都说如果某人漂亮，脸型一定符合黄金比率。有的时候人漂亮不漂亮，帅气不帅气，除了脸型符合黄金比率，其他因素也有很大影响。气质，肤色，化妆，发型搭配。。。
作了一个脸型黄金比率测定的软件，实际测一测，发现测量结果和我们的眼神还是差距很大的。
用了两个AI作的模特图片。我看的还算漂亮帅气，但测量结果却相差很大。
不知道有没有黄金比率的人是长什么样的。
我用的还是降低了标准的普通人标准。 对于明星人物，还有一套更严格的专业标准。打分更严格。
以后选美比赛就用我这个软件打分好了，免得评出个大家都吐槽的“美女”。
AI编程好玩！
新娘丢扇子是传统婚礼习俗，其涵义多从谐音衍生而来，主要象征「丢掉坏脾气」（台语谐音「放性地」），将不好的习惯留在娘家，带好习惯到夫家，从此温柔贤淑地做好妻子；同时也象征将好福气留在娘家，与夫家结下善缘，或代表离开娘家后将从夫姓。
通常会准备两把扇子，一把象征丢弃坏习惯，另一把则象征带着好习惯进入新生活，而留下的扇子代表与娘家的情感不断。
丢扇子的涵义
丢掉坏习惯： 最常见的说法是「放性地」，意指丢掉少女时的坏脾气，以温柔贤淑的性格开始新的婚姻生活。
保留好习惯： 另一把扇子则象征将在娘家培养的好习惯带到夫家。
从夫姓： 也有说法认为丢扇子象征新娘出嫁后将从夫姓，抛弃旧姓氏。
留住好福气： 扇子与「善」同音，丢第一把扇子可视为将福气留给娘家，象征与娘家「善缘」（扇缘）不断；丢第二把扇子则代表将福气带到夫家。
与娘家断绝关系： 扇子与「散」发音相似，寓意希望新娘出嫁后能稳定地在夫家生活，不会再回到娘家。
一、
「黄金比例调味法」通常指的是一套以黄金比例（约 (1:1.618)）为基础设计出的精准调味公式，最常见的是用于日式料理，
例如亲子丼酱汁的比例为高汤(1/2)杯：酱油(2)大匙：味醂(2)大匙：砂糖(1)大匙。
这组基础比例也可以用来制作牛丼、猪排丼、滑蛋炸虾饭等日式料理。
二、
用「黄金比率」管理收支
三、
黄金分割率教学：找出关键转折与交易策略
天道盟大哥嫁女儿 - 警戒备！
新娘不丢扇子 竟丢「步枪」
在哪儿可以用这个啊？看来挺有趣的。
刚上传上去。 班门弄斧了 
谢谢哈，试了一下，看不太懂：
周华健：
Overall golden-ratio score: 32.0 / 100
Face height vs width: value=1.157, target=1.618, score=18.6%
Eye spacing vs eye width: value=2.340, target=1.000, score=0.0%
Mouth width vs nose width: value=1.326, target=1.618, score=48.4%
Upper (eyes-nose) vs lower (nose-chin) face: value=0.754, target=0.618, score=55.1%
Eyes-to-mouth vs mouth-to-chin: value=1.497, target=1.618, score=84.7%
Nose height vs face height: value=0.318, target=0.618, score=0.0%
Deviations:
我自己：
Overall golden-ratio score: 29.8 / 100
Face height vs width: value=1.150, target=1.618, score=17.3%
Eye spacing vs eye width: value=2.521, target=1.000, score=0.0%
Mouth width vs nose width: value=1.317, target=1.618, score=46.9%
Upper (eyes-nose) vs lower (nose-chin) face: value=0.815, target=0.618, score=34.9%
Eyes-to-mouth vs mouth-to-chin: value=1.614, target=1.618, score=99.5%
Nose height vs face height: value=0.322, target=0.618, score=0.0%
Deviations:
和周华健没得比哈。。。
value是实测值，target是理想值，score是评分。score=0%表示偏差极大（按他的计算方法）。比如你有一项score是99.5%，说明这一项你接近完美！
下面的偏差项是说明你那两项获得0%分的具体偏差值，
以上都是我问AI得来的。看打分你和周华健差不多呀。
付Ai的解释：
当前评分规则（代码在 facetest.py 的 metric_score 和 evaluate_face）：
每个指标取一个实测比值 value，理想值是 target（φ≈1.618 或 1.0/1.618 或 1.0），允许的相对偏差 tolerance。
单项得分公式：diff = abs(value - target) / target，score = max(0, 1 - diff / tolerance)，范围 0–1。
总分：各项得分×权重求和，再 / 权重和 ×100。权重分配：脸高/宽 0.30，眼距/眼宽 0.20，嘴宽/鼻宽 0.20，上/下脸 0.15，眼到口/口到下巴 0.10，鼻高/脸高 0.05。
为什么看起来漂亮但得分低：
偏头/侧脸：MediaPipe 点位在 3D 投影后不适合用简单 2D 比例，眼距/眼宽、上/下脸等会严重偏差。
裁剪框不严：如果框到肩/背景，脸长宽比、鼻高/脸高都会偏。
目标值/容差偏严格：如脸高/宽用 φ=1.618，现实多在 1.3–1.5；眼距/眼宽用 1.0 严格，稍偏就 0 分。
如何调优（都在 add_metric 一组）：
放宽容差：把 0.25/0.30/0.35 改大（如 0.40），或单独放宽眼距/眼宽容差。
调整目标值：脸高/宽 target 可改 1.45；上/下脸 target 可改 0.70 等，更贴近真实人脸。
调整权重：降低眼距/眼宽权重，提高你更看重的项。
使用正面、光线均匀、无遮挡、正裁剪的图；侧脸评分本来就不适合黄金比例 2D 模型。
楓葉生活留言板 www.m9981.com
