数学与美容:美国专利观光,用黄金分割为眉毛造型

简介:

都说时尚是个圈,流行趋势每隔几年就会重复——眉毛的造型也不例外,比如下面这张鬼畜的眉毛造型示意图:

来源:eyebrowz.com 

来源:eyebrowz.com 

如果有一种像数学公式一样的规律,让我们在任何时候都能为自己(或他人)打造出最合适的眉形岂不美哉?正因为大多数爱美人士都有这个需求,来自加利福尼亚比弗利山的Anastasia Soare申请了“眉形定位技巧”(brow mapping technique)专利,而这项专利的依据和我们熟知的“黄金分割率”很相似。


黄金分割率又被称作“黄金比例”(divine proportion),数学中的表示为“phi”,它的值通 常被精确到1.618,但实际上 phi 是个无理数,拥有无限不循环的小数。黄金分割率呈现的是一种有趣的几何形态。如果将一条线分成两部分,较长的一段与较短的一段之比等于全长与较长的一段之比,这个比例大约就是1.618:1。


历史上首次有黄金分割率的记载是在公元前300年欧几里得的《几何原理》中。书中提到如果几何图形拥有接近 phi 值的比例它们就拥有“黄金比例”,其中最出名的图释就是上图中的黄金比例矩形。


热衷于黄金分割率概念的人们常常将其用于艺术,音乐,诗歌与建筑中,甚至在证券市场里也能见到它的影子。据说,希腊的帕台农神庙左侧与右侧的外立面就呈现出了黄金比例(然而之 后又有好事数学家计算中外立面的比例实际上是 1:1.171 而非 1:1.618)。


总之无论如何,黄金比例被人认为是美与和谐的,所以在为眉毛造型时何不用到这个规律呢? Soare 在她的专利申请中提到:


很多艺术家在自己的作品中都用到了黄金比例,因为我们认为这样的比例呈现出美感,令人愉悦。因此,一张“完美”的脸应该拥有如下几种比例:


1,从头部顶端到下巴的距离除以脸部宽度等于 phi;

2,嘴唇的长度除以鼻子的宽度等于 phi;同理,在一张“完美”的脸上,眉毛的最高点(HP)作为眉弓的起点,应该刚好位于眉毛的起始点(SP)与末尾(EP)上处于黄金分割点的位置。



多亏了 Soare 的点子,不久之后或许满大街都会是黄金分割眉了。 


原文发布时间为:2016-01-19

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
固态存储 计算机视觉 异构计算
一起来学MediaPipe(一)人脸及五官定位检测
一起来学MediaPipe(一)人脸及五官定位检测
4323 0
一起来学MediaPipe(一)人脸及五官定位检测
|
11月前
|
机器学习/深度学习 存储 人工智能
2025年NVIDIA RTX 4090云服务器租赁价格与选型指南
本文探讨了在主流云服务商尚未提供RTX 4090实例的背景下,如何选择高性能GPU服务器。分析了市场现状、替代方案性能,并推荐阿里云的GN7i(NVIDIA A10)、GN6v(NVIDIA V100)等实例,提供了成本优化策略与选型建议,确保用户在AI训练、图形渲染等场景中实现效率和成本的最佳平衡。
|
人工智能 算法 Python
【随手记】python的heapq库的基本用法
【随手记】python的heapq库的基本用法
435 1
HTML 统一资源定位器(Uniform Resource Locators)1
统一资源定位器(URL)是用于标识互联网上资源位置的标准格式。URL通常由方案、主机、域名、端口、路径和文件名组成,如 `http://www.runoob.com/html/html-tutorial.html`。大多数用户通过域名访问网站,因为域名比IP地址更容易记忆。URL在Web浏览器中用于请求页面,通过 `<a>` 标签实现链接跳转。
解决方案-CMake error: error in configuration process, project files may be invalid(Windows&VS可参考)
解决方案-CMake error: error in configuration process, project files may be invalid(Windows&VS可参考)
4730 0
|
并行计算 C++ 异构计算
CUDA编程一天入门
本文介绍了CUDA编程的基础知识,包括环境准备、编程模型、内核设置、示例代码simpleTexture3D,以及相关参考链接。
816 0
CUDA编程一天入门
|
机器学习/深度学习 编解码 算法
超分辨率相关的开源项目
该文档介绍了多种超分辨率模型及其GitHub项目地址,包括Real-ESRGAN(优化真实图片质量)、RCAN(基于残差结构与通道注意力机制)、SwinIR(基于Swin Transformer的图像恢复)、FSRCNN(轻量级快速超分辨率)、EDSR(增强型深度残差网络)、SRGAN(利用GAN的超分辨率模型)及LapSRN(多级Laplacian金字塔超分辨率)。
|
算法 数据可视化 计算机视觉
Python中医学图像处理常用的库
在Python中,医学图像处理常用的库包括:ITK(及其简化版SimpleITK)、3D Slicer、Pydicom、Nibabel、MedPy、OpenCV、Pillow和Scikit-Image。这些库分别擅长图像分割、配准、处理DICOM和NIfTI格式文件、图像增强及基础图像处理等任务。选择合适的库需根据具体需求和项目要求。
599 0
|
机器学习/深度学习 算法 数据处理
基于深度学习之毛发检测
基于深度学习的毛发检测是一项计算机视觉任务,旨在从图像或视频中检测和分割毛发区域。这项技术在医学图像分析、美容行业、虚拟试衣和增强现实等领域有着广泛的应用。
465 4