「赫曼方格」视错觉怎么破?

简介:

仔细看这幅图。里面到底有几个黑点呢?

实际上有12个黑点。立命馆大学心理学教授Akiyoshi Kitaoka近日在脸书上贴出了这张图,而大部分人都无法看出来。

这张图就是有名的赫曼方格,名字来源于德国科学家赫曼,他于1870年在期刊中发表这幅图。当你注视黑色方格之间的白色空间时,你会发现其他的白色空间都变灰了。赫曼方格是一个著名的“有力视错觉”,因为所有人都会看错,而且你无法适应。

1985年,JR Bergen发明了一个赫曼方格的变体,能够产生不同的效果。这里的方格变模糊了,当你看着它,上面会出现接二连三闪烁的黑色小点。

在2000年,研究者Jacques Ninio和Kent Stevens又创造一款赫曼方格,也有类似的闪现效果。他们发现,将拥有黑色轮廓线的白圈放进交汇处,然后将花纹歪斜,就会产生一种“湮灭效果”。

这两位在Perception期刊上发表了论文:“把有黑色轮廓线的白色圆点缩小放进网格中,它们就会消失。你一次只能看到一部分白点,它们会在三两成群在页面中无序移动。在没有白点的地方,灰色条纹似乎是延续不断的,而实际上条纹是被白点所截断的。”

他们说这种错觉反过来也有效(就是黑点在白色网格中)。

一种解释是人类视网膜的侧抑制现象。为了聚焦,视网膜里的神经节细胞会增强焦点处接收到的刺激,减弱这一点之外的刺激。但是看着方格时,会导致细胞误会所收到的刺激。一些科学家认为这种错觉会让那些视力没有聚焦到的白点隐身。

四个区域刺激减弱vs两个区域刺激减弱


如果这些白点更加明显,比如变得更大,你的眼睛就不会让周围白点消失了。对比下面两张图:

原图


白点被放大


你也可以让这个错觉消失。比如先看着屏幕,然后将屏幕前倾,再看着它。


这么做之所以有效是因为倾斜屏幕增加了对比,这让黑点变得更加明显,从而视网膜不再受到侧抑制的影响。

反过来也有用,如果将屏幕后仰。对比度减少则会让所有的黑点消失。

 原文发布时间为:2016-09-17

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
|
存储 搜索推荐 安全
企业出海如何做好网站Cookie合规
确保企业出海网站合规,理解Cookie在用户登录和个性化体验中的关键作用。通过Cookie携带用户信息,实现免登录和个性化服务。GDPR对Cookie使用提出限制,要求用户同意原则。第三方Cookie用于广告追踪,涉及用户画像。GDPR规定了同意条件和操作方法,企业需采用合规的交互设计。九智汇提供的Cookie自动化同意管理系统帮助企业统一管理多地网站Cookie,满足监管合规。
523 0
|
负载均衡 安全 Java
深入了解Spring Cloud Gateway:构建高效微服务网关
Spring Cloud Gateway是一个强大的微服务网关,它在现代分布式架构中扮演着至关重要的角色。本文将深入介绍Spring Cloud Gateway的核心概念、功能和用途,以帮助您更好地理解和利用这一工具来构建高效的微服务应用。
|
JavaScript 前端开发 开发者
深入理解ArkTS:Harmony OS 应用开发语言 TypeScript 的基础语法和关键特性
深入理解ArkTS:Harmony OS 应用开发语言 TypeScript 的基础语法和关键特性
1141 0
|
Android开发
08. 【Android教程】相对布局 RelativeLayout
08. 【Android教程】相对布局 RelativeLayout
506 0
|
JSON 缓存 算法
SpringBoot整合JWT
SpringBoot整合JWT
1207 0
SpringBoot整合JWT
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】 ParameterNet:DynamicConv(Dynamic Convolution):2024最新动态卷积
**摘要** ParameterNet是新提出的框架,旨在让低FLOPs模型也能受益于大规模视觉预训练,通过动态卷积在增加参数量的同时控制计算量。动态卷积利用条件生成的卷积核增强模型适应性。在ImageNet上,ParameterNet-600M在准确性上超过Swin Transformer,且FLOPs更低。该方法也被拓展至语言领域,提升LLaMA模型性能。代码可在<https://parameternet.github.io/>获取。
|
资源调度 Serverless 计算机视觉
高斯函数 Gaussian Function
**高斯函数,或称正态分布,以数学家高斯命名,具有钟形曲线特征。关键参数包括期望值μ(决定分布中心)和标准差σ(影响分布的宽度)。当μ=0且σ²=1时,分布为标准正态分布。高斯函数广泛应用于统计学、信号处理和图像处理,如高斯滤波器用于图像模糊。其概率密度函数为e^(-x²/2σ²),积分结果为误差函数。在编程中,高斯函数常用于创建二维权重矩阵进行图像的加权平均,实现模糊效果。
2563 1
|
网络架构
IP数据报的分片的相关计算
IP数据报的分片的相关计算
749 4
|
监控 安全 API
ActionTrail是什么?
【5月更文挑战第8天】ActionTrail是什么?
305 2
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。

热门文章

最新文章