一张对科学贡献最大的花花公子人体照[组图]
2010年03月18日 01:40 发布者：gusto
她是让无数专家为之痴迷和痛苦的研究对象，她是充斥着枯燥数学公式的论文中最吸引眼球的光芒，翻开任何一本关于计算机图像处理的教材，你都能看到她动人的微笑。她就是雷娜(Lena)，她的照片是图像处理领域使用最为广泛的标准测试图。她是真人吗?她到底从何而来?1、事件起因 一举成名计算机界
1973年的夏天，美国南加州大学信号与图像处理研究所里，年轻的助理教授亚历山大(Alexander Sawchuk)和研究员威廉(William Pratt)正为一篇学术论文忙碌，试图从一叠常用的测试图片中找出一张适合测试压缩算法的图片:最好是人脸，表面光滑，内容多层次。不过这些单调陈旧，如同早期电视画面的图片很快就让他们失望了。历史在这里开了个小小的玩笑，正巧有人拿着一本《花花公子》杂志(1972年11月刊)到实验室来“串门”，当期的玩伴女郎雷娜(Lena Soderberg)立刻吸引了众人的目光。亚历山大发现这张有着光滑面庞和繁杂饰物的图片正好符合要求，于是，他们撕下这张彩图，将上半部扫描成一张 512×512像素大小的图片，“雷娜图”就此诞生。
网友评论
gusto 2010年03月18日
1991年，学术期刊《光学工程》(Optical Engineering)使用雷娜图作为其7月刊的封面。至此，《花花公子》才得知这张图片已然在学术界被“盗用”了18年之久(由此我们亦可得知学术界和娱乐界是多么的不通往来)。当初的无心之举使得照片的版权问题终于浮出水面。《花花公子》正式致函《光学工程》的出版者国际光学工程学会(SPIE)，要求在其之后出版物中任何使用雷娜图的地方都要事先得到授权。作为业内最流行的标准测试图，完全依循此要求无疑将会给遍布全球的研究者们带来极大的不便。不得已，SPIE在回复中解释了雷娜图在学术界的使用现状，并且指出自己是一个非盈利科学协会，出版物只供教育和研究使用。面对既成事实，《花花公子》亦乐得慷慨，表示不会追究雷娜图在学术领域造成的侵权问题。 在这起小小的纠纷之后，学术界对于论文图片的版权问题更加注意。(值得一提的是，雷娜图并不是首次用于图像处理领域的《花花公子》图片，早在1961年，麻省理工大学的一位学生就在自己的硕士论文中使用了一张事先得到授权的《花花公子》图片。)而对于广大使用雷娜图的研究者来说，他们从此可以免费从南加州的大学得到雷娜图了。大度的杂志社也没有吃亏，刊有雷娜的那一期《花花公子》，是它历史上卖的最好的一期，总共售出了超过700万份(Geek们的购买力是很惊人的!)。
3、技术之争 “雷娜图”并非完美无缺
雷娜图为何如此受欢迎?《IEEE图像处理期刊》的主编大卫(David Munson)认为有两个原因:“ 首先，这张图片含有细节部分、平坦区域、阴影和纹理，有利于测试各种不同的图像处理算法。其次，这是一个非常迷人的女性照片，图像处理领域(多数人为男性)愿意使用一张他们认为很有吸引力的图片也并不令人惊奇。” 这张图片含有丰富的频段，包括处于低频的光滑皮肤和处于高频的羽毛，很适合做为测试图片。而人眼对于人脸的细节差别感受也远比一般的景物更为明显。不过，这也并不意味着雷娜图是完美无缺的。
1991年，学术期刊《光学工程》(Optical Engineering)使用雷娜图作为其7月刊的封面。至此，《花花公子》才得知这张图片已然在学术界被“盗用”了18年之久(由此我们亦可得知学术界和娱乐界是多么的不通往来)。当初的无心之举使得照片的版权问题终于浮出水面。《花花公子》正式致函《光学工程》的出版者国际光学工程学会(SPIE)，要求在其之后出版物中任何使用雷娜图的地方都要事先得到授权。作为业内最流行的标准测试图，完全依循此要求无疑将会给遍布全球的研究者们带来极大的不便。不得已，SPIE在回复中解释了雷娜图在学术界的使用现状，并且指出自己是一个非盈利科学协会，出版物只供教育和研究使用。面对既成事实，《花花公子》亦乐得慷慨，表示不会追究雷娜图在学术领域造成的侵权问题。 在这起小小的纠纷之后，学术界对于论文图片的版权问题更加注意。(值得一提的是，雷娜图并不是首次用于图像处理领域的《花花公子》图片，早在1961年，麻省理工大学的一位学生就在自己的硕士论文中使用了一张事先得到授权的《花花公子》图片。)而对于广大使用雷娜图的研究者来说，他们从此可以免费从南加州的大学得到雷娜图了。大度的杂志社也没有吃亏，刊有雷娜的那一期《花花公子》，是它历史上卖的最好的一期，总共售出了超过700万份(Geek们的购买力是很惊人的!)。
3、技术之争 “雷娜图”并非完美无缺
雷娜图为何如此受欢迎?《IEEE图像处理期刊》的主编大卫(David Munson)认为有两个原因:“ 首先，这张图片含有细节部分、平坦区域、阴影和纹理，有利于测试各种不同的图像处理算法。其次，这是一个非常迷人的女性照片，图像处理领域(多数人为男性)愿意使用一张他们认为很有吸引力的图片也并不令人惊奇。” 这张图片含有丰富的频段，包括处于低频的光滑皮肤和处于高频的羽毛，很适合做为测试图片。而人眼对于人脸的细节差别感受也远比一般的景物更为明显。不过，这也并不意味着雷娜图是完美无缺的。
gusto 2010年03月18日
4、性别之争 此图涉嫌性别歧视?
11724
用于研究的“雷娜图”
扫描雷娜图时所用的扫描仪在每英寸长度上可以产生100条扫描线，所以共512行的雷娜图只显示原图上方5.12英寸的范围，正好展示出雷娜漂亮的肩部。这掩盖不了一个事实:原图是一张裸照。正所谓成也萧何，败也萧何，随着越来越多的女性研究者进入图像处理领域，性别歧视无疑是雷娜图面临的最大问题。
11725
雷娜和邀请她的IST会议主席
1997年，《电子工程专辑》(Electronic Engineering Times)的编辑桑尼(Sunny Bains)在同出版社商量之后，决定在自己的工作范围内封杀雷娜图。她解释说:“一个女性在一个由男性主导的领域里工作是很容易感到被孤立的，在学术杂志上看到这种有争议的图片将会加重这种不被接受的感觉。”据说，她收到了不少来自女性的感谢信，也没人抱怨这影响了工作。无独有偶，纽约州立大学石溪分校的教授特奥(Theo Pavlidis)在编写计算机图形学教材时，也因为编辑的坚持，将雷娜图换成了其他图片。
作为引用雷娜图最多的期刊编辑，大卫也接到了不少的投诉:“很多人希望我封杀雷娜图，人们并不是反对图片本身，而是认为它来源于一本‘利用’女性的杂志。”他提供的办法则更为折中:不用封杀雷娜图，而是鼓励作者多用其他的图片。
时至今日，雷娜图仍是图像处理领域最受欢迎的测试图。不过近年来，其压倒性的优势已经有所松动。关于版权、技术和歧视的多重争议让雷娜图不堪重负，不断涌现的新测试图也为研究者们提供了更多的选择。然而无论如何，雷娜这个不经意间闯入学术圈的“玩伴女郎”，以及“她”所见证的几十年来图像压缩技术的发展，将会永远留在我们的记忆里。
4、性别之争 此图涉嫌性别歧视?
11724
用于研究的“雷娜图”
扫描雷娜图时所用的扫描仪在每英寸长度上可以产生100条扫描线，所以共512行的雷娜图只显示原图上方5.12英寸的范围，正好展示出雷娜漂亮的肩部。这掩盖不了一个事实:原图是一张裸照。正所谓成也萧何，败也萧何，随着越来越多的女性研究者进入图像处理领域，性别歧视无疑是雷娜图面临的最大问题。
11725
雷娜和邀请她的IST会议主席
1997年，《电子工程专辑》(Electronic Engineering Times)的编辑桑尼(Sunny Bains)在同出版社商量之后，决定在自己的工作范围内封杀雷娜图。她解释说:“一个女性在一个由男性主导的领域里工作是很容易感到被孤立的，在学术杂志上看到这种有争议的图片将会加重这种不被接受的感觉。”据说，她收到了不少来自女性的感谢信，也没人抱怨这影响了工作。无独有偶，纽约州立大学石溪分校的教授特奥(Theo Pavlidis)在编写计算机图形学教材时，也因为编辑的坚持，将雷娜图换成了其他图片。
作为引用雷娜图最多的期刊编辑，大卫也接到了不少的投诉:“很多人希望我封杀雷娜图，人们并不是反对图片本身，而是认为它来源于一本‘利用’女性的杂志。”他提供的办法则更为折中:不用封杀雷娜图，而是鼓励作者多用其他的图片。
时至今日，雷娜图仍是图像处理领域最受欢迎的测试图。不过近年来，其压倒性的优势已经有所松动。关于版权、技术和歧视的多重争议让雷娜图不堪重负，不断涌现的新测试图也为研究者们提供了更多的选择。然而无论如何，雷娜这个不经意间闯入学术圈的“玩伴女郎”，以及“她”所见证的几十年来图像压缩技术的发展，将会永远留在我们的记忆里。
gusto 2010年03月18日
11729
11730
雷娜图（轮廓版） 11731
雷娜图（变形版）
11729
11730
雷娜图（轮廓版） 11731
雷娜图（变形版）
gusto 2010年03月18日
想起了校园时光，天天坐在电脑边观察，编程处理的这图片， lena，永恒的经典！
好久没再接触这图了。今天见到此文，转发至此。 :lol
（读专业的是计算机图像压缩，处理和复原）
想起了校园时光，天天坐在电脑边观察，编程处理的这图片， lena，永恒的经典！
好久没再接触这图了。今天见到此文，转发至此。 :lol
（读专业的是计算机图像压缩，处理和复原）
f.luo 2010年03月18日
:victory:以前只知道这个是常用的标准图，没想到还有这么多故事。
:victory:以前只知道这个是常用的标准图，没想到还有这么多故事。
步从容 2010年03月18日
Friday, September 7, 2007
Under vs Oversegmentation
I've started getting my first segmentation results for my honours project. To sum it up in a few words, image segmentation is about breaking an image up into regions. This has many applications and is often the first step in image processing, with the end results heavily relying on the segmentation quality.
The problem is that it's very difficult to define what a good segmentation is. It depends a lot on, amongst other things, the nature of the image. Lighting conditions, noise, texture - these can all have a large impact on the results. A key problem in segmentation is that of splitting up into too few (undersegmentation) or too many regions (oversegmentation). This is easily demonstrated by my first results as shown below.
The first image is the original we're trying to segment. It's the famous Lenna image used throughout image processing as the standard test image. Notice the noise in the background, texture in the hair and hat, smooth texture of the skin and many other features that one aims to handle well in image processing.
data/attachment/album/201003/18/7488_1268874088zjvV.jpg
These next three images are segmentation results I obtained from my implementation of the Watershed algorithm. The first result comes out of the Watershed algorithm with no improvements to the original algorithm besides some linear filtering to reduce noise. A region is displayed by averaging out the colours in that region and assigning a single colour to the entire region. As you can see there isn't much difference between this and the original. Click on the image for a larger view and you should notice the small regions.
This is an example of severe oversegmentation. It was the major problem with the Watershed algorithm when it was first developed. Since then there have been several improvements, one of which you'll see in my subsequent results.
data/attachment/album/201003/18/7488_12688740991EY3.jpg
These next two results make use of a very simple smoothing technique to reduce the oversegmentation problem. Gradients form a key role in the algorithm and here I threshold the gradient to reduce the effect of minor differences. The two results below use different threshold values and you should easily be able to spot the differences.
The first is more ideal, with the second being undersegmented. Look at how a large chunk of the hat is grouped together with the background region. Both, however, oversegment the hair and this is where the problem with textures comes in.
data/attachment/album/201003/18/7488_1268874102dKdR.jpg
data/attachment/album/201003/18/7488_126887410500S5.jpg
There's still a very long way to go here and this is just the beginning of the results. I haven't even tried running with a different image. My eventual goal is to try produce a single segmentation algorithm to cover a wide variety of images. That's where genetic algorithms will come into play to help with the uncertainty of the image.
I must say it's nice to be able to show visual results that probably explain things better than words can explain.
UPDATE: Applying a median filter to the gradient image produces much better results. See the results in the image below. The textured areas are segmented into far fewer regions. The boundary of the hat is fully in tact. The finer details such as the eyes and mouth have less impact on the segmentation. Also, the number of tiny regions resulting from noise is greatly reduced. This shows how how much of an impact such a small change can make.
data/attachment/album/201003/18/7488_126887409568oq.jpg
Posted by marco at 7:01 PM
Friday, September 7, 2007
Under vs Oversegmentation
I've started getting my first segmentation results for my honours project. To sum it up in a few words, image segmentation is about breaking an image up into regions. This has many applications and is often the first step in image processing, with the end results heavily relying on the segmentation quality.
The problem is that it's very difficult to define what a good segmentation is. It depends a lot on, amongst other things, the nature of the image. Lighting conditions, noise, texture - these can all have a large impact on the results. A key problem in segmentation is that of splitting up into too few (undersegmentation) or too many regions (oversegmentation). This is easily demonstrated by my first results as shown below.
The first image is the original we're trying to segment. It's the famous Lenna image used throughout image processing as the standard test image. Notice the noise in the background, texture in the hair and hat, smooth texture of the skin and many other features that one aims to handle well in image processing.
data/attachment/album/201003/18/7488_1268874088zjvV.jpg
These next three images are segmentation results I obtained from my implementation of the Watershed algorithm. The first result comes out of the Watershed algorithm with no improvements to the original algorithm besides some linear filtering to reduce noise. A region is displayed by averaging out the colours in that region and assigning a single colour to the entire region. As you can see there isn't much difference between this and the original. Click on the image for a larger view and you should notice the small regions.
This is an example of severe oversegmentation. It was the major problem with the Watershed algorithm when it was first developed. Since then there have been several improvements, one of which you'll see in my subsequent results.
data/attachment/album/201003/18/7488_12688740991EY3.jpg
These next two results make use of a very simple smoothing technique to reduce the oversegmentation problem. Gradients form a key role in the algorithm and here I threshold the gradient to reduce the effect of minor differences. The two results below use different threshold values and you should easily be able to spot the differences.
The first is more ideal, with the second being undersegmented. Look at how a large chunk of the hat is grouped together with the background region. Both, however, oversegment the hair and this is where the problem with textures comes in.
data/attachment/album/201003/18/7488_1268874102dKdR.jpg
data/attachment/album/201003/18/7488_126887410500S5.jpg
There's still a very long way to go here and this is just the beginning of the results. I haven't even tried running with a different image. My eventual goal is to try produce a single segmentation algorithm to cover a wide variety of images. That's where genetic algorithms will come into play to help with the uncertainty of the image.
I must say it's nice to be able to show visual results that probably explain things better than words can explain.
UPDATE: Applying a median filter to the gradient image produces much better results. See the results in the image below. The textured areas are segmented into far fewer regions. The boundary of the hat is fully in tact. The finer details such as the eyes and mouth have less impact on the segmentation. Also, the number of tiny regions resulting from noise is greatly reduced. This shows how how much of an impact such a small change can make.
data/attachment/album/201003/18/7488_126887409568oq.jpg
Posted by marco at 7:01 PM
huangqi412 2010年03月18日
:D
:D
huangqi412 2010年03月18日
小田鼠啊,小HUIZI啊,都可以去试试,成为新的测试图.
小田鼠啊,小HUIZI啊,都可以去试试,成为新的测试图.
huizijingxin 2010年03月18日
:curse:huangqi啊~把妹惹火了，妹让你好看
:curse:huangqi啊~把妹惹火了，妹让你好看
huangqi412 2010年03月18日
:funk: 我说妹啊,俺逗你的呢. :shutup: 别吓俺,俺不说了.
好歹也叫为科学献身.
最最重要一点...别想歪了...像田鼠这样直接冒上镜头,不怕那些研究的书呆子吓晕才怪...当然是套上冬装啦.
:funk: 我说妹啊,俺逗你的呢. :shutup: 别吓俺,俺不说了.
好歹也叫为科学献身.
最最重要一点...别想歪了...像田鼠这样直接冒上镜头,不怕那些研究的书呆子吓晕才怪...当然是套上冬装啦.
Leisure 2010年03月18日
去试试也好啊。。没准一炮走红呢~~~
去试试也好啊。。没准一炮走红呢~~~
kbgyzp 2010年03月18日
:@那帮专家教授们咋把图截成了个半身啊，要是像第二幅全身的，俺说不定就不转行了呢
:@那帮专家教授们咋把图截成了个半身啊，要是像第二幅全身的，俺说不定就不转行了呢
亚历山大并未觉得有任何不妥的地方，他用这张图片测试了自己的压缩算法，满意地完成了论文。而对于这一切，远在芝加哥的雷娜一无所知，在结束自己的模特生涯后，她回到瑞典的故乡，结婚生子，无从知晓自己将成为一个学术圈里的传奇人物。在亚历山大的论文发表后，不断有同行向他索要原始的扫描件，以便能同他们自己的图像压缩算法进行效果比较。久而久之，这张图片成为了图像处理领域的一个标准测试图，只要支付一小笔费用，你就能从南加州大学得到原始的扫描件拷贝，而大多数研究者奋斗的目标只有一个:如何在保证图片质量的同时让它的压缩率高一点，再高一点。 随着这张标准图在学术圈的流行，不少人开始对这位迷人的女郎产生了兴趣。1988年，一家瑞典的电脑出版社联系并采访到了雷娜，这是她十五年来首次得知自己的照片被应用在计算机行业里，兴奋和惊讶之情溢于言表。1997年，在《花花公子》杂志社的帮助下，图像科学和技术会议(IS&T)的筹办方正式邀请雷娜参加于当年五月份在波士顿召开的五十周年大会。这离当初雷娜图的诞生，已经过去了约四分之一个世纪，当初的年轻教授已成为业内的知名学者，而红颜少女的鬓边终于也见到了白发。“他们肯定早已厌烦我了，这么多年都看着同一张照片。”雷娜在会议上受到了热情的欢迎，她看到了许多基于雷娜图的研究工作，并忙于在一张又一张自己的照片上签名。
2、版权之争 “盗用”带来一纸风行