熟悉图像处理或者压缩的工程师、研究人员和学生,经常在他们的实验或者项目任务里使用“Lenna”或者“Lena”的图像。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。

  然而,这张图片背后的故事是颇有意思的,很多 人都抱有学究都是呆子的看法,然而 Lena 对此就是一个有力的驳斥。lena(lenna)是一张于 1972 年 11 月出版的《Playboy》的中间插页,在 这期杂志中使用了“Lenna”的拼写,而实际莉娜在瑞典语中的拼写是“lena”。

标准数字图像处理 lena 图像,如下所示:

  图片中的女孩全名 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 Lena 图像是该幅插页的部分截图。该插页的完整图像如下: 扫面下方二维码,关注微信订阅号,后台回复lena可获得完整插页,嘿嘿

  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,而且还要是一张人脸。

恰恰就在那时,一人夹着新出的 Playboy 走了进来。他们这些工程师拿过杂志,顺手将中间的裸体插页的上 1/3 撕了下来,嘿嘿,正好可以卷在 Muirhead 扫描仪的复印鼓上,扫瞄机附加了模拟数字转换器 (具备红、绿、蓝三个频道)和一部 Hewlett Packard 2100 迷你计算机。他们要一张 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。

  原始 Lena 图像是名叫 Lena Sjooblom 瑞典女郎的照片,刊登于 1972 年 11 月份的花花公子杂志(为了英语正确发音,有时候将Lena拼为Lenna)。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。

  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。

Lena 图像成为图像处理界的标准主要有两个因素:(1)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。(2)Lena 图像是迷人女郎的照片,图像处理界的研究人员

(大多为男性)受其吸引并不令人意外。当 Lena Sjooblom 的折页照片,在南加州大学被程序设计师们扫瞄并当作数字压缩及在 Arpanet 网络(因特网的前身)上传输的测试图像后,Lena 已成为网络女王。几年之后,Lena 图像仍然是业界测试的标准。Lena 于 1997 年 5 月 Boston 在图像科技社群第 50 届研讨会中第一次公开亮相,并成为数字图像科技历史回顾中的重要部分。

  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 Lena 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 Lena 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。

现在的 lena 女士居住在瑞典,并且已经是 3 个小孩的母亲,过着快乐的生活。1997 年,lena 被邀请参加了第 50 届 IS&T 会议:

转载请注明出处:NingHeChuan(宁河川)

个人微信订阅号:开源FPGANingHeChuan

如果你想及时收到个人撰写的博文推送,可以扫描左边二维码(或者长按识别二维码)关注个人微信订阅号

知乎ID:NingHeChuan

微博ID:NingHeChuan

原文地址:http://www.cnblogs.com/ninghechuan/p/7442893.html

数字图像处理界标准图像 Lena 后面的故事的更多相关文章

  1. 图像处理界的标准图像Lena背后的故事

    今天晚上实验室的哥们问到我:“蒋志强,你知道咱们数字图像处理界标准图像Lena吗?” “当然知道啊,不就是那个512×512的美丽姐姐的标准图像么?”我不以为然的回答: “那幅图像事实上不是原始图像? ...

  2. Win8 Metro(C#)数字图像处理--3.2图像方差计算

    原文:Win8 Metro(C#)数字图像处理--3.2图像方差计算 /// <summary> /// /// </summary>Variance computing. / ...

  3. Win8 Metro(C#)数字图像处理--3.3图像直方图计算

    原文:Win8 Metro(C#)数字图像处理--3.3图像直方图计算 /// <summary> /// Get the array of histrgram. /// </sum ...

  4. Win8 Metro(C#)数字图像处理--3.4图像信息熵计算

    原文:Win8 Metro(C#)数字图像处理--3.4图像信息熵计算 [函数代码] /// <summary> /// Entropy of one image. /// </su ...

  5. Win8 Metro(C#)数字图像处理--3.5图像形心计算

    原文:Win8 Metro(C#)数字图像处理--3.5图像形心计算 /// <summary> /// Get the center of the object in an image. ...

  6. Win8 Metro(C#)数字图像处理--3.1图像均值计算

    原文:Win8 Metro(C#)数字图像处理--3.1图像均值计算 /// <summary> /// Mean value computing. /// </summary> ...

  7. Win8 Metro(C#)数字图像处理--2.74图像凸包计算

    原文:Win8 Metro(C#)数字图像处理--2.74图像凸包计算 /// <summary> /// Convex Hull compute. /// </summary> ...

  8. Win8 Metro(C#)数字图像处理--2.68图像最小值滤波器

    原文:Win8 Metro(C#)数字图像处理--2.68图像最小值滤波器 /// <summary> /// Min value filter. /// </summary> ...

  9. Win8 Metro(C#)数字图像处理--2.52图像K均值聚类

    原文:Win8 Metro(C#)数字图像处理--2.52图像K均值聚类  [函数名称]   图像KMeans聚类      KMeansCluster(WriteableBitmap src,i ...

随机推荐

  1. Spring Boot 系列(三)属性配置&自定义属性配置

    在使用spring boot过程中,可以发现项目中只需要极少的配置就能完成相应的功能,这归功于spring boot中的模块化配置,在pom.xml中依赖的每个Starter都有默认配置,而这些默认配 ...

  2. HDU 1728 逃离迷宫(DFS)

    题目网址:http://acm.hdu.edu.cn/showproblem.php?pid=1728 题目: 逃离迷宫 Time Limit: 1000/1000 MS (Java/Others)  ...

  3. Django学习(八)---修改文章和添加文章

    博客页面的修改文章和添加新文章 从主页点击不同文章的超链接进入文章页面,就是传递了一个id作为参数,然后后台代码根据这个参数从数据库中取出来对应的文章,并把它传递到前端页面 修改文章和添加新文章,是要 ...

  4. SQl去获取相同记录

    以name字段为例 select * from table where name in(select name from table group by name having count(name)& ...

  5. Android5.1 - 通讯录建立群组

    [问题] 在没有账户的时候,不应该有添加联系人群组的选项. 我们要把这个选项干掉. [相关log]06-23 17:25:00.804: E/GroupEditorFragment(6030): No ...

  6. PHP闭包和高阶函数

    <?php function func($a, $b) { $line = function ($x) use ($a, $b) { return $a*$x + $b; }; return $ ...

  7. tensorflow l2_loss函数

    1.l2_loss函数 tf.nn.l2_loss(t, name=None) 解释:这个函数的作用是利用 L2 范数来计算张量的误差值,但是没有开方并且只取 L2 范数的值的一半,具体如下: out ...

  8. (转)rpm安装和卸载软件

    场景:在Linux中经常需要安装一些rpm软件,但是有时候安装失误就需要卸载这些软件包. 1 过程记录 1.1 安装 rpm -i 需要安装的包文件名 举例如下: rpm -i example.rpm ...

  9. 为什么 1000 == 1000会返回false,100 == 100会返回true

    给你们看一段神奇的代码 /*对这段代码可以提供如下解释 * 判断两个对象是否相等的是看两个对象的引用是否相同 如果相同那么就返回true否则返回false * Integer会对-128~127之间的 ...

  10. phantomjs submit click

    phantomjs 一般提交时都会用submit,前提条件就是网页中有form表单: 在网页中无form表单的情况下,用submit()会报错:selenium.common.exceptions.N ...