言语韵律中的思想与美

在没有文字的时候,韵律——神话、诗歌——皆是口耳相传,尔后它们又因文字的出现而有了实形的记载,也有了更丰富的表现形式。在言语或文字中透着的那些韵律,都是某种思想的表达。可可认为,思想是一个人的文化、生活背景以及那个人所经历的事情所造就的一种产物。记得在我所学的《古希腊喜剧选读》的课上,讲师是这么解释“文化”的。

“文化”(cultura)首先意味着农作:对土壤及其作物的培育,对土壤的照料,以及按其本性对土壤质量的提升。“文化”衍生性地、且在今天主要地意味着对心灵的培育,按心灵本性对其内在能力的照料和提升。就像土壤需要其培育者那样,心灵需要老师。

那么什么样的人才能够称作是我们“心灵的老师”呢,那些老师要在何处去寻觅呢?一般来说,一个伟大的人会有一个伟大的老师,而老师也会有他自己的老师,但终究我们会找到那么一些人,他们没有老师,他们正是那些伟大的心灵(Great Minds)。

当我们从咿呀学语一步步走到自己文化生命的开端时,哪些伟大的心灵是我们应该去找寻的呢?埃斯库罗斯曾经说过:“对于那些个孩子们应该由老师来教,而成年人则应该由诗人来教”。可见那些诗词言语中所蕴含的韵律,正是我们心灵的老师。

以古希腊的城邦教育为例。不论是严肃的肃剧还是轻快的谐剧,它们都和宗教祭祀相关——每年一度的酒神祭。当时的僭主,庇西斯特拉图(Peisistratus)将酒神祭拜表演引入雅典城邦,创办了戏剧节,而其原因则是——有抱负的统治者必须陶铸人民的性情,而戏剧就充当了民众的德育“教材”:通过戏剧,城邦民众反观自己的言行、审查自己的政治意见、雕琢自己的城邦美德。

不论是讲究平仄的中国诗歌,还是五/七/五/七/七的日本短歌,又或者是古希腊那一本本厚厚的戏剧台本。在这些言语文字韵律之间,人世间的哲思、喜乐哀愁、思念与爱都包括进来了,而这些美好的情感随着韵律,终传递到空间和时间的远方,在听者心中泛起波浪。也许正如——

不要再睡,好妻子,
唱你美妙的歌曲,
哀悼我们伊提斯,
黄颔百啭声无已,
清音穿过忍冬丛,
遥遥直达天帝宫,
使得金发太阳神,
邀神起舞击像筝,
引起众神齐唱和,
唱和你的悼亡歌。

——节选自《鸟》阿里斯托芬

 

「Single Image Haze Removal Using Dark Channel Prior」Python Implementation with OpenCV

Haze Removed via Dark Channel Prior
Haze Removed via Dark Channel Prior

A Brief Review


Single Image Haze Removal Using Dark Channel Prior」是 2009 年 CVPR 最佳论文,何凯明博士在这篇论文中提出了暗通道先验的图像去雾算法。

那么暗通道先验是什么呢?这种方法是基于这样的一个观察:

It is based on a key observation most local patches in haze-free outdoor images contain some pixels which have very low intensities in at least one color channel.

简单来说就是对绝大多数没有雾的图像来说,它们的一些局部区域的像素中,某些像素至少有一个颜色通道的值很低。或者对应于原文的「low intensities」,即光强度很低。

我们需要对图像去雾的原因主要是图像中的雾会给很多算法带来麻烦,比如物体识别,特征提取等,它们都默认输入的图像是清晰的,没有雾的。或者不考虑算法,对于在野外或者无人机上的监视摄像头,遇到有雾的场景也是经常的事,即使是人工监视也是需要去雾的。

顺便一提,利用暗通道先验的算法去雾,还可以得到不错的景深图。

Last, the haze removal can produce depth information and benefit many vision algorithms and advanced image editing. Haze or fog can be a useful depth clue for scene understanding. The bad haze image can be put to good use.

在有雾的图像中,一个广泛使用的成像数学模型如下

\begin{equation}
    \mathbf{I}(\mathbf{x})=\mathbf{J}(\mathbf{x})t(\mathbf{x})+\mathbf{A}(1-t(\mathbf{x}))\tag{1}
\end{equation}

我们可以简单的将$\mathbf{x}$理解为图像中的某一个位置,那么,$\mathbf{I}(\mathbf{x})$则是我们最终观察到的有雾的图像在该点的强度;$\mathbf{J}(\mathbf{x})$是在没有雾的情况下,该点应有的强度;$t(\mathbf{x})$是该点的透射率(the medium transmission describing the portion of the light that is not scat- tered and reaches the camera);最后,$\mathbf{A}$是全局大气光强(global atmospheric light)。

图像去雾的目标就是从一张有雾的图像$\mathbf{I}(\mathbf{x})$中,恢复出没有雾的图像$\mathbf{J}(\mathbf{x})$,透射率$t(\mathbf{x})$以及$\mathbf{A}$,全局大气光强(global atmospheric light)。

其中,我们又把$\mathbf{J}(\mathbf{x})t(\mathbf{x})$的结果叫做「直接衰减,direct attenuation」,这个应该比较好理解,就是原始位置反射的光,经过介质(如雾、空气中的其他颗粒)时发生的衰减。然后我们又把$\mathbf{A}(1-t(\mathbf{x}))$叫做Airlight,也就是(先前经过介质时的)散射光导致的色偏。

airlight-and-direct-attenuation

Continue reading 「Single Image Haze Removal Using Dark Channel Prior」Python Implementation with OpenCV