视觉的科学

对于我们这些拥有视觉的家伙们来说，想当然就是把这个能力作为自然而然的。每一天，我们醒来的时刻，都是依靠着我们的视觉。但是，究竟我们的视觉系统是如何工作的呢？你有没有想过？我们怎么可能会能看见呢？

我们生活在一个三维世界里，这个世界非常复杂，各种比例也非常多。我们生活的星球，可以有阳光的照射，阳光照耀着世界，然后光线从这个世界反射回来，照射到视网膜上，这是眼球后面的一小块组织。我们看到了一个非常微妙的丰富的三维世界，而这一切都来自那一小块光敏细胞。如此微弱的输入是如何产生如此大量的关于世界的信息的

视觉是如何产生的

一开始你会说，相机都能做到拍摄风景，人眼做这事也是很简单的呀，就是接受光。

但是，实际上，相机压根没做什么事情，相比人的眼睛，相机只是捕捉阴影和色彩，然后投影到二维的平面上。但是人类的眼睛却能做更牛逼的事情：我们看到了一个二维的图像，但是却在感知一个三维的空间。

也就是说，人类通过一个平面的图片，看到了一个三维的图像

另外说一句，当你在看平面的相机相片时，相同的视觉系统也在工作，这个系统能为你解释照片里面的三维空间信息。

我们看看视觉系统是如何工作的

第一个步骤很简单

通过一些光学的知识，相信你在初中的物理课学过 透镜成像。当光通过一个凸透镜时，就会被聚焦，这就是放大镜的原理。

我们人类的眼睛里面也有个凸透镜/放大镜 ，这个镜子跟相机的镜子很像，它会汇聚环境中的光，然后把这些光给聚焦到眼睛的视网膜上，我们的视网膜就在我们眼里的放大镜的后面不远处。

注意，聚焦到我们视网膜的图像是上下颠倒，（同时也是左右颠倒的？你觉得呢？）所以要进行一个翻转，这个过程不难，我们的脑子顺手就做了，相机也很好做，就像你自拍的时候，可以开启手机的镜像模式。

视觉系统的另外一个步骤，就比较重要了，就是知道物体的尺寸，这可比前面成像的步骤难多了。

用生活的经验，和物理学的知识，我们可以知道，物体的尺寸跟那玩意离我们多远有很大关系。两个一模一样的树，种的远，看起来就会比较小。

明明一样大小的树，你眼睛离前面的近，在视网膜上，前面的树，就大。

咱们能用一个精确的数学公式来表达 树的大小和 距离 关系

更远的树，在视网膜上的成像，就会越小。我们看不到平铺在视网膜的二维图像，而是自动会处理出一个具有空间感的三维世界。

两种刺激

我们如何完成 从 2d 平面自动感知出 一个 3d 空间呢？是通过两种刺激。

1. 末梢刺激
2. 邻近刺激

我们感知到2d图像（物体投影到我们的视网膜），是 邻近刺激，能从2d图像 感知到3d 世界，是叫做 末梢刺激 。

另外多说一句，图中 的3，你就可以理解为是 邻近刺激 导致的成像结果。 图中的4 ，你就可以理解为 末梢刺激成像的结果。

那么，我们的视觉系统是如何处理反射到我们视网膜上的物体呢，一个看起来小小的物体投影，它其实是离我们很近的小玩意，还是离我们很远的大东西呢？

都有可能对吧？

举个例子给你，比如，咱们的视网膜上，有这么一个成像结果：

它到底是啥玩意呢？一个离天天眼睛很近的小铁条？一根稍微远点的筷子？一个晾衣杆？一个被小混混扔过来打他的木棍？还有可能是奥特曼来地球进行撑高跳？

到底是什么呢？天天百思不解；不仅如此，跟天天反目成仇的好朋友，使用了高级忍术：风遁·障眼法

法术的图标如下：

天天以为他看到的就是真实，4个物体，绿色三角形，红色圆形，蓝色正方形，黄色长条形。

但是反目成仇的好朋友，已经对他进行了降维打击。实际上，这里面有6个物体

天天此刻就蒙圈了，到底是4个还是 6 个呢？

现在的情况就是，看到的世界具有解释上的模糊性，因为真实到底有几个物体，你无法确定4，6到底哪一个是真相。

我们的视觉系统也会遇到这样的问题。

投影到我们视网膜的，永远是二维的，你可以用无穷无尽的方式解释这个二维图像。真的是情人眼里出西施。

如果我们的视觉系统要避免这种解释上的模糊性，而是得到一个确定的解释，那么我们就要学会解决 逆向问题 ，逆向问题在视觉系统里面的定义如下：

仅仅使用2d图像，来重建3d世界，也就是通过邻近刺激发生末梢刺激

我们的视觉系统有时候，就是无法解决这个逆向问题，我给你举个例子：

天天之前住在北京，有雾霾，早上他起来看见远处对门的邻居，对方的门那一块，今天看起来怎么那么黑呢？明明这几周看着邻居家的门是白色的啊。看起来是黑色，会不会是因为：

1. 邻居给门刷漆了？
2. 邻居今天开门吸雾霾，天天看到的黑色，是邻居他昏暗的屋子里没开灯？
3. 雾霾结块了，正好结成他家门的形状，挡住了那个区域的阳光吧？

聪明的天天在想到3的时候，又想了想1，立刻转换了思维，他邻居应该不会刷漆，他租的房子，刷了漆，房东要气死；2也不可能，邻居不可能为广大北京市民做这么伟大的事情；所以，真相只有一个

真相就是：巧了，雾霾挡住了邻居门口的光。

认知的尾声：美女还是老太婆？

看这个图（学术上叫做Gestalt switches），你会看到一个回头的妙龄女生，还是一个低头的沧桑老阿婆呢？

至此，我们的视觉系统到了一个更加高深的步骤了：我们人类的认知，到底是如何形成的？

我们能透过认知这个步骤，来了解人类如何完成认知的吗？

来，我们一起在讨论区认知一下这个步骤。

参考

https://mind.ilstu.edu/curriculum/vision_science_intro/vision_science_intro.html

end

在这里插入wx图片描述