汉语大全>童话作文>嘴与眼睛的对话 600字

嘴与眼睛的对话 600字

详细内容

嘴与眼睛的对话600字(一)

嘴巴与眼睛的对话!

嘴巴打着哈欠,要睡觉了,可是红红的眼睛就不愿闭上。

嘴巴问眼睛:“眼睛弟弟,这么晚了怎么还不睡觉?”眼睛说:“我本来有一双又明又亮,健康的眼睛。可是小主人从来不爱护我,每次玩耍,都用脏兮兮的手和袖子往我身上抹,真难受!”

嘴巴说:“小主人真不讲卫生!”眼睛说:“还有呢,他刚开始写字时,坐得还端端正正,可后来头越来越低,几乎碰到了桌面,爸爸妈妈提醒他,他就左耳进右耳出,他还在吃饭时看书,还边吃边看电视,真让我受不了,”说着说着,眼睛哭了起来。

嘴巴说:“这样下去可不行,我帮你出个主意吧。下次,他还这样对你,你就闭上,让他什么也看不见。”“好”眼睛听了这主意,乖乖地闭上了。

小主人听了,眼睛和嘴巴的对话,心里渐愧极了。不知不觉,就进入了梦乡。

从此,眼睛又恢复了明亮,整天笑眯眯的了。

大树与斧子的对话

一天,伐木人带着斧子来到了大树所在的地方。

斧子一下一下地砍着大树,就在大树快要倒下的那一刻大树忍住了伤痛皱着眉头长叹了一声说道:“斧头,你知道吗?我可以造氧气,如果没有了氧气地球

上所有的生物都会死亡包括你自己”。斧头的心似乎没有一点儿动摇地说:“我只知道砍树,并不知道什么是氧气?”。树又耐心地讲道:“你没了氧气就等于没了生命,没了生命你还怎么砍树?”。斧头有些惭愧地低着头说“对不起我以后不砍树了”。大树听了十分高兴继续讲道:“我们树还可以防洪,在雨季时我们的根会吸入大量的水储存起来,这样就可以防止洪灾发生„„”。大树讲了很多,它忘记了悲伤和痛苦只记得保护家园。

大树倒了,它的最后一滴眼泪成了万物的滋润水,它永远记得那可爱漂亮的小鸟

从前,在一座很有名的城市里,住着一位很有名的画家。

他能画出世界上最美的画,人们都说,他画的鸟儿能唱出最美的曲子,他画得的花能散发出最甜的花香……但他从不炫耀自己,当慕名来访的人们问起他画画的秘诀时,他总是夸奖他的画笔和颜料,不到几天,原先极为安静的画室变得热闹起来,里面挤满的慕名来观赏画笔和颜料的人。

从此,画笔和颜料被夸的飘飘欲仙,骄傲极了,都认为自己的功劳最大,互相瞧不起。

“哼,看看你!”画笔抬着头,一脸傲气地说“一身脏乎乎全是颜色,不是我,你们什么东西都画不成,反而,把主人的纸变得脏乎乎的!!”

不同颜色的颜料似乎在同一时刻用愤怒的眼神瞪着一脸傲气的画笔满不在乎的喊道:“没有我们,你一个人在纸上乱跑,白忙!!”

他们越吵越激烈,却不知画家已经悄悄地站在旁边,“啊,今天终于人少了一点,可以安心画画了!”说这便拿起画笔,正要调颜料。画笔忍不住说到:“主人,您说我们谁的功劳最大呀??”画家先是一愣,然后哈哈大笑起来,说:

“你们刚才说的话我都听见啦!你们俩的功能都很大,缺了哪一个,我什么也画不了!”

城市里住着一个养蜂人和他可爱的小蜜蜂。

最近蜜蜂听说,人们都反映蜂蜜没有以前那么甜,还有一股怪味!人们都怀疑小蜜蜂在偷懒,还在采的花蜜中加了露水。小蜜蜂听了好伤心,好难过!

采蜜的路上,小蜜蜂一边哭,一边说:“这不应该啊,我们蜜蜂是自然界里最勤劳的了,忙得几乎忘记早晚,有时还趁着月色出来采花酿蜜,我们蜜蜂应该获得‘最热爱劳动奖章’才对呀,怎么还会被众人所指责呢?”想呀想,小蜜蜂排除所有可能,最后断定是花朵故意在搞恶作剧,只有花粉不好才会影响花蜜的美味。小蜜蜂越想生气,便下决心要找花朵算账!

小蜜蜂飞呀飞,落在一枝含苞欲放的小花上,正要开始准备对它恶狠狠地骂时,却发现这枝花,没精打采的,像是生了病,花朵的颜色也暗淡了很多,叶子渐渐枯黄了。这时,小蜜蜂心里的气恨已消了一半,轻轻地问:“花妹妹,您不舒服吗?”花妹妹喘着气,指着旁边的小溪,哭着说:“我们都喝了有毒的水,那些无保护环境意识的人们,为了加工生产,污染环境,流出的水,哎,都是有毒的。我们都快要枯死了,就连小河边的花草也无一幸免。”

小蜜蜂立即明白了,即惭愧又生气,恶恨恨地说“这都是人类干的‘好事儿’!”这对人类来说,绝对是自食其果,我反倒错怪了小花妹妹。”

这个故事告诉我们:保护生态环境是迫在眉睫,为了我们都有香甜的蜂蜜喝,为了我们有美好的生活气息,那就是让我们小手拉大手,心连着心,共创绿色环境,保护我们美丽的家园。

简评:小作者通过叙写蜜蜂和花朵的对话,告诉人们要环保环境。文中情节有趣,语言生活形象,是一篇寓言佳作。

嘴与眼睛的对话600字(二)

嘴和眼睛的对话

嘴和眼睛的对话嘴和眼睛都是人身上的重要器官,它们平时亲如兄弟。可是最近它们却因为一点小争执而闹矛盾了。嘴说:你啊,一天只知道到处看,一点用处也没有,不像我。眼睛毫不示弱:你又能好到哪去?一天只知道吃,吃!或是喋喋不休的念叨,还说我呢?你自己更是一无是处!从此以后,它俩谁也不理谁。眼睛有时不睁,常常把嘴弄个狗啃泥;嘴有时不吃饭,饿得眼睛无法睁开。终于,人死了,嘴和眼睛都连同人一起被厚厚的泥土覆盖,永不见光明。这个故事告诉那些不团结的人们,不团结是要付出惨重代价的。

嘴与眼睛的对话600字(三)

嘴与眼睛的对话

夜深了,幽蓝的月光从窗外照射进来,所有人都沉浸在甜美的梦乡中„„

“吧唧吧唧„„”主人刚参加完宴会回来,嘴巴还在津津有味地回味着宴会上吃过的山珍海味.

“嘁——”眼睛不屑地瞅了嘴一眼:“吃,吃,每天就只知道吃!饭桶!”

“你骂谁呢!你不会是嫉妒我天天能吃到山珍海味吧?”嘴也不客气地回了眼睛一句。

“我嫉妒你?嘁,笑话!我嫉妒一个饭桶干什么?“

嘴被眼睛激怒了,他朝眼睛吼道:“你说我是饭桶,那好,那你是什么?你有多大能耐!”

“真是孤陋寡闻,”眼睛冷笑着,“你没听说过一句话吗?眼睛是心灵的窗户,我们眼睛的能耐可比你嘴大多了!主人一刻也离不开我!”

“好,既然你这么说,那么我们就来比比,看谁的能耐大,主人到底离不开谁!”

……

清晨的第一缕阳光照射到了房间里,主人刚醒来,却发现眼前一片漆黑,原来是眼睛罢工了,主人什么也看不见,跌跌撞撞的,一不小心,“乓”的一声,被床下的拖鞋绊倒在地,磕掉了一颗门牙,嘴巴也肿起来了,疼了好几天。

有一次,主人感冒了,可嘴巴呢,说什么也不肯帮忙,就是不吃药,弄的主人整天打喷嚏,难受极了。

嘴巴得意地说:“瞧见了吧?主人是不可能离开我的,你就认输吧!”

“认输?”眼睛说,“你可真是好了伤疤忘了疼!那天我罢工,主人摔了个大马趴,把你屁股都摔肿了,你还让我认输?笑话!“

“哼,反正主人就是离不开我!“

“离不开我!”„„

“好了!”鼻子看不下去了,“你们吵什么呢!你们不知道吗?你们对主人来说都很重要,主人都离不开你们,为什么要为了这点小事吵架呢?我们应该团结起来才是啊!”

眼睛和嘴听了,惭愧地低下了头,互相道了歉,从此以后团结一心,再也没吵过架。

嘴与眼睛的对话600字(四)

《嘴和眼睛的对话》嘴和眼睛是一对冤家。这天,他们两个打了一个赌。嘴巴说:“我希望我的主人是一个讲演家,可以充分利用我能说会道的特点,把世间的真理告诉人们!”说着说着嘴巴自豪地扬了起来。眼睛却不以为然:“演说家有什么稀奇,摄影师才厉害!我希望我的主人可以利用我来捕捉这世间最美的场景。用照片记录下来。这些照片对人们来说不仅是回忆,还有美好的故事!”“回忆都是往事,真理最重要!”嘴巴反驳道。“不,故事最重要!?”眼睛也不甘示弱。嘴巴说:“那我们打个赌看谁的主人更加厉害!”“好,一言为定!”可是,命运是如此偶然,天使把这对冤家分配给了同一个人。这是一个有着金色卷发,白皙肌肤的漂亮女孩。她既善良又温柔。并且一生下来就有一张可爱的樱桃小嘴和水汪汪的大眼睛。嘴和眼睛都很开心,但是他们的赌约依旧进行着。女孩刚开始说话就比同龄人要口齿清晰,大家都夸她能说会道。嘴开心极了。到女孩可以走路时,她就喜欢到邻居的花圃中散步,看看那鲜艳的红玫瑰。或是,跟着父母去远足,欣赏那美丽的景色。眼睛很是欣慰。但是女孩长大了,她有了自己的梦想和心事。她不再经常和父母去远足或是去花园散步,也不那么经常与朋友交谈。她常常盯着同伴的舞蹈鞋或是看着电视里的舞蹈演员。她希望,自己可以成为一名舞蹈家。嘴和眼睛都很伤心。眼睛流着泪说:“她不喜欢摄影师。她只想当那些跟着音乐狂跳的疯子。”嘴巴也说:“讲演家,多么崇高的职业!可她却浪费自己与生俱来的潜力,非要当一名舞蹈家!”女孩还是去学习了舞蹈,她十分努力,每天她都在潮湿,闷热的舞蹈房里练习,一遍又一遍。哪怕汗水浸湿她的连衣裙,哪怕已经无数次跌倒后爬起。她都坚持不懈。终于在一次国际的大型比赛中,她取得了成功,获得了金奖。当记者提问她:“你认为你身上的什么地方最特别?”“我认为是我的嘴巴和眼睛。”记者吃了一惊,包括眼睛和嘴。记者问道:“为什么?”女孩平静地回答:“我的眼睛让我看到我的梦想可以散发多么耀眼的光芒,问道嘴巴每天上扬45°,给我自信与勇气!”听完这番话,这两个冤家对视一眼,会心一笑……那个赌约呢?或许早已经不那么重要了……

嘴与眼睛的对话600字(五)

眼睛和嘴巴

眼睛和嘴巴是一对好邻居,眼睛靠嘴巴传达感情,嘴巴靠眼睛辨别食物好坏,他们相依为命,关系特好。可是有一天,这两对邻居却吵起架来。

原因是这几天,其他的邻居都在向大脑管理员询问,自己和搭配伙伴谁强。眼睛看了,也想随“潮流”,就把申请单交给了大脑管理员。不一会儿,答案回来了:眼睛要略胜于嘴巴。嘴巴这下可生气了:自己干得没比眼睛差,大脑管理员却说自己不如眼睛,这还得了!眼睛和嘴巴大吵了一顿,最后谁也不理谁了。

一天,眼睛和嘴巴走在路上。突然,眼睛看见有一辆车飞驰而来,而在车的前面,有一个小男孩走着,他丝毫不知后面的情况。眼睛看见后,十万火急,急忙把自己的话语传达给嘴巴,让嘴巴叫出来,让小男孩免遭车祸。可嘴巴前一阵和眼睛吵了一架,正赌着气,面对眼睛的请求,丝毫不理。眼睛急得想大喊出来,可却鞭长莫及。眼看着车就要撞上小男孩了,小男孩回头一看,急忙往旁边一跳,躲过了这场飞来横祸。晚上,大脑管理员严肃地批评了眼睛和嘴巴,指责他们差点造成了一场车祸。眼睛心里委屈极了,心想:你这样对我,我也要这样对你!

第二天,小主人带着大家去吃饭,桌上有一盘放了好几天的黄鱼,苍蝇在上面飞着。嘴巴正等待眼睛“可以吃”的指示。眼睛看着这一盘黄鱼,心里想出了一个坏主意。他立刻给嘴巴下达了命令:可以了,快吃吧!嘴巴狼吞虎咽地吃完了鱼,扬长而去。晚上,小主人痛得上

吐下泻,持续了三天之久。病好了,大脑管理员把眼睛和嘴巴叫过来,狠狠地臭骂了一顿。大脑管理员骂完后,鼻子过来劝他们:“不要为这点小事生气成这样啊,你们俩是相依为命,缺一不可,只有团结在一起才能生活下去,一定不能这样绝情啊!”眼睛和嘴巴互相想了想,觉得鼻子说地对,就互相道了歉。

现在,两个邻居又和好了,他们互相帮助,团结在一起,过着美好而幸福的生活。

简评:

作文能写出眼睛和嘴巴的故事,从中说明了要互相帮助,团结一心的道理,结构完整,但个别语句不够精炼,写完读了吗,修改了吗?

嘴与眼睛的对话600字(六)

1绪论

1.1研究意义与背景人脸作为人类最熟悉又最富多变性的一个组成部分,其复杂的结构能提供非常丰富的信息,这使得人脸特征信息在计算机中的表示形式以及这些信息的处理方式成为计算机视觉、图像处理和分析、模式识别、图像编码,计算机图形等领域的重要研究内容之一。

人脸嘴巴定位在人脸识别、三维虚拟人脸合成、人脸表情分析与合成等方面具有非常重要的作用,是当前计算机视觉、计算机图形学、模式识别等领域的研究热点。目前,已经有很多的算法和模型提出,但是由于脸部的复杂性和人脸图像成像时环境的影响,至今仍然没有一个一般性的算法或模型能够解决这一研究难题。

所谓的人脸嘴巴定位,就是通过计算机在一幅人脸图像中自动地定位出人脸嘴巴器官的准确位置。嘴巴是一个在人脸识别中极为重要的人脸特征,因此一种快速可靠的精确定位嘴巴的算法对许多实际的应用是十分重要的。并且由于人脸器官特征的相似性,嘴巴定位算法稍加修改便可应用到人脸其他特征的定位。它为人脸图像的处理与分析提供了重要的几何信息,人脸嘴巴定位的准确与否直接关系到后续应用的可靠性。该方向的研究在人脸识别、基于模型的图像编码、具有真实感的三维虚拟人脸建模、人脸变形、人脸表情分析及合成、口形分析等方面有着重要的应用。其中,口形分析是它的一个重要应用,在口形分析算法中,一个重要的工作就是人脸嘴巴尺寸的归一化,而这一归一化的实现都是依赖于人脸嘴巴定位的结果。另外,一些算法中需要各个器官的相对位置及形状或对面部局部区域的特征加以分析,需要在面部特征定位基础之上进行,这其中就包含人脸嘴巴特征定位。总之,人脸图像的嘴巴定位有着广泛的作用,是许多其它的人脸图像研究工作的前提,直接关系到其它研究工作能否顺利地进行。

虽然人类可以从一幅人脸图像中很轻松地分辨出人脸嘴巴的准确位置,但对于计算机来讲却并非一件易事。由于人脸有复杂的三维表面结构,因而对于其形成的二维图像,其变化也是非常之大的,尤其对于不同的人脸姿态、表情,不同的光照条件,得到的二维图像的差别是非常明显。因此,准确的人脸嘴巴定位是一个非常具有挑战性的课题。目前,国内外很多研究人员提出了各种方法,在不同的领域取得了一定的

有很大的探索空间。成果。但是对于寻找一种能够普遍适用于各种复杂情况的准确率很高的检测算法,还

1.2国内外研究状况

人脸嘴巴定位的研究始于基于几何特征的人脸识别方法的研究。早在上世纪六十年代末,Kanada[1]就提出了基于几何特征的人脸识别方法。其中采用的方法就是基于灰度变化信息来定位嘴巴的方法。该方法主要利用人脸不同区域灰度分布的不同特性来提取嘴巴的位置。该方法有与直接利用灰度的变化来分析,因而对于光照的变化,其鲁棒性受到限制。

Kass[2]等人在1987年首先提出了称为Snake的主动轮廓线模型(ActiveContourModel),Snake是能量极小化的一种模型,内力约束它的形状,外力引导它的行为,图像力将其拖向显著的图像特征。Snake模型的引人之处在于它对范围广泛的一系列视觉问题给出了统一的解决方法。近年来,它已经被越来越多的研究者成功地应用于计算机视觉的诸多领域。W.S.Lee[3]等1997年提出了一种由正面和侧面人脸图像的结构化snake模型来进行人脸嘴巴定位。

基于可变形模板的特征提取首先是由A.L.Yuille[4,5]等人在1992年提出,用来提取眼睛和嘴巴的特征位置。针对人脸器官的复杂性,有些区域的灰度对比度比较低,因而无法直接检测到边缘,即使获得了较明显的边缘,也很难从中自动地获取精度很高的特征点位置。为此,用弹性可变形模板进行特征提取就显示其优越性,可变形模板用一组根据特征形状的先验知识设计的参数所定义,这些参数是可调的,为了定义出最符合特征形状的参数,需要利用图像的边缘、峰值、谷值和先验知识设计合适的能量函数。参数向能量函数减小的方向做调整,当能量函数达到最小时,这组参数对应的模板就最符合所关心的特征形状。

PaulDebevec[6]等于1992年提出了利用神经网络对人脸照片中的眼睛、鼻子和嘴巴进行定位的方法。在该方法中,对每一个器官都构造一个神经网络,以人脸图像为网络的输入,得到该器官在图像中的位置。

L.Wiskot[7]等人在1997年提出了利用Gabo小波变换系数进行人脸识别的弹性图匹配方法,在该方法中利用了一组不同频率和相位下得到的Gabo小波变换系数作为特征,来进行人脸眼睛、鼻子和嘴巴的精细定位,进而进行识别。V.Kruger[8]利用Gabo小波进行人脸图像的表示与重建。根据重建系数的相似性来进行人脸嘴巴定位。另一种人脸嘴巴定位的方法是基于主动形状模型和主动表观模型的方法。主动形

状模型(ASM)是一种基于统计模型的方法,是由T.F.Cootes[9,10,11,12]等人在1995年提出,该方法对训练集中大量所描述的形状实例进行统计,建立起反映目标形状变化规律的形状统计模型和反映灰度分布规律的局部灰度模型.在搜索过程中,首先利用训练得到的局部灰度模型进行搜索,之后利用形状模型来对搜索到的形状进行近似表达,同时对其合理性进行判断,对不合理的形状进行调整以保证形状在统计意义上的合理性。通过循环迭代,得到理想的匹配结果。在主动形状模型基础之上,T.F.Cootes[13,14,15]等人在1998年中提出了主动表观模型(AAM)。在此方法中,不仅建立了反映形状变化的形状统计模型,同时建立了反映全局纹理变化的全局纹理模型,以充分利用全局的纹理信息。并对形状模型及纹理模型结合起来建立表观模型。得到的表观模型去除了形状和纹理之间的相关性,可以准确地生成形状及纹理变化的目标图像。在AAM搜索过程中,利用训练得到的图像灰度差值与表观参数变化的线性关系,不断变化表观模型参数以及二维几何位置和尺度等参数,直至得到理想的匹配效果。

ASM和AAM方法可以通过对某一类特定图像进行建模,来进行特征的提取,具有较好的通用性与灵活性。

1.3本论文的主要研究内容及组织形式

本文主要对基于眼睛位置的嘴巴定位方法进行了研究,并根据人脸器官几何分布特点和灰度分布特点提出了三种基于眼睛位置的嘴巴定位算法,同时还介绍了一个用VisualC++6.0开发的基于眼睛位置的嘴巴定位系统。本文组织如下:

第一章是绪论,主要阐述了人脸特征定位的研究背景、重要意义和国内外的研究动态。

在第二章中介绍了几种目前比较常用的几种人脸特征提取方法,即基于灰度及变化信息的特征提取、基于Snake的特征提取、基于ANN的特征提取、基于可变形模板的特征提取和基于ASM、AAM的特征提取。

本文的第三章详细介绍了基于眼睛位置的嘴巴定位算法。先介绍人脸图像的预处理算法及过程,再介绍对预处理后的图像进行的嘴巴精确定位算法。提出了三种嘴巴精确定位算法。

在第四章,介绍了用VisualC++6.0开发的一个基于眼睛位置的嘴巴定位系统。详细介绍了系统的结构,系统所使用的人脸数据库,以及利用人脸数据库进行实验的过程和结果。文中还根据从实验结果对该系统进行了分析和讨论。

最后是本文的结论,对本文所进行的基于眼睛位置的嘴巴定位方面所做的研究进行了总结,对研究的方法给出了相应的结论,阐述了这些方法中现存的一些问题,并指出了今后应努力的方向。

2人脸特征点定位方法的概述

2.1基于灰度及变化信息

特征提取方法中最简单、最直观的就是通过人脸面部灰度及其变化的信息来获取特征信息。由于人脸各器官具有一些固定的灰度分布特点,比如眼睛往往是人脸部灰度最深(最黑)的部分、双眼灰度分布的对称性、人的五官位置和大小存在一定的比例关系等等,所以很容易利用灰度信息来做特征的粗略定位。这类方法主要有如下三种形式:

2.1.1灰度的水平或垂直投影

对人脸图像来说,通常用这种方法对眼睛、嘴巴、眉毛、鼻子进行定位。因为眼睛往往是脸部区域灰度最深的位置(最黑的地方),所以可以对脸部区域同时进行灰度的水平投影和垂直投影,这两个投影曲线的交叉点就是两眼在脸部的位置。然后用已经知道的眼睛位置、脸部器官的先验知识和两条水平、垂直投影曲线,就可以定位出其它主要器官的位置。这种方法比较简单,对正面图像的效果比较好,但是它的结果不会很精确,而且抗干扰性比较差,稳定性不高,仅适用主要器官的粗略定位。

2.1.2基于边缘的特征提取

边缘提取是图像处理中一个经典的方法,它利用图像灰度变化的信息来反映图像特征。如果一个象素落在某个物体的边界上,那么它的领域将成为灰度变化带,这种变化最有用的信息是灰度的变化率和方向,它们分别用梯度的幅值和方向来表示。边缘检测方法通过检测每个象素的领域并对灰度变化率进行量化,通常也包括方向,从而提取出边缘。基于边缘的提取往往