png轉gif去背的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

AI安全之對抗樣本入門

為了解決png轉gif去背的問題，作者兜哥 這樣論述：

本書系統介紹對抗樣本的基本原理，從相關的背景知識開始，包含搭建學習對抗樣本的軟硬體環境、常用工具，帶領讀者快速上手實踐。本書作者在安全領域有多年實踐經驗，對業界常見的方法做了系統的歸納總結，包含大量案例，深入淺出，實踐性強。 主要內容包括：·對抗樣本相關的深度學習背景知識，如梯度、優化器、反向傳遞等。·如何搭建學習對抗樣本的軟硬體環境。·對抗樣本領域的一些常見圖像處理技巧。·常見的白盒攻擊演算法與黑盒攻擊演算法。·對抗樣本在目標檢測領域的應用。·對抗樣本的常見加固演算法。·常見的對抗樣本工具以及如何搭建NIPS對抗樣本競賽環境。·如何站在巨人的肩膀上，快速生成自己的對抗樣本，進行攻防對抗。

兜哥，百度安全實驗室AI模型安全負責人，具有10餘年安全從業經歷，曾任百度基礎架構安全負責人、Web安全產品線負責人。主要研究方向為對抗樣本、生成對抗網路。著有AI安全暢銷書籍《Web安全之機器學習入門》《Web安全之深度學習實戰》《Web安全之強化學習與GAN》。著名開源AI安全工具箱AdvBox的作者，Free Buf、雷鋒網、安全客特邀專欄作家，知名安全自媒體「兜哥帶你學安全」主編。 序一 序二 自序 前言 第1章　深度學習基礎知識 1 1.1　深度學習的基本過程及相關概念 1 1.1.1　數據預處理 1 1.1.2　定義網路結構 2 1

.1.3　定義損失函數 6 1.1.4　反向傳遞與優化器 7 1.1.5　範數 12 1.2　傳統的圖像分類演算法 13 1.3　基於CNN的圖像分類 14 1.3.1　局部連接 14 1.3.2　參數共用 15 1.3.3　池化 17 1.3.4　典型的CNN結構 18 1.3.5　AlexNet的結構 19 1.3.6　VGG的結構 19 1.3.7　ResNet50 20 1.3.8　InceptionV3 20 1.3.9　視覺化CNN 20 1.4　常見性能衡量指標 30 1.4.1　測試資料 30 1.4.2　混淆矩陣 31 1.4.3　準確率與召回率 31 1.4.4　準確度與F

1-Score 32 1.4.5　ROC與AUC 33 1.5　集成學習 34 1.5.1　Boosting演算法 35 1.5.2　Bagging演算法 37 1.6　本章小結 39 第2章　打造對抗樣本工具箱 40 2.1　Anaconda 41 2.2　APT更新源 45 2.3　Python更新源 45 2.4　Jupyter notebook 45 2.5　TensorFlow 49 2.6　Keras 50 2.7　PyTorch 51 2.8　PaddlePaddle 52 2.9　AdvBox 52 2.10　GPU伺服器 52 2.11　本章小結 55 第3章　常見深度學

習平臺簡介 56 3.1　張量與計算圖 56 3.2　TensorFlow 58 3.3　Keras 62 3.4　PyTorch 64 3.5　MXNet 67 3.6　使用預訓練模型 70 3.7　本章小結 76 第4章　影像處理基礎知識 77 4.1　圖像格式 77 4.1.1　通道數與圖元深度 77 4.1.2　BMP格式 80 4.1.3　JPEG格式 81 4.1.4　GIF格式 81 4.1.5　PNG格式 81 4.2　圖像轉換 81 4.2.1　仿射變換 81 4.2.2　圖像縮放 83 4.2.3　圖像旋轉 85 4.2.4　圖像平移 85 4.2.5　圖像剪切 86 4

.2.6　圖像翻轉 87 4.2.7　亮度與對比度 88 4.3　圖像去噪 89 4.3.1　高斯雜訊和椒鹽雜訊 90 4.3.2　中值濾波 91 4.3.3　均值濾波 93 4.3.4　高斯濾波 93 4.3.5　高斯雙邊濾波 94 4.4　本章小結 96 第5章　白盒攻擊演算法 97 5.1　對抗樣本的基本原理 97 5.2　基於優化的對抗樣本生成演算法 100 5.2.1　使用PyTorch生成對抗樣本 102 5.2.5　使用TensorFlow生成對抗樣本 106 5.3　基於梯度的對抗樣本生成演算法 109 5.4　FGM/FGSM演算法 110 5.4.1　FGM/FGSM基本

原理 110 5.4.2　使用PyTorch實現FGM 111 5.4.3　使用TensorFlow實現FGM 112 5.5　DeepFool演算法 115 5.5.1　DeepFool基本原理 115 5.5.2　使用PyTorch實現DeepFool 117 5.5.3　使用TensorFlow實現DeepFool 122 5.6　JSMA演算法 124 5.6.1　JSMA基本原理 124 5.6.2　使用PyTorch實現JSMA 126   生活中的深度學習 深度學習自2006年產生之後就受到科研機構、工業界的高度關注。最初，深度學習主要用於圖像和語音領域。從2

011年開始，穀歌研究院和微軟研究 院的研究人員先後將深度學習應用到語音辨識，使識別錯誤率下降了20%～30%。2012年6月，穀歌首席架構師Jeff Dean和斯坦福大學教授Andrew Ng主導著名的Google Brain項目，採用16萬個CPU來構建一個深層神經網路，並將其應用於圖像和語音的識別，最終大獲成功。 2016年3月，AlphaGo與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝；2016年年末2017年年初，該程 序在中國棋類網站上以“大師”（Master）為註冊帳號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；2017年5月，在中國烏鎮

圍棋峰會上，它與排名世界第一的圍棋世界冠軍柯潔對戰，以3比0的總比分獲勝。AlphaGo的成功更是把深度學習的熱潮推向了全球，成為男女老少茶餘飯後關注的熱點話題。 現在，深度學習已經遍地開花，在方方面面影響和改變著人們的生活，比較典型的應用包括智慧家居、智慧駕駛、人臉支付和智慧安防。 深度學習的脆弱性 深度學習作為一個非常複雜的軟體系統，同樣會面對各種駭客攻擊。駭客通過攻擊深度學習系統，也可以威脅到財產安全、個人隱私、交通安全和公共安全（見圖0-1）。針對深度學習系統的攻擊，通常包括以下幾種。 1. 偷取模型 各大公司通過高薪聘請AI專家設計模型，花費大量資金、人力搜集訓練資料，又花費

大量資金購買GPU設備用於訓練模型，最後得到深度學習模型。深度學習模型的最終形式也就是從幾百KB到幾百MB不等的一個模型檔。深度學習模型對外提供服務的形式也主要分為雲模式的API，或者私有部署到使用者的移動 設備或資料中心的伺服器上。針對雲模式的API，駭客通過一定的遍歷演算法，在調用雲模式的API後，可以在本地還原出一個與原始模型功能相同或者類似的模型；針對私有部署到使用者的移動設備或資料中心的伺服器上，駭客通過逆向等傳統安全技術，可以把模型檔直接還原出來供其使用。偷取深度學習模型的過程如圖 0-2所示。 2. 數據投毒 針對深度學習的資料投毒主要是指向深度學習的訓練樣本中加入異常資料，導

致模型在遇到某些條件時會產生分類錯誤。如圖0-3所示。早期的資料投毒都 存在於實驗室環境，假設可以通過在離線訓練資料中添加精心構造的異常資料進行攻擊。這一攻擊方式需要接觸到模型的訓練資料，而在實際環境中，絕大多數情況都是公司內部在離線資料中訓練好模型再打包對外發佈服務，攻擊者難以接觸到訓練資料，攻擊難以發生。於是攻擊者把重點放到了線上學習的場景，即模型是利用線上的資料，幾乎是即時學習的，比較典型的場景就是推薦系統。推薦系統會結合使用者的歷史資料以及即時的訪問資料，共同進行學習和判斷，最終得到推薦結果。駭客正是利用這一可以接觸到訓練資料的機會，通過一定的演算法策略，發起訪問行為，最終導致推薦系統

產生錯誤。 3. 對抗樣本 對抗樣本由Christian Szegedy等人提出，是指在資料集中通過故意添加細微的干擾所形成的輸入樣本，這種樣本導致模型以高置信度給出一個錯誤的輸出。在正則化背景下，通過對抗訓練減少原有獨立同分佈的測試集的錯誤率，在對抗擾動的訓練集樣本上訓練網路。 簡單地講，對抗樣本通過在原始資料上疊加精心構造的人類難以察覺的擾動，使深度學習模型產生分類錯誤。以圖像分類模型為例，如圖0-4所示，通過在原始圖像上疊加擾動，對於肉眼來說，擾動非常細微，圖像看起來還是熊貓，但是圖像分類模型卻會以很大的概率識別為長臂猿。 下面以一個圖像分類模型為例，更加直接地解釋對抗樣本的基本原

理。通過在訓練樣本上學習，學到一個分割平面，在分割平面一側的為綠球，在分割平面另 外一側的為紅球。生成攻擊樣本的過程，就是在資料上添加一定的擾動，讓其跨越分割平面，從而把分割平面一側的紅球識別為綠球，如圖0-5所示。 對抗樣本按照攻擊後的效果分為Targeted Attack（定性攻擊）和Non-Targeted Attack（無定向攻擊）。區別在於Targeted Attack在攻擊前會設置攻擊的目標，比如把紅球識別為綠球，或者把麵包識別為熊貓，也就是說在攻擊後的效果是確定的；Non-Targeted Attack在攻擊前不用設置攻擊目標，只要攻擊後，識別的結果發生改變即可，可能會把麵包識

別為熊貓，也可能識別為小豬佩琪或者小豬喬治，如圖0-6所 示。 對抗樣本按照攻擊成本分為White-Box Attack（白盒攻擊）、Black-Box Attack（黑盒攻擊）和Real-World Attack/Physical Attack（真實世界/物理攻擊）。 White-Box Attack（見圖0-7）是其中攻擊難度最低的一種，前提是能夠完整獲取模型的結構，包括模型的組成以及隔層的參數情況，並且可以完整控制模型的輸入， 對輸入的控制細微性甚至可以到比特級別。由於White-Box Attack前置條件過於苛刻，通常作為實驗室的學術研究或者作為發起Black-Box Attac

k和Real-World Attack/Physical Attack的基礎。 Black-Box Attack相對White-Box Attack攻擊難度具有很大提高，Black-Box Attack完全把被攻擊模型當成一個黑盒，對模型的結構沒有瞭解，只能控制輸入，通過比對輸入和輸出的回饋來進行下一步攻擊，見圖0-8。 Real-World Attack/Physical Attack（見圖0-9）是這三種攻擊中難度最大的，除了不瞭解模型的結構，甚至對於輸入的控制也很弱。以攻擊圖像分類模型為例（見圖0-10），生成 的攻擊樣本要通過相機或者攝像頭採集，然後經過一系列未知的預處理後再輸入模型進

行預測。攻擊中對抗樣本會發生縮放、扭轉、光照變化、旋轉等。 常見檢測和加固方法 1. 深度學習脆弱性檢測 檢測深度學習脆弱性的過程，其實就是發起攻擊的過程，常見的白盒攻擊演算法列舉如下。 ILCM(最相似反覆運算演算法) FGSM(快速梯度演算法) BIM(基礎反覆運算演算法) JSMA(顯著圖攻擊演算法) DeepFool(DeepFool演算法) C/W(C/W演算法) 常見的黑盒攻擊方法列舉如下。 Single Pixel Attack(單圖元攻擊) Local Search Attack(本地搜索攻擊) 2. 深度學習脆弱性加固 針對深度學習脆弱性進行加固的常見方法主要包括以下幾種，

我們將重點介紹Adversarial training。 Feature squeezing(特徵凝結) Spatial smoothing(空間平滑) Label smoothing(標籤平滑) Adversarial training(對抗訓練) Virtual adversarial training (虛擬對抗訓練) Gaussian data augmentation (高斯資料增強) Adversarial training如圖0-11所示，其基本思路是，常見的對抗樣本生成演算法是已知的，訓練資料集也是已知的，那麼可以通過常見的一些對抗樣本工具箱，比如 AdvBox 或者FoolB

ox，在訓練資料的基礎上生成對應的對抗樣本，然後讓深度學習模型重新學習，讓它認識這些常見的對抗樣本，這樣新生成的深度學習模型就具有 了一定的識別對抗樣本的能力。 與Adversarial training思路類似的是Gaussian data augmentation。Gaussian data augmentation的基本原理是，對抗樣本是在原始資料上疊加一定的擾動，這些擾動非常接近隨機的一些雜訊。Adversarial training雖然簡單易於實現，但是技術上難以窮盡所有的攻擊樣本。Gaussian data augmentation直接在原始資料上疊加高斯雜訊，如圖0-12所示，k

為高斯雜訊的係數，係數越大，高斯雜訊越強，其他參數分別表示高斯雜訊的均 值和標準差。Gaussian data augmentation把訓練資料疊加了雜訊後，重新輸入給深度學習模型學習，通過增加訓練輪數、調整參數甚至增加模型層數，在不降低原有模型準確度的 情況下，讓新生成的深度學習模型具有了一定的識別對抗樣本的能力。 對抗樣本領域的最新進展 對抗樣本是AI安全研究的一個熱點，新的攻擊演算法和加固方法層出不窮，而且攻擊場景也從實驗室中的簡單圖像分類，迅速擴展到智慧音箱、無人駕駛等領 域。百度安全實驗室的最新研究報告《感知欺騙：基於深度神經網路（DNN）下物理性對抗攻擊與策略》成功入選Blac

kHat Europe 2018。報告展現了讓物體在深度學習系統的“眼”中憑空消失，在AI時代重現了大衛·科波菲爾的經典魔法。針對深度學習模型漏洞進行物理攻擊可行性研究 有著廣泛的應用前景，在自動駕駛領域、智慧安防領域、物品自動鑒定領域都有重要的實際意義。 如圖0-13所示，在時間t0的時候，當在車後顯示器中顯示正常logo時，YOLOv3可以正確識別目標車輛，而在t1時，切換到擾動後的圖片 時，它可以立刻讓目標車輛在YOLOv3面前變得無法辨識；在t2時，如圖0-14所示切換回正常的圖片，YOLOv3重新可以識別目標車輛。這是首次針 對車輛的物理攻擊的成功展示，與以往的學術論文相比，在攻擊

目標的大小、解析度的高低以及物理環境的複雜性等方面，在影響和難度上都是一個巨大提升。 Kan Yuan和Di Tang等人在論文《Stealthy Porn: Understanding Real-World Adversarial Images for Illicit Online Promotion》中介紹了黑產如何通過單色化、加雜訊、增加文字、仿射變化、濾波模糊化和遮蓋等方式讓違規圖片繞過目前主流的圖片內容檢測服務。這也標誌著對抗樣本技術已經從實驗室環境真正進入了網路對抗實戰。 國內安全人員在對抗樣本領域的研究成果得到了國際的普遍認可。朱軍等人指導的清華大學團隊曾在NIPS 2017

對抗樣本攻防競賽中奪冠，紀守領老師所在的 NESA Lab提出了一種新型的對抗性驗證碼，能防範來自打碼平臺等黑產的破解。  

EDIUS視頻、音頻制作標准教程

為了解決png轉gif去背的問題，作者袁詩軒 這樣論述：

EDIUS是日本Canopus 公司開發的優秀的非線性編輯軟件。EDIUS 擁有完善的基於文件的工作流程，提供了實時、多軌道、多格式混編、合成、色鍵、字幕及時間線輸出功能等。EDIUS 8 因其迅捷、易用和可靠的穩定性，為廣大專業制作者和電視人所廣泛使用，是混合格式編輯的絕佳選擇。該非線性編輯軟件專為廣播和后期制作環境而設計，特別針對新聞記者、無帶化視頻制播和存儲。 第1 章 初識EDIUS 8 軟件 . 11.1 視頻編輯術語常識 . 21.1.1 剪輯 21.1.2 幀和場 21.1.3 分辨率 31.1.4 獲取與壓縮 31.1.5 「數字/模擬」轉換器 . 31.1

.6 電視制式 31.1.7 復合視頻信號 41.1.8 時:分:秒:幀 . 41.2 認識線性與非線性編輯 . 51.2.1 線性編輯 51.2.2 非線性編輯 51.3 EDIUS 的應用領域 61.3.1 在影視制作中的應用 61.3.2 在電視廣告中的應用 61.3.3 在電影片頭中的應用 71.3.4 在企業專題中的應用 71.3.5 在產品宣傳中的應用 81.3.6 在電子相冊中的應用 81.3.7 在婚禮MV 中的應用 9第2 章 EDIUS 8 快速入門 102.1 安裝EDIUS 8 軟件 112.1.1 了解系統配置 112.1.2 實戰—安裝EDIUS 8軟件 112.2

了解EDIUS 8 工作界面 142.2.1 菜單欄 152.2.2 「播放」窗口 232.2.3 「錄制」窗口 232.2.4 「素材庫」面板 262.3 EDIUS 8 的啟動 . 282.3.1 實戰—從桌面圖標啟動軟件 . 282.3.2 從「開始」菜單啟動軟件 . 302.4 EDIUS 8 的退出 . 312.4.1 實戰—通過「退出」命令退出軟件 . 312.4.2 通過「關閉」按鈕退出軟件 322.4.3 通過「關閉」命令退出軟件 322.5 工程文件的新建 . 332.5.1 用「新建」命令新建文件 332.5.2 實戰—序列文件的新建 342.6 工程文件的打開 . 36

2.6.1 用「打開工程」命令打開文件 362.6.2 通過「軌道」面板打開文件 372.7 工程文件的保存 . 382.7.1 用「保存」命令保存文件 382.7.2 實戰—通過「另存為」命令保存文件 . 392.8 序列文件的導入與關閉 . 402.8.1 實戰—序列文件的導入 402.8.2 實戰—序列文件的關閉 42第3 章 軟件工作界面的調整 . 433.1 窗口模式的管理 . 443.1.1 實戰—單窗口模式 . 443.1.2 實戰—雙窗口模式 . 453.1.3 實戰—全屏預覽窗口模式 463.2 窗口疊加顯示. 473.2.1 實戰—顯示素材/設備 . 473.2.2 實戰—

顯示安全區域. 483.2.3 實戰—顯示中央十字線 503.2.4 實戰—顯示屏幕狀態. 513.3 視頻編輯模式. 533.3.1 實戰—常規模式 533.3.2 實戰—裁剪（入點）. 533.3.3 實戰—裁剪（出點）. 553.3.4 實戰—裁剪-滾動 . 573.3.5 實戰—裁剪-滑動 . 573.3.6 實戰—多機位模式 603.4 素材文件的管理 . 613.4.1 實戰—將素材添加到「素材庫」面板 613.4.2 實戰—創建靜幀 623.4.3 實戰—將序列添加到「素材庫」面板 63第4 章 影視素材的添加 654.1 圖像素材的添加 . 664.1.1 實戰—JPG 圖像素

材的添加 664.1.2 實戰—PNG 圖像素材的添加 674.1.3 BMP 圖像素材的添加 . 694.1.4 GIF 圖像素材的添加 . 704.1.5 TIF 圖像素材的添加 . 714.2 視頻素材的添加 . 724.2.1 實戰—AVI 視頻素材的添加 724.2.2 實戰—MPG 視頻素材的添加 734.2.3 MOV 視頻素材的添加 754.2.4 WMV 視頻素材的添加 . 754.3 彩條素材的添加 . 774.3.1 實戰—通過「素材」菜單中的「彩條」命令添加素材 . 774.3.2 通過快捷菜單中的「彩條」命令添加彩條 . 784.3.3 通過「素材庫」面板工具欄添加彩

條 . 804.3.4 通過「素材庫」面板中的快捷菜單命令添加彩條 . 804.4 色塊素材的添加 . 824.4.1 實戰—通過「素材」菜單中的「色塊」命令添加素材 . 824.4.2 實戰—通過快捷菜單中的「色塊」命令添加色塊 . 844.5 課后習題 . 864.5.1 上機習題1：添加圖像素材 874.5.2 上機習題2：添加視頻素材 87第5 章 視頻素材的編輯 895.1 素材選擇的方法 . 905.1.1 選擇單個素材對象 . 905.1.2 選擇選定軌道中的素材對象 905.2 素材文件的復制與粘貼 . 915.2.1 實戰—復制素材文件 . 915.2.2 實戰—粘貼素材至指

針位置 925.2.3 粘貼素材至入點位置 . 945.2.4 粘貼素材至出點位置 . 945.3 素材文件的剪切與波紋剪切 . 955.3.1 實戰—素材文件的剪切 965.3.2 實戰—素材的波紋剪切 975.4 素材文件的組合與解組 . 985.4.1 實戰—素材文件的連接 995.4.2 素材連接的解除 . 1005.4.3 將素材進行組合 . 1015.4.4 實戰—將素材進行解組 1025.5 素材文件的替換 . 1045.5.1 實戰—替換視頻中的素材文件 1045.5.2 替換視頻中的濾鏡效果 1065.5.3 替換視頻中的混合器效果 1075.5.4 替換視頻中的素材和濾鏡

1075.5.5 替換全部素材 1085.6 快速定位編輯點位置 . 1095.6.1 移動到上一編輯點 1095.6.2 移動到下一編輯點 1105.7 課后習題 1115.7.1 上機習題1：連接視頻素材 . 1115.7.2 上機習題2：替換圖像素材 . 111第6 章 視頻素材的刪除與修整 . 1136.1 素材的刪除與波紋刪除 . 1146.1.1 實戰—視頻素材的刪除 1146.1.2 視頻素材的波紋刪除 1156.1.3 實戰—刪除入/出點間內容 1166.1.4 波紋刪除入/出點間內容 . 1186.2 刪除素材部分特效 . 1186.2.1 實戰—視頻轉場特效的刪除 1186

.2.2 實戰—視頻混合特效的刪除 1196.2.3 實戰—視頻濾鏡特效的刪除 1216.2.4 背景音樂特效的刪除 1236.3 素材的精確修整 . 1246.3.1 實戰—素材持續時間的設置 1246.3.2 實戰—視頻慢速度播放的設置 1256.3.3 實戰—視頻快速度播放的設置 1276.3.4 實戰—素材時間重映射的設置 1286.4 音頻的精確修整 . 1316.4.1 實戰—音頻均衡化 . 1316.4.2 實戰—音頻偏移 . 1326.5 課后習題 . 1336.5.1 上機習題1：刪除視頻素材 1346.5.2 上機習題2：設置素材持續時間 134第7 章 素材片段的剪輯與標

記 . 1367.1 精確剪輯素材 . 1377.1.1 實戰—運用剪切點剪輯圖像 1377.1.2 實戰—運用剪切點剪輯視頻 1397.1.3 去除剪切點 . 1417.2 入點/出點的設置與清除 1427.2.1 實戰—素材入點的設置 1427.2.2 素材出點的設置 . 1437.2.3 實戰—為選定的素材設置入/出點 . 1447.2.4 素材入點的清除 . 1467.2.5 素材出點的清除 . 1477.2.6 素材入點與出點的同時清除 1487.3 素材標記的添加 . 1497.3.1 實戰—標記的添加 . 1507.3.2 實戰—添加標記到入/出點 1517.3.3 實戰—注釋內

容的添加 1527.4 標記的導入與導出 . 1547.4.1 實戰—在工程中導入標記列表 . 1547.4.2 實戰—在工程中導出標記列表 . 1557.5 課后習題 1577.5.1 上機習題1：運用剪切點剪輯視頻 1577.5.2 上機習題2：添加素材標記 158第8 章 視頻畫面的色彩校正 . 1608.1 視頻畫面色彩的控制 . 1618.1.1 「矢量圖/示波器」對話框 1618.1.2 通過命令打開「矢量圖/示波器」對話框 1628.1.3 通過按鈕打開「矢量圖/示波器」對話框 1638.2 運用EDIUS 8 校正視頻畫面 1648.2.1 實戰—YUV 曲線 . 1658.2

.2 實戰—三路色彩校正. 1678.2.3 實戰—單色 1708.2.4 實戰—反轉 1728.2.5 招貼畫1 . 1738.2.6 實戰—色彩平衡 1748.2.7 實戰—提高對比度 1768.2.8 褐色1 . 1778.2.9 實戰—負片 1788.2.10 實戰—顏色輪 1798.3 運用Photoshop 校正視頻畫面 . 1818.3.1 自動顏色 1818.3.2 自動色調 1818.3.3 自動對比度 1828.3.4 實戰—曲線 1828.3.5 色階 1848.3.6 色相和飽和度 1858.4 課后習題 1868.4.1 上機習題1：使用色彩平衡校正畫面 1878.4

.2 上機習題2：使用曲線調整 圖像整體色調 187第9章 制作視頻濾鏡特效. 1899.1 視頻濾鏡的基本操作 . 1909.1.1 實戰—濾鏡特效的添加 1909.1.2 實戰—濾鏡特效的刪除 1929.2 濾鏡特效的精彩應用 . 1949.2.1 實戰—中值 . 1949.2.2 實戰—光柵滾動 . 1969.2.3 動態模糊 . 1999.2.4 塊顏色 . 2009.2.5 實戰—混合濾鏡 . 2019.2.6 實戰—組合濾鏡 . 2039.3 課后習題 . 2069.3.1 上機習題1：添加濾鏡特效 2069.3.2 上機習題2：添加「組合濾鏡」濾鏡特效 . 208第10 章 制作

視頻轉場特效 . 21010.1 視頻轉場特效的基本操作 . 21110.1.1 轉場特效的添加 . 21110.1.2 軟件默認轉場特效的設置 . 21210.1.3 實戰—轉場特效的復制 . 21410.1.4 實戰—轉場特效的移動 . 21510.1.5 實戰—轉場特效的替換 . 21810.1.6 實戰—轉場特效的刪除 . 22010.2 轉場邊框特效的制作 . 22310.2.1 實戰—轉場邊框特效的添加 . 22310.2.2 實戰—轉場邊緣特效的柔化 . 22510.3 轉場特效的精彩應用 . 22710.3.1 交叉划像 . 22710.3.2 球化 . 22810.3.3 實

戰—Alpha . 22910.4 課后習題 . 23110.4.1 上機習題1：刪除轉場特效 23110.4.2 上機習題2：柔化轉場邊緣特效 232第11 章 制作畫面合成特效 . 23411.1 混合模式 . 23511.1.1 實戰—變暗模式 . 23511.1.2 實戰—正片疊底模式 23511.2 摳像 . 23811.2.1 實戰—色度鍵 . 23811.2.2 實戰—亮度鍵 . 24011.3 屏蔽 . 24211.3.1 實戰—創建屏蔽 . 24211.3.2 實戰—軌道屏蔽 . 24411.4 課后習題 . 24611.4.1 上機習題1：變暗模式 24611.4.1 上機

習題2：色度鍵 246第12 章 制作影視字幕特效 . 24912.1 多種標題字幕的創建 . 25012.1.1 單個橫向字幕的創建 25012.1.2 單個縱向字幕的創建 25212.1.3 多個標題字幕的創建 25312.1.4 模板標題字幕的創建 25512.2 標題字幕屬性的設置 . 25712.2.1 標題字幕的變換 25712.2.2 字幕間距的設置 25812.3 字幕特效的精彩應用 . 26012.3.1 實戰—字幕五彩特效. 26012.3.2 實戰—字幕紋理特效. 26312.3.3 實戰—字幕划像特效. 26512.3.4 實戰—字幕激光特效 26712.4 課后習題

26812.4.1 上機習題1：字幕紋理特效的制作 26812.4.2 上機習題2：字幕激光特效的制作 269第13 章 制作背景音樂特效 . 27113.1 音頻文件的添加 . 27213.1.1 通過菜單欄添加音頻文件 . 27213.1.2 通過「軌道」面板添加音頻文件 . 27313.2 為視頻錄制聲音 . 27413.2.1 實戰—錄音屬性的設置 . 27413.2.2 實戰—將聲音錄進軌道 . 27513.3 音頻文件的剪輯 . 27713.3.1 實戰—音頻文件的分割 . 27713.3.2 通過區間修整音頻 . 27813.4 音頻特效的精彩應用 . 27913.4.1 實戰—

「1kHz 消除」濾鏡特效 . 28013.4.2 實戰—低通濾波 . 28113.4.3 實戰—參數平衡器 . 28313.4.4 實戰—變調 . 28513.4.5 實戰—圖形均衡器 . 28613.4.6 延遲 . 28713.5 課后習題 . 28813.5.1 上機習題1：分割音頻文件 . 28913.5.2 上機習題2：制作「低通濾波」濾鏡特效 . 290第14 章 視頻文件的輸出與刻錄 . 29114.1 視頻文件的輸出 . 29214.1.1 實戰—設置視頻輸出屬性 . 29214.1.2 實戰—AVI 視頻文件的輸出 . 29314.1.3 實戰—MPEG 視頻文件的輸出 .

29514.1.4 實戰—入出點間視頻的輸出 . 29714.1.5 實戰—批量視頻文件的輸出 . 29914.2 視頻文件的渲染 . 30114.2.1 實戰—全部視頻的渲染 30114.2.2 實戰—入出點視頻的渲染 30214.2.3 渲染文件的刪除 30314.3 DVD 光盤的刻錄 . 30414.3.1 實戰—刻前准備事項. 30414.3.2 實戰—影片素材的導入 30514.3.3 實戰—畫面樣式的設置 30614.3.4 實戰—圖像文本的編輯 30814.3.5 實戰—DVD 光盤的刻錄 31114.4 課后習題 31214.4.1 上機習題1：輸出AVI 視頻文件 . 3

1214.4.2 上機習題2：渲染全部視頻 . 313第15 章 制作電視廣告—「伊瑟蘭斯」 31515.1 效果欣賞 . 31615.2 視頻制作過程 . 31615.2.1 導入電視廣告素材 . 31615.2.2 制作廣告背景動畫 . 31715.2.3 制作廣告產品動畫 . 32215.2.4 制作廣告字幕動畫 . 33315.3 視頻后期處理 . 34115.3.1 制作廣告背景音樂 . 34115.3.2 輸出電視廣告視頻 . 342

實戰或炫耀？中共航艦計畫之解析

為了解決png轉gif去背的問題，作者蕭福星 這樣論述：

　　改革開放以來，中共海上貿易頻繁、石油航路及周邊的主權衝突，均聚焦在海上，一般多認為中共發展航艦，就是為了上述實戰的需要，但在這種背景下卻仍歷經二十餘年努力而未能形成戰力，只能說是航艦武力所需的技術門檻太高所致。然而，另一種相對少見的相反觀點卻也存在：航艦技術並不困難，中共發展航艦只是為了炫耀，用來彰顯其大國地位而已，優先次序並不高。這兩種相對立的觀點究竟孰是孰非？本文從航艦武力的發展歷程、中共航艦相關軍備的發展狀況，以及中共航艦實戰價值的分析，發現常見的觀點其實缺乏根據，相對少見的相反觀點才較為可信。