数字图像处理【经典女郎 Lena 图片】的使用由来~(学习之余来一个调味剂啦)

  今天也是为了毕设头秃努力学习的一天,不知道从哪下手,所以先来听听数字图像处理视频了~

  老师讲课中间还给普及了图像处理中的金标准图片–蕾娜,也就是下图所示的图片。相信大家都不陌生,熟悉图像处理或者压缩的工程师、研究人员和学生,会经常在他们的实验或者项目任务里使用“蕾娜”图像。Lenna 图像已经成为被广泛使用的测试图像。今天,Lenna 图像的使用被认为是数字图像历史上最重要的事件之一。(完整图片:http://www.lenna.org/full/l_hires.jpg

  然而,这张图片背后的故事也是很有意思哒hh。图片中的女孩全名叫 Lena Soderberg,瑞典人。这张照片实际上是 1972 年 11 月的著名成人杂志《Playboy》的插页,在数字图像处理界使用的 Lenna 图像是该幅插页的部分截图。

  1973 年的六七月份,Alexander Sawchuk,当时是 SIPI 电机工程系的助教,正和一研究生、SIPI 的实验室主任,在实验室里匆匆忙忙找一幅用于会议论文的图像。对于长期使用一般测试图像他们早就感到厌烦,这些东西都是 1960 年代早期的电视工作的标准。他们想找一份表面光滑的照片以确保有好的输出质量,而且最好是一张人脸。

  恰恰就在那时,某位同事夹着新出的 Playboy 走了进来。这些工程师拿过杂志,顺手将中间裸体插页的上 1/3 撕了下来,正好可以卷在扫描仪的复印鼓上。他们需要一张 256×256 大小的影像,而扫瞄机的规格是每英寸 100 条扫瞄线,因此他们扫瞄了这张照片上方 5.12 英寸宽的范围,也就是到达 Lenna 的肩部左右。

  该照片后来在南加州大学经过数字化后,成为学术研究人员的测试图像之一。在此后的若干年时间里,Lenna 图像风靡整个图像处理界,为众多研究人员所使用,成为了业界测试的金标准图片。Lenna 图像成为图像处理界的标准主要是因为:该图像混和了许多的细致部分、平滑区、阴影、 纹理等,非常适合测试各类图像处理算法,是个相当好的测试图像。

  最后的关于 Lena Soderberg 的报道,说她现在居住在她的本国瑞典,有着幸福的婚姻并是三个孩子的妈妈,在 liquor monopoly 州有一份工作。1988 年,她被某个瑞典计算机相关杂志采访,因为她的照片而发生的一切令她很高兴。这是她第一次得知她的照片在计算机领域被使用。

  Lenna 当期杂志(1972 年 11 月)是花花公子杂志有史以来最畅销的一期,总共卖了 7,161,561 份。登 Lena 图像的那一期的花花公子杂志的封面如下:

 

   有的人觉得 Lenna 图像的来源和严谨的学术研究有些格格不入,觉得应该禁止该标准图像。但是 IEEE 图像处理期刊主编 David C. Munson 为此专门写了封信,说明 Lenna 图像益于作为图像处理标准图像的若干好处,大家可以在这个 URL http://www.nofiles.de/roots/lena/lenanote.html找到 IEEE 图像 TRANSACTION 主编的这封信。

  下图为1997 年5月 lena 被邀请参加了第 50 届 IS&T 会议的图片,该事件成为数字图像科技历史回顾中的重要部分。

 

  不久后 WIRED 杂志联系 Lena,并为她拍摄一张相同姿势的照片。

在这里插入图片描述
  两张照片对比之下,莱娜的容貌虽已然衰老,但映射出的则是人工智能在计算机视觉领域走过了 46 年的发展。要知道,上世纪 60 年代,达特茅斯会议刚刚掀起第一波人工智能浪潮。直到 2012 年,Geoffery Hinton 团队参与的 ImageNet 竞赛,使用 CNN 模型以超过第二名 10 个百分点的成绩夺得当年竞赛的冠军。如今,深度学习、人工智能在图像处理领域正逐步深入的研究和应用。

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

早知晓

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值