Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Napredni vizualni prompti: kompozicija, osvjetljenje, perspektiva

Lekcija 9 od 12 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Napredni vizualni prompti: kompozicija, osvjetljenje, perspektiva
  2. Anatomija profesionalnog vizualnog prompta
  3. Savladavanje kompozicije
  4. Savladavanje osvjetljenja
  5. Savladavanje perspektive
  6. Ponovno upotrebljiv graditelj prompta

Ažuriranje 2. studenoga 2026. — modeli za slike. gpt-image-1, za koji je ovaj tečaj izvorno napisan, ukinut je 23. listopada 2026., a gpt-image-1.5, gpt-image-1-mini i chatgpt-image-latest bit će povučeni 1. prosinca 2026. Primjeri sada koriste gpt-image-2.5-sunburst, najprecizniji model za uređivanje; gpt-image-2.5-flare je brži za standardno generiranje. Oba također podržavaju postavke kvalitete xhigh i max. GPT Image modeli uvijek vraćaju slike u base64 formatu: parametar response_format iz starijih DALL·E modela nije prihvaćen i uklonjen je iz koda. Izvor: Image generation (OpenAI).

Napredni vizualni prompti: kompozicija, osvjetljenje, perspektiva

Dobro strukturiran prompt je ono što razdvaja pristojnu sliku od one profesionalne kvalitete. Poluga nije u duljini — već u rječniku. GPT Image razumije terminologiju fotografije, filma i likovnih umjetnosti. Govoriti tim jezikom znači davati upute direktoru fotografije, umjesto da izričeš želje. Ova lekcija podučava te tom rječniku i načinu na koji ga organizirati.

Anatomija profesionalnog vizualnog prompta

Napredni prompt raščlanjuje se na slojeve, od kojih svaki odgovara na zasebno pitanje: tko ili što, kako raspoređeno, kako osvijetljeno, iz koje točke gledano, u kojem registru, s kojim optičkim karakteristikama. Eksplicitno imenovanje ovih slojeva u tekstu prompta — „Predmet: … Kompozicija: … Osvjetljenje: …” — pomaže modelu da ne miješa registre. Primjer u nastavku opisuje arhitekta u svom ateljeu: predmet zauzima lijevu trećinu prema pravilu trećina, svjetlost dolazi bočno kroz velike prozore, kamera je pod suptilnim donjim kutom s žarišnom duljinom od 35 mm, registar je topla desaturirana urednička dokumentarna fotografija, a dubinska oštrina ostavlja pozadinu u laganom bokehu. Svaka od ovih šest rečenica oduzima modelu slobodu koju bi inače nasumično iskoristio.

from openai import OpenAI
import base64

client = OpenAI()

def prompt_multicouche(
    sujet: str,
    composition: str,
    eclairage: str,
    perspective: str,
    style: str,
    details_techniques: str,
    output: str
):
    """Builds a multi-layer prompt for maximum control."""
    prompt = (
        f"Subject: {sujet}. "
        f"Composition: {composition}. "
        f"Lighting: {eclairage}. "
        f"Perspective: {perspective}. "
        f"Style: {style}. "
        f"Technical details: {details_techniques}."
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1536x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Advanced image: {output}")
    return prompt


prompt_utilise = prompt_multicouche(
    sujet="Architect working on blueprints in a bright studio",
    composition="Rule of thirds, subject at left third, depth with multiple planes",
    eclairage="Lateral natural light from large windows, soft shadows",
    perspective="Slightly low angle (subtle low-angle shot), 35mm focal length",
    style="Editorial documentary photography, warm desaturated tones",
    details_techniques="Medium depth of field, sharp foreground, light background bokeh",
    output="architecte_atelier.png"
)

Savladavanje kompozicije

Kompozicija određuje kako oko putuje kroz sliku, a kontroliraš je imenovanjem pravila koja model prepoznaje.

Klasična pravila kompozicije

Rječnik u nastavku okuplja pet glavnih kompozicijskih obitelji i primjenjuje ih na namjerno identičan predmet — usamljeni svjetionik na bretonskoj litici — tako da se usporedba fokusira isključivo na postavljanje. Pravilo trećina smješta svjetionik na sjecište linija moći i stvara naj„prirodniju“ sliku; simetrija u stilu Wesa Andersona centrira vertikalnu os i dodaje odraz u vodi; dijagonala stvara napetost od donjeg lijevog do gornjeg desnog kuta; okvir unutar okvira tjera te da svjetionik promatraš kroz luk ili prozor, stvarajući trenutnu dubinu; naposljetku, minimalistička kompozicija svodi svjetionik na sitnu točku u golemom negativnom prostoru, pretvarajući predmet u izgovor. Pet slika istog svjetionika, pet različitih izjava.

from openai import OpenAI
import base64

client = OpenAI()

compositions = {
    "regle_des_tiers": (
        "Rule of thirds composition, subject positioned at the intersection "
        "of power lines (right third, bottom third)"
    ),
    "symetrie": (
        "Perfectly symmetrical composition, central vertical axis, "
        "reflections in water, Wes Anderson style"
    ),
    "diagonale": (
        "Dynamic diagonal composition, power line from "
        "bottom-left corner to top-right corner"
    ),
    "cadre_dans_cadre": (
        "Frame within a frame: subject viewed through an arch, "
        "a window, or a natural framing"
    ),
    "minimaliste": (
        "Minimalist composition, huge negative space, "
        "small isolated subject in a vast environment"
    ),
}

sujet_base = "An isolated lighthouse on a Breton cliff facing the sea"

for nom, composition in compositions.items():
    prompt = f"{sujet_base}, {composition}, landscape photography"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1536x1024",
        quality="high",
    )

    path = f"composition_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Composition {nom} → {path}")

Planovi i dubina

Dubina se ne traži odjednom; gradi se plan po plan. Sljedeći prompt opisuje provansalsku tržnicu eksplicitnim dodjeljivanjem sadržaja i oštrine svakom od triju planova: sapuni i lavanda u prvom planu, savršeno oštri; prodavač i kupac u srednjem planu, blago zamućeni; zlatne kamene fasade i platane u pozadini, s izraženim bokehom. Završni spomen objektiva od 50 mm otvorenog na f/1.8 samo optički potvrđuje ono što je opis već uspostavio — i upravo ta namjerna redundancija čini rezultat pouzdanim.

from openai import OpenAI
import base64

client = OpenAI()

prompt_profondeur = (
    "Provençal market scene with three distinct planes: "
    "sharp foreground—display of lavender and artisanal soaps, "
    "middle ground—vendor and customer in conversation, slight blur, "
    "background—golden stone facades and plane trees, pronounced bokeh. "
    "Photography with 50mm f/1.8 lens, shallow depth of field."
)

response = client.images.generate(
    model="gpt-image-2.5-sunburst",
    prompt=prompt_profondeur,
    size="1536x1024",
    quality="high",
)

data = base64.b64decode(response.data[0].b64_json)
with open("marche_profondeur.png", "wb") as f:
    f.write(data)

Savladavanje osvjetljenja

Osvjetljenje je najmoćniji alat za stvaranje atmosfere i najisplativiji u smislu uloženih znakova. Šest postavki pokriva većinu potreba, a petlja u nastavku primjenjuje ih sve na isti portret fokusiranog violinista. Rembrandtovo osvjetljenje, s jednim izvorom pod kutom od 45 stupnjeva i trokutastim odsjajem na suprotnom obrazu, daje klasični studijski portret. Rubno svjetlo (rim light) postavlja izvor iza predmeta i zadržava samo halo obrisa, proizvodeći sliku siluete. Podijeljeno osvjetljenje (split lighting) reže lice na dvije polovice, jednu osvijetljenu, drugu u sjeni, trenutno prelazeći u filmski registar. Zlatni sat donosi koso zlatno svjetlo i njegovu nostalgičnu lećnu bljeskavicu, urbano neonsko svjetlo donosi ružičaste i cijan izvore koji se reflektiraju na mokrim površinama, a visokotonalni studio (high-key) donosi jednoličnost bez sjena i komercijalnu bijelu pozadinu. Isti predmet postaje intiman, misteriozan ili spreman za oglašavanje, redom.

from openai import OpenAI
import base64

client = OpenAI()

eclairages_avances = {
    "rembrandt": (
        "Rembrandt lighting: single source at 45 degrees, triangular highlight "
        "on opposite cheek, deep dramatic shadows"
    ),
    "rim_light": (
        "Backlighting (rim light): silhouette outlined by a luminous halo, "
        "source directly behind subject, details in shadows"
    ),
    "split": (
        "Split lighting: half face lit, half in shadow, "
        "clear separation, mysterious cinematic atmosphere"
    ),
    "golden_hour": (
        "Golden hour: raking golden light, long warm shadows, "
        "subtle lens flare, soft nostalgic atmosphere"
    ),
    "neon": (
        "Urban neon lighting: multiple pink and cyan sources, "
        "reflections on wet surfaces, nocturnal cyberpunk atmosphere"
    ),
    "studio_high_key": (
        "High-key studio: uniformly bright lighting, minimal shadows, "
        "white background, clean commercial atmosphere"
    ),
}

sujet = "Portrait of a focused violinist"

for nom, eclairage in eclairages_avances.items():
    prompt = f"{sujet}, {eclairage}"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536",
        quality="high",
    )

    path = f"eclairage_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Lighting {nom} → {path}")

Savladavanje perspektive

Perspektiva utječe na to kako promatrač doživljava predmet, a njezin je učinak gotovo uvijek psihološki prije nego estetski. Pogled odozgo (visoki kut) gleda dolje na scenu i umanjuje ono što promatra; pogled odozdo (niski kut), s kamerom na razini tla, povećava predmet i daje mu moć; savršeno okomit zračni pogled ukida volumen i pretvara stvarnost u grafički uzorak; pogled crva (worm’s-eye view) gura niski kut do krajnosti, čineći da se sve linije konvergencije spajaju prema nebu; naposljetku, pogled u visini očiju s žarišnom duljinom od 50 mm reproducira ljudski vid i nestaje u korist predmeta. Na neboderima od stakla i čelika, razlika između ovih pet slika nije u zgradi, već u odnosu koji one uspostavljaju s njom. Imaj na umu da petlja prelazi na portretni format za dva niska kuta jer snimak zgrade iz niskog kuta treba visinu da bi disao.

from openai import OpenAI
import base64

client = OpenAI()

perspectives = {
    "plongee": (
        "High-angle view (top-down), camera overlooking the scene, "
        "domination effect, subject viewed from above at 45 degrees"
    ),
    "contre_plongee": (
        "Low-angle view (bottom-up), camera at ground level looking up, "
        "effect of grandeur and power"
    ),
    "aerienne": (
        "Drone aerial view, perfectly vertical (90 degrees), "
        "graphic composition, textures and patterns visible from above"
    ),
    "worm_eye": (
        "Worm's-eye view, camera placed on ground, extreme perspective "
        "with vanishing lines converging toward the sky"
    ),
    "eye_level": (
        "Eye-level view, natural and immersive, "
        "50mm focal length, like human vision"
    ),
}

sujet = "Modern glass and steel skyscrapers"

for nom, perspective in perspectives.items():
    prompt = f"{sujet}, {perspective}, architectural photography"

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536" if nom in ["contre_plongee", "worm_eye"] else "1536x1024",
        quality="high",
    )

    path = f"perspective_{nom}.png"
    data = base64.b64decode(response.data[0].b64_json)
    with open(path, "wb") as f:
        f.write(data)
    print(f"Perspective {nom} → {path}")

Ponovno upotrebljiv graditelj prompta

Ručno spajanje sedam slojeva u svakoj skripti prije ili kasnije dovest će do toga da jedan zaboraviš ili dva zamijeniš. Klasa PromptBuilder rješava to izlaganjem jedne metode po sloju i vraćanjem self pri svakom pozivu, omogućujući ti da lančano postavljaš postavke čitljivim redoslijedom i navodiš samo neke od njih. Metoda build() zatim sastavlja predmet i popunjene slojeve u tekst spreman za proslijeđivanje funkciji client.images.generate(). Primjer kafića uz more implementira svih sedam dostupnih slojeva — kompozicija, osvjetljenje, perspektiva, stil, boje, atmosfera, tehnika — i proizvodi prompt kakav nijedna improvizacija ne bi učinila ovako potpunim.

class PromptBuilder:
    """Builder for structured visual prompts."""

    def __init__(self, sujet: str):
        self.sujet = sujet
        self.layers = {}

    def composition(self, desc: str):
        self.layers["composition"] = desc
        return self

    def eclairage(self, desc: str):
        self.layers["lighting"] = desc
        return self

    def perspective(self, desc: str):
        self.layers["perspective"] = desc
        return self

    def style(self, desc: str):
        self.layers["style"] = desc
        return self

    def couleurs(self, desc: str):
        self.layers["color palette"] = desc
        return self

    def atmosphere(self, desc: str):
        self.layers["atmosphere"] = desc
        return self

    def technique(self, desc: str):
        self.layers["technique"] = desc
        return self

    def build(self) -> str:
        parts = [self.sujet]
        for key, value in self.layers.items():
            parts.append(f"{key}: {value}")
        return ". ".join(parts)


# Usage
prompt = (
    PromptBuilder("Artisanal seaside café, terrace with umbrellas")
    .composition("Rule of thirds, terrace in foreground, sea at horizon")
    .eclairage("Late afternoon, raking golden light, long shadows")
    .perspective("Slight high angle, 28mm wide-angle focal length")
    .style("Lifestyle photography, warm tones, analog film")
    .couleurs("Terracotta, Mediterranean blue, off-white, olive green")
    .atmosphere("Relaxed and Mediterranean, sea breeze")
    .technique("Deep depth of field, sharp from foreground to infinity")
    .build()
)

print(prompt)
# Use this prompt with client.images.generate()

Sada preuzmi vlasništvo nad ovim alatom na jednom zahtjevnom predmetu: stara knjižnica. Proizvedi pet slika pomoću PromptBuilder, sustavno mijenjajući kompoziciju, osvjetljenje i perspektivu, a zatim ih prikupi u HTML katalog. Gledanje pet slika jedna do druge način je na koji ćeš naučiti koji od ovih slojeva najviše vrijede u tvojoj praksi.