有这样的设备，这种新的设备能够将图像转换成声音，引导盲人通过听觉 “看到” 周围的世界，解释事物、人物甚至是表情。这个设备叫vOICe，看起来像一副墨镜，但它实际上是一个头戴式摄像头，捕捉盲人周围图像，然后由图像处理算法提取边缘、形状、色彩等信息，将多维的图像转换成一维线型的声音信号，成为盲人可以明白的 "音乐"。音量和音调的变化，主要取决于周围场景的亮度、颜色和对比度。当然，图像是多维数据，声音是一维数据，这两者之间的映射，本来就没有确定的关系，所以映射函数其实是见仁见智的，没有一定之规。唯一的原则，大约就是转化出来的音乐要有一定旋律和美感，不能成为噪音。基本思想就是讲图像pixel-level的一些属性（brightness, saturation, hue, color variation etc.) 映射到音乐空间的一些属性（melody，chord，duration，tempo etc.）, 具体映射方式，应该他有一套自己定义的函数。然后播放的方式，是raster-scan 所有的像素。还有一些用line-scan的：Photosounder.com；SonicPhoto - Convert pictures to sounds!上面两个的demo是youtube上的，可能需要翻墙。之前还看到过以色列一个科学家，把一些简单图片（数字，字母）转换成不同的声音，之后培训盲人，让盲人能够分辨不同的声音对应不同数字图片，最后盲人也就基本能读懂我们正常人看的书了。这个牵涉到人类视觉感知和听觉感知的转换，特别是视觉感情和音乐感情的映射。感觉想要做好，需要了解一些认知科学，脑科学和心理学的一些知识。想法挺有意思的。
可以把图像通过matlab转换成频谱，再用频谱生成声音。但频谱生成声音的过程我也很想知道大概怎样操作，频率分解方式的一种，波的长度是不一样的，博里叶的功能就是在一段波里面，分解出不同的分类，在频率分解方面，这货绝逼是高级货。如果涉及到频率计算的东西，这玩意绝对是不二的选择。贝叶斯，概率计算方式的一种，事物和事物之间的联系是有概率的，在A情况下出现B的概率，和B情况下出现A的概率，是有关系的。可以通过一个固定的公式计算出来。（计算条件不能为零）。三段论，推理方式的一种，这个东西只是听人说过。
首先用高质量录音设备记录下动物的声音，将其转化成“微波”，然后用彩色成像软件着色，最后就得到了几何图形和花朵形状的图案，这些美轮美奂的图案看上去有种让人眩晕的感觉，或许这就是声音的魅力，Mark将之称为“声音的形状”。还有图形图像素材的格式一般为：jpg，bmp，gif，tiff，png等，目前采集图形图像素材的方法非常多，比如屏幕捕捉或屏幕硬拷贝，扫描输入，使用数码相机，视频真捕捉，光盘采集，网上下载或网上图片库，使用专门的图形图像制作工具等等。