在光学领域,经常用到空间频率的概念。实际上是把电信号的频率概念,应用到光学领域。
相机一个非常重要的指标,是清晰度或解析度,一般用相机能识别的“线数”来描述。所谓的“线‘,就是相隔等距的黑白条纹。如下图一。
图一
相同距离中,所包含的线数越多,说明线距越近,则黑白线的变化越快。
电信号随时间的变化率,被称为频率。图二为1Hz电信号的时域波形,横轴为时间轴。
图二
将频率的概念,应用到黑白线条随空间距离的变化率,就成为空间频率的概念。
我们已经知道,一般电信号的频率是包含有许多频率分量的。以图二为例,1HZ的方波信号,实际上包含有1Hz的多次谐波分量,可以用傅里叶变换来得到。
本文通过GNU Octave软件,进行傅里叶变换,求得各种条纹的频率分量。
首先看一下计算结果。
图三
图三是一条宽度为100的白色条纹。右边是空间频率,第一个零点的坐标是是2pi/100。是一条连续的频率曲线。
图四
图四是一条宽度为50的白色条纹。右边是空间频率,第一个零点的坐标是是4pi/100。
图五
图五是一条宽度为10的白色条纹。右边是空间频率,第一个零点的坐标是是20pi/100。
从图三~图五可以看出,单一一条白条纹的频谱,是连续的。说明频率分量是连续的。随着白色条纹越来越细,第一个零点的空间频率变高。频率分量的幅值变小。
图六
图七
图六、图七是多条线的空间频率情况。
采用GNU Otave的基本程序如下:
总结:
本文通过GNU Octave软件的FFT(傅里叶变换)函数,计算黑白条纹的空间频率。通过不同宽度的条纹的空间频率的计算,可以更好的理解空间频率的概念。