前一阵，一张集合了20 位“韩国小姐”选美大赛大邱区选手的GIF图（见下）广为流传，世人纷纷震惊于韩国整容技术的高度一致性。有网友称“韩国整容界的混乱终于在这一张脸上体 现出来了”。那么，这20位韩国小姐的脸到底有多相似？让我们用科学的方法来揭开谜底。 
首先，放出20位佳丽集合图，并对她们进行编号（第一列从上往下依次为1-4号，第二列为5-8号，以此类推）。
通过简单的计算摄影学方法，可以将20张图片的特征集合到一张图片上，得出这20位佳丽的“平均脸”。结果如下：
然后，通过一个视频来观察一下这20张脸的渐变情况，看看每张图片之间的变化幅度。 到目前为止，只能借助上面这些可视化对象进行定性分析，通过主观评价得出结论（结论是像呢还是像呢还是像呢？）。接下来，还需要进行定量分析。 第一步，要构建这些选手面部的“特征空间”。不过，由于选手在拍照时的姿势差异和不同的发型干扰，我们不能用标准的“主成分分析法”（Principle Component Analysis，简称PCA）构建特征空间。因此，需要用一种鲁棒性更强的PCA，来进行脸部图像的低秩部分（low rank part）分解和稀疏误差（sparse errors）分解，如下图中的三个例子所示： 
第二步，通过奇异值分解法（singular value decomposition），可以得到这 20 张脸的“特征脸”以及对应的特征值，从下面这张曲线图中可以看到，没有特征脸的特征值大于等于 7，因此这些图像数据的秩为 6。 
将 6 张特征脸图像化如下，其中包含了20张脸部图像的主要变化。 
第三步，将每张脸投影到特征脸上，分析出这些脸部图像在特征空间中是怎样分布的。下图是 20 张脸的特征系数曲线，可以看到，大部分特征差异都集中在前两个特征值上。 
再将每张脸对应前两个特征值的系数绘制成图，就可以看出这 20 位选手的外貌特征有多相似（分布越近的点代表相似程度越高）。 
第四步，通过两两对比来比较这些参赛选手互相之间的外貌相似程度。下图中，方块颜色越蓝表示两者越相似，越红表示越不相似。 
通过对上图的统计，可以得出下面这张横向对比图，横轴代表选手编号，纵轴代表差异程度高低。 
最后，我们可以看到，这20位“韩国小姐”参赛选手之中，与“平均脸”最接近，也就是与其他人长得最像的三位分别是7号、12号和15号选手。 
而与其他人外貌相似程度最低的三位分别是 1 号、2 号和 6 号选手。恭喜她们！ 
5月3日，“韩国小姐”大邱赛区的大众投票结果出炉。前五名分别是5号、 1号、 15号、20号与19号佳丽。其中位列二三名的1号与15号佳丽分别在“最相似”与“最不相似”三人组中。这似乎与那个著名的观点“大众脸很吸引人，但最吸引人的却不是大众脸”有所巧合。 
当我们在前两个特征值系数图中找到前五名佳丽（红点标记），可以发现，大众在投票过程中似乎避开了选择互相之间外貌非常近似的佳丽。 
友情提醒：整容结果可能跟预期不一致，接受韩式整容需谨慎。 原作者：黄嘉斌 译：小行踪