衡量镜头解像能力性能的指标-MTF曲线

MTF(Modulation Transfer Function,模量传递函数),是目前分析镜头解像能力的方法,可以用来评判镜头还原物体对比度的能力。说到MTF,不得不先提一下衡量镜头性能的两在重要指标--分辨率和反差。


一、分辨率:


分辨率(Resolution)又称分辨力、鉴别率、鉴别力、分析力、解像力和分辨本领,是指摄影镜头清晰地再现被摄景物纤微能力。显然分辨率越高的镜头,所拍摄的影像越清晰细腻。它的单位是“线对、毫米”。它的可以量化,用数据表示,使直观、更科学、更严密。


二、反差:


反差(Acutance)又称鲜锐度、明锐度,是摄影镜头鲜明地再现摄景物中间层次、暗部层次、低反差影纹细节、微弱亮度对比和微妙色彩变化的能力。反差高的镜头,所成影像轮廓鲜明、边缘锐利、反差正常、层次丰富、纹理细腻、影调明朗、质感强烈、色彩柔和、彩色还原真实镜头的反差,很难简单地用数据表示,也很难用普通的仪器测试出来,人们通常是只凭主观感觉,定性地进行评述。

分辨率和反差的综合表现,被称为清晰度(Clarity),两者是全面评价一个摄像头成像质量的两大重要因素。


MTF使用的是黑白逐渐过渡的线条标板,通过镜头进行投影。被测量的结果是反差的还原情况。如果所得影像的反差和测试标板完全一样,则MTF值为100%(1),这是理想的最佳镜头。若反差为一半,则MTF值为50%,数值0表示渐变黑白线条被还原为单一的灰色,当数值超过80%(20lp/m)则已很好。




测试一般分为径向和切向两个方向,如果两个方向上MTF值相差较大,说明镜头遭受较严重的像散。另一点是需要注意使用相同的线对分布,线对分布越密,测得的MTF值通常也越低。同时MTF也与相机的光圈有关,在最大和最小光圈下MTF值通常非常低,最佳MTF值一般在小于最大光圈2-3档处获得。人眼能够分辨的最低调制度为0.05,即入眼能分辨1 mm内有20线对的图像,高于20线对人眼已经无法分辨。


MTF曲线如何看?


常见的MTF曲线是这样的:横轴代表距离影像传感器(数码相机)中心的径向距离(沿着传感器的对角线方向),纵细是MTF值。图中一般给出两组MTF曲线:一组对应低频=10LP/mm,一组对应高一些的频率=30LP/ mm。每组曲线又分两条,一条代表镜头对径向线条(线条方向沿着由传感器中心向外的径向)的解像力(实线);另外一条代表镜头对切向线条(线条方向和传感器中心的同心圆相切)的解像力(虚线)。





  • 10
    点赞
  • 49
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
计算MTF指标需要对图像进行傅里叶变换,下面是使用Python计算MTF指标的示例代码: ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 读取图像并转换为灰度图像 img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE) # 进行傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 计算图像的幅度谱和相位谱 magnitude_spectrum = 20 * np.log(np.abs(fshift)) phase_spectrum = np.angle(fshift) # 计算MTF曲线 rows, cols = img.shape crow, ccol = rows // 2, cols // 2 # 按照距离计算点的位置 x = np.linspace(-cols / 2, cols / 2 - 1, cols) y = np.linspace(-rows / 2, rows / 2 - 1, rows) X, Y = np.meshgrid(x, y) D = np.sqrt(X**2 + Y**2) # 计算径向平均值 bin_width = 5 bins = np.arange(0, int(np.ceil(np.max(D))) + bin_width, bin_width) digitized = np.digitize(D.flat, bins) mtf = [] for i in range(1, len(bins)): indices = np.where(digitized == i) if len(indices[0]) > 0: mtf.append(np.mean(magnitude_spectrum.flat[indices])) else: mtf.append(0) # 绘制MTF曲线 mtf = np.array(mtf) / np.max(mtf) plt.plot(bins[:-1], mtf) plt.xlabel('Spatial Frequency (cy/mm)') plt.ylabel('Contrast') plt.title('MTF') plt.show() ``` 其中,`np.fft.fft2()`函数用于进行二维傅里叶变换,`np.fft.fftshift()`函数用于将频域原点移动到频谱的中心。计算MTF曲线需要先计算图像的幅度谱,然后按照距离计算点的位置,计算每个距离区间内的幅度谱的平均值,最后将所有平均值归一化并绘制MTF曲线

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值