phys. 13 , 1669 (2011).

    Артикул Google ученый

  • Произошла ошибка при настройке пользовательского файла cookie

    Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.


    Настройка вашего браузера для приема файлов cookie

    Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

    • В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки вашего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
    • Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
    • Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
    • Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
    • Вы установили приложение, которое отслеживает или блокирует установку файлов cookie.Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

    Почему этому сайту требуются файлы cookie?

    Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.


    Что сохраняется в файле cookie?

    Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

    Как правило, в файле cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

    Перейти к основному содержанию Поиск