虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

IMPortant

  • photoshop入门教程

    photoshop软件(本例中使用CS5版本,当然各版本界面都大同小异) 界面篇 1 首先我们打开photoshop软件,界面就如下图所示了: 2 左侧的是工具箱调板,我们可以用鼠标单击相应的工具进行图片处理操作,鼠标右击可以进行某一工具选择(再使用熟练后,我们也可以按下相应的键盘键进行选择),如图: 3 右侧的是窗口调板,我们可以点击菜单中的窗口菜单,在下拉列表中选择我们需要的窗口调板,如图: 4 顶部的菜单栏中包含了全部photoshop常用的操作,我们不必去死记硬背,只要平时常用就会烂熟于心了。 5 在菜单栏的下方是属性栏,显示当前我们正在使用的工具的属性,如图: END 常用操作 1 打开一张图片,方法有三种:①使用菜单里面的打开命令;②使用快捷键Ctrl+O;③双击photoshop界面中心;④拖动想要处理的图片到photoshop中打开;⑤右键选择要处理的图片选择使用photoshop打开命令。 2 保存图片的方法:一般按下键盘上的快捷键Ctrl+S,或使用菜单保存命令(如果要另存的话就选择另存为选项;保存的图片可以选择任意格式,.psd是保存当前处理的所有步骤,下次打开还可以继续编辑,JPEG、png、gif格式就是处理好的图片格式) 3 历史记录面板的用法:我们处理图片的时候可能要反复修改获得最佳的效果,那么历史记录工具就可以很方便的返回之前我们的操作状态,如图,点击要恢复的步骤,即可恢复图片: END 使用技巧 如图所示黑色是前景色、白色是背景色,我们可以按下键盘上的X键进行前景色和背景色的互换: 图片移动操作,我们打开两张图片,想要移动其中的一张到另一张中,我们可以按住键盘的Ctrl键,使用鼠标拖动一张图片到另一张图片中,如图: 3 我们可以在处理图片的时候按下Z键使用放大镜放大图片的细节,处理图片的时候就会容易许多,我们可以按ATL键在放大和缩小之间切换! 4 我们可以按住键盘上的空格键,移动图片,对于处理大型的图片还是非常方便的! END 注意事项 photoshop入门相对来说比较简单,但熟练操作至少要3个月左右! 精通photoshop是一条非常漫长的路程,有时候会打退堂鼓,但只要多操作,多制作,慢慢的时间久了也就精了。

    标签: photoshop 入门教程

    上传时间: 2017-12-07

    上传用户:1506034115

  • photoshop软件

    photoshop软件(本例中使用CS5版本,当然各版本界面都大同小异) 界面篇 1 首先我们打开photoshop软件,界面就如下图所示了: 2 左侧的是工具箱调板,我们可以用鼠标单击相应的工具进行图片处理操作,鼠标右击可以进行某一工具选择(再使用熟练后,我们也可以按下相应的键盘键进行选择),如图: 3 右侧的是窗口调板,我们可以点击菜单中的窗口菜单,在下拉列表中选择我们需要的窗口调板,如图: 4 顶部的菜单栏中包含了全部photoshop常用的操作,我们不必去死记硬背,只要平时常用就会烂熟于心了。 5 在菜单栏的下方是属性栏,显示当前我们正在使用的工具的属性,如图: END 常用操作 1 打开一张图片,方法有三种:①使用菜单里面的打开命令;②使用快捷键Ctrl+O;③双击photoshop界面中心;④拖动想要处理的图片到photoshop中打开;⑤右键选择要处理的图片选择使用photoshop打开命令。 2 保存图片的方法:一般按下键盘上的快捷键Ctrl+S,或使用菜单保存命令(如果要另存的话就选择另存为选项;保存的图片可以选择任意格式,.psd是保存当前处理的所有步骤,下次打开还可以继续编辑,JPEG、png、gif格式就是处理好的图片格式) 3 历史记录面板的用法:我们处理图片的时候可能要反复修改获得最佳的效果,那么历史记录工具就可以很方便的返回之前我们的操作状态,如图,点击要恢复的步骤,即可恢复图片: END 使用技巧 如图所示黑色是前景色、白色是背景色,我们可以按下键盘上的X键进行前景色和背景色的互换: 图片移动操作,我们打开两张图片,想要移动其中的一张到另一张中,我们可以按住键盘的Ctrl键,使用鼠标拖动一张图片到另一张图片中,如图: 3 我们可以在处理图片的时候按下Z键使用放大镜放大图片的细节,处理图片的时候就会容易许多,我们可以按ATL键在放大和缩小之间切换! 4 我们可以按住键盘上的空格键,移动图片,对于处理大型的图片还是非常方便的! END 注意事项 photoshop入门相对来说比较简单,但熟练操作至少要3个月左右! 精通photoshop是一条非常漫长的路程,有时候会打退堂鼓,但只要多操作,多制作,慢慢的时间久了也就精了。

    标签: photoshop 软件

    上传时间: 2017-12-07

    上传用户:1506034115

  • C # ChatBot 基于AIML

    C # ChatBot 基于AIML C # ChatBot 基于AIML

    标签: ChatBot AIML

    上传时间: 2018-01-20

    上传用户:hcedison

  • 基于FPGA 的数字滤波器设计

    基于FPGA 的数字滤波器设计源代基于FPGA 的数字滤波器设计源代码基于FPGA 的数字滤波器设计源代码

    标签: FPGA 数字 滤波器设计

    上传时间: 2018-03-29

    上传用户:18355095071

  • 数据结构实验

    #include <stdio.h>   #include <stdlib.h> ///链式栈      typedef struct node   {       int data;       struct node *next;   }Node,*Linklist;      Linklist Createlist()   {       Linklist p;       Linklist h;       int data1;       scanf("%d",&data1);       if(data1 != 0)       {           h = (Node *)malloc(sizeof(Node));           h->data = data1;           h->next = NULL;       }       else if(data1 == 0)       return NULL;       scanf("%d",&data1);       while(data1 != 0)       {           p = (Node *)malloc(sizeof(Node));           p -> data = data1;           p -> next = h;           h = p;           scanf("%d",&data1);       }       return h;   }      void Outputlist(Node *head)   {       Linklist p;       p = head;       while(p != NULL )       {           printf("%d ",p->data);           p = p->next;       }       printf("\n");   }      void Freelist(Node *head)   {       Node *p;       Node *q = NULL;       p = head;       while(p != NULL)       {           q = p;           p = p->next;           free(q);       }   }      int main()   {       Node *head;       head = Createlist();          Outputlist(head);          Freelist(head);          return 0;   }   2.顺序栈 [cpp] view plain copy #include <iostream>   #include <stdio.h>   #include <stdlib.h> ///顺序栈   #define MaxSize 100      using namespace std;      typedef

    标签: 数据结构 实验

    上传时间: 2018-05-09

    上传用户:123456..

  • UTM投影正反转换程序

    UTM投影正反转换程序 本程序是常用地图投影系列小程序之一,程序能用于不同基准面、单点及批量数据的UTM投影正、反转换,UTM与高斯-克吕格投影的相互转换,UTM正投影时的输入经纬度数据可以是度、度分及度分秒格式。

    标签: UTM 投影 转换 程序

    上传时间: 2018-05-15

    上传用户:c258520314

  • 有限差分法

    function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta)      %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta)   %该函数用有限差分法求解有两种介质的正方形区域的二维拉普拉斯方程的数值解   %函数返回迭代因子、迭代次数以及迭代完成后所求区域内网格节点处的值   %a为正方形求解区域的边长   %r1,r2分别表示两种介质的电导率   %up,under分别为上下边界值   %num表示将区域每边的网格剖分个数   %deta为迭代过程中所允许的相对误差限      n=num+1; %每边节点数   U(n,n)=0; %节点处数值矩阵   N=0; %迭代次数初值   alpha=2/(1+sin(pi/num));%超松弛迭代因子   k=r1/r2; %两介质电导率之比   U(1,1:n)=up; %求解区域上边界第一类边界条件   U(n,1:n)=under; %求解区域下边界第一类边界条件   U(2:num,1)=0;U(2:num,n)=0;      for i=2:num   U(i,2:num)=up-(up-under)/num*(i-1);%采用线性赋值对上下边界之间的节点赋迭代初值   end   G=1;   while G>0 %迭代条件:不满足相对误差限要求的节点数目G不为零   Un=U; %完成第n次迭代后所有节点处的值   G=0; %每完成一次迭代将不满足相对误差限要求的节点数目归零   for j=1:n   for i=2:num   U1=U(i,j); %第n次迭代时网格节点处的值      if j==1 %第n+1次迭代左边界第二类边界条件   U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j));   end         if (j>1)&&(j                 U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j));    U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的网格节点处的值      end      if i==n+1-j %第n+1次迭代两介质分界面(与网格对角线重合)第二类边界条件   U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1)));      end      if j==n %第n+1次迭代右边界第二类边界条件   U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j));   end   end   end   N=N+1 %显示迭代次数   Un1=U; %完成第n+1次迭代后所有节点处的值   err=abs((Un1-Un)./Un1);%第n+1次迭代与第n次迭代所有节点值的相对误差   err(1,1:n)=0; %上边界节点相对误差置零   err(n,1:n)=0; %下边界节点相对误差置零    G=sum(sum(err>deta))%显示每次迭代后不满足相对误差限要求的节点数目G   end

    标签: 有限差分

    上传时间: 2018-07-13

    上传用户:Kemin

  • 数据挖掘-聚类-K-means算法Java实现

    K-Means算法是最古老也是应用最广泛的聚类算法,它使用质心定义原型,质心是一组点的均值,通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1:选择K个点作为初始质心 step2:repeat                将每个点指派到最近的质心,形成K个簇                重新计算每个簇的质心             until 质心不在变化  例如下图的样本集,初始选择是三个质心比较集中,但是迭代3次之后,质心趋于稳定,并将样本集分为3部分    我们对每一个步骤都进行分析 step1:选择K个点作为初始质心 这一步首先要知道K的值,也就是说K是手动设置的,而不是像EM算法那样自动聚类成n个簇 其次,如何选择初始质心      最简单的方式无异于,随机选取质心了,然后多次运行,取效果最好的那个结果。这个方法,简单但不见得有效,有很大的可能是得到局部最优。      另一种复杂的方式是,随机选取一个质心,然后计算离这个质心最远的样本点,对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式,可以确保质心是随机的,并且是散开的。 step2:repeat                将每个点指派到最近的质心,形成K个簇                重新计算每个簇的质心             until 质心不在变化  如何定义最近的概念,对于欧式空间中的点,可以使用欧式空间,对于文档可以用余弦相似性等等。对于给定的数据,可能适应与多种合适的邻近性度量。

    标签: K-means Java 数据挖掘 聚类 算法

    上传时间: 2018-11-27

    上传用户:1159474180

  • MATLAB中FFT变换

    已知信号x(t)=0.15sin(2*pi*f1*t)+sin(2*pi*f2*t)-0.1sin(2*pi*f3*t),其中,f1=1Hz,f2=2Hz,f3=3Hz。采样频率为32Hz。(1)做32点FFT,求出其幅度谱;(2)做64点FFT,求出其幅度谱。

    标签: MATLAB FFT变换

    上传时间: 2019-01-04

    上传用户:知复何言

  • JAVA SMPP 源码

    Introduction jSMPP is a java implementation (SMPP API) of the SMPP protocol (currently supports SMPP v3.4). It provides interfaces to communicate with a Message Center or an ESME (External Short Message Entity) and is able to handle traffic of 3000-5000 messages per second. jSMPP is not a high-level library. People looking for a quick way to get started with SMPP may be better of using an abstraction layer such as the Apache Camel SMPP component: http://camel.apache.org/smpp.html Travis-CI status: History The project started on Google Code: http://code.google.com/p/jsmpp/ It was maintained by uudashr on Github until 2013. It is now a community project maintained at http://jsmpp.org Release procedure mvn deploy -DperformRelease=true -Durl=https://oss.sonatype.org/service/local/staging/deploy/maven2/ -DrepositoryId=sonatype-nexus-staging -Dgpg.passphrase=<yourpassphrase> log in here: https://oss.sonatype.org click the 'Staging Repositories' link select the repository and click close select the repository and click release License Copyright (C) 2007-2013, Nuruddin Ashr uudashr@gmail.com Copyright (C) 2012-2013, Denis Kostousov denis.kostousov@gmail.com Copyright (C) 2014, Daniel Pocock http://danielpocock.com Copyright (C) 2016, Pim Moerenhout pim.moerenhout@gmail.com This project is licensed under the Apache Software License 2.0.

    标签: JAVA SMPP 源码

    上传时间: 2019-01-25

    上传用户:dragon_longer