今天小编教大家使用Photoshop设计制作逼真的刚冲泡咖啡泡沫层效果,效果很美,喜欢的朋友可以一起来学习
作者思路非常严谨。制作效果之前,先找实物图认真参考,把咖啡的表面颜色、光影、泡沫构造、泡沫的分布等都做了详细了解;这样开展后续的工作就胸有成竹。
最终效果
一、观察 在动手之前,先观察下要制作的效果有哪些比较需要重点还原的地方,然后在脑海里过一遍操作步骤,会让整个制作流程变简洁很多。
这是原图,个人观察到的重点:
咖啡色的底色上面有斑驳的色块,毕竟像咖啡这样的液体很难做到非常纯净,这样的效果在制作时适当夸张也是可以的。
咖啡上的白泡,集中的地方更偏向纯白色,分散的较薄的地方偏向浅土黄色。越集中的地方气泡越紧致密集,越分散的地方气泡越大。集中的地方是一个类似小山的立体图形稍微有点高度,不是完全的平面。也就意味着要给它背光的地方加上适当的阴影。
大气泡朝向光的方向有非常小的反光,底下有投在咖啡表面的投影。
也许是刚被搅拌完,咖啡表面有很浅的螺旋纹,而且咖啡上浮着的油脂还是什么别的东西有环绕延展的趋势。
于是根据这些制作的内容,拟定制作的步骤:
先做底色。
做咖啡表面的螺旋纹。(虽然是这么想的,但是我制作时忘了)
再做色块和碎气泡底色。个人想着色块和碎气泡可以一起做,毕竟色块不是那么明显。
然后做较集中的气泡底色。把底色挖空就成了气泡的效果。
最后用滤镜给整体质感进行立体感的处理。
二、开始制作 先选对底色。(下面的滤镜效果大家根据实际需要调整数值就好。大家做的情况不同,给出指定数值没什么意义。我会把每次使用滤镜的理由都写出来)。
三、新建图层做色斑和气泡 色斑和气泡边缘都比较柔和,所以把笔刷硬度调到最低,开启用笔压控制透明度。颜色选取比底色明度稍高、色相偏黄作为较稀疏的气泡。(看观察的第二点)
画的方式为中间更集中、透明度更高。边缘分散的地方透明度较低。
四、做中间和边缘白色集中的气泡底色。 再这里我参考了一下原图调整了一下底色的颜色。
将气泡的底色挖空,就开始有了气泡的效果。挖空的时候注意观察的第二点,集中的区域有几个大气泡,其余都是小气泡,尽量避免过于规律。(在这里又调整了一次颜色)。 然后再背光的方向给白色的气泡加上浅色的阴影,赋予初步的立体感。边缘用之前一直在用的笔刷换成清除模式擦一下,避免过硬。
在这里挖这些细碎的气泡挖得有点累,于是想了一下有没有方法快速挖空大量密集的气泡。
然后想到这么一个方式:用PS自带的渲染云彩制作无序的颜色和明度。然后用杂色搭配阈值给云彩换算成斑点,再用高斯模糊将这些斑点做成柔和的圆斑。然后用通道选取这些斑点制作选区,用选区来挖空气泡图层。
(补充一下想这个方法的思路:首先气泡是在气泡底色上挖空出来的,快速挖空多个地方首先想到就是用选区。那问题就是怎么制作星星点点的选区。气泡不可能是一个硬边的小点,所以这些选区还要带半透明,只能使用通道了。那方向就变成怎样生成有大量柔和密集斑点的一张图来从通道提取选。
气泡的位置需要随机生成,在不用素材的前提下只能用云彩来定义随机。然后气泡可以抽象成密集的小点,那杂色+阈值来把云彩换成小斑点肯定是逃不掉了。上面说了气泡边缘需要柔和,因此要将这些小点处理成边缘柔和的小圆点,拉伸放大和高斯模糊都可以做到。) 流程如下:
1、云彩滤镜 

0
0
相关文章
本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
热门AI工具
相关专题
本专题围绕漫蛙漫画(Manwa / Manwa2)官网网页版入口进行整理,涵盖漫蛙漫画官方主页访问方式、网页版在线阅读入口、台版正版漫画浏览说明及基础使用指引,帮助用户快速进入漫蛙漫画官网,稳定在线阅读正版漫画内容,避免误入非官方页面。
13
2026.02.03
本专题汇总了俄罗斯知名搜索引擎 Yandex 的官网入口、免登录访问地址、中文登录方法与网页版使用指南,帮助用户稳定访问 Yandex 官网,并提供一站式入口汇总。无论是登录入口还是在线搜索,用户都能快速获取最新稳定的访问链接与使用指南。
114
2026.02.03
本专题专注讲解 Java 中常用的设计模式,包括单例模式、工厂模式、观察者模式、策略模式等,并结合代码重构实践,帮助学习者掌握 如何运用设计模式优化代码结构,提高代码的可读性、可维护性和扩展性。通过具体示例,展示设计模式如何解决实际开发中的复杂问题。
3
2026.02.03
本专题系统讲解 C# 异步编程与并发控制,重点介绍 async 和 await 关键字、Task 类、线程池管理、并发数据结构、死锁与线程安全问题。通过多个实战项目,帮助学习者掌握 如何在 C# 中编写高效的异步代码,提升应用的并发性能与响应速度。
2
2026.02.03
本专题深入讲解 Python 在强化学习(Reinforcement Learning)中的应用,重点介绍 深度Q网络(DQN) 及其实现方法,涵盖 Q-learning 算法、深度学习与神经网络的结合、环境模拟与奖励机制设计、探索与利用的平衡等。通过构建一个简单的游戏AI,帮助学习者掌握 如何使用 Python 训练智能体在动态环境中作出决策。
3
2026.02.03
热门下载
相关下载
精品课程
共345课时 | 47.6万人学习
共6课时 | 1.9万人学习
共2课时 | 0.8万人学习




