MTF-SFR总结/探讨

空间频率响应(SFR)定义

在iso12233:2000中,空间频率响应(SFR)测量被定义为通过分析倾斜黑白边缘附近的相机数据而测量的值。

图像清晰度测试方法

通过ISO12233测试图像清晰度的方法,一般有 TVline测试和SFR测试两种。

当使用SFR测试时,也就是测试斜边(刀口),需要 选择黑色和白色交界的区域,一共需要测10次,中间横向,中间纵向,四角的横向纵向。

MTF调制传递函数定义

MTF算法是分析镜头解像能力的算法,其全称是Modulation Transfer Function(调制传递函数)。为了理解这个,首先需要知道什么是调制Modulation。

如何计算一台相机的调制传递函数:(就是根据分析同一相机在不同空间频率下的成像效果(MTF值)得到一个函数)

MTF的计算就是计算线对间最亮和最暗线对的对比度。(计算过程:相机在空间频率A下成像的图片,读取其最亮值和最暗值)

计算公式为:

MTF = (最大亮度 - 最小亮度) / (最大亮度 + 最小亮度)

得到的MTF值就是该相机位于空间频率A的解析力.---- 多个不同的空间频率下的MTF值组成一组曲线就能得到该相机的MTF曲线,

经过数学处理就能得到该相机的MTF函数(调制传递函数)

这样的话就是说我们计算MTF需要计算不同的空间频率下的响应值,对应的是不是你该拍多张图片呢?这样是不是很不方便呢?

------接着就推出了SFR(空间频率响应)

SFR(空间频率响应):根据数学理论推导,人们发现只需要一个黑白的斜边(刀口)即可换算出约略相等于所有空间频率下的MTF。

分辨率单位、换算及镜头与感光器像素的匹配

1、分辨率单位:

1-1、lp/mm(line-pairs/mm):每毫米线对,表示黑白两条线;

常用于 表示镜头分辨率的单位, 指成像平面1mm间距内能分辨开的黑白相间的线条对数;

l/mm:每毫米线数,表示1条线,lp/mm=2 x l/mm;

1-2、LW/PH(line widths/ picture height): 每像高线数;

常用于表示 相机的摄影分辨率(是指镜头和相机的综合分辨率), 每像高最多可以分辨多少条线数 ;

举例:如给一个10 * 20mm的画幅, 如果纵向可以填进去1000根线, 横向可以填进去2000线,横向: 2000lw/ph, 纵向1000lw/ph( 由于lw/ph在不同方向上不能保证线条数目一样, 所有测试要分横向和纵向 );

2、摄影分辨率和镜头分辨率换算:

摄影分辨率与镜头分辨率的转换:

摄影分辨率(LW/PH)= 感光器高度(mm) x 2 x 镜头分辨率(lp/mm)

3、镜头与感光器像素的匹配:

3-1、镜头分辨率与像素的转换:

像素数(P)= 感光元密度(2 x lp/mm)x 感光器高度(mm) x 感光元密度(2 x lp/mm)x 感光器宽度(mm)

3-2、举例:

a、已知镜头的分辨率值为125lp/mm,感光器尺寸是 1/2"(6.4*4.8mm),需要配多少像素的感光器才能发挥镜头成像水平?

感光元密度为250pixel/mm( 2倍lp/mm ),

像素数:P=(6.4x250) x (4.8x200)=1920000 pixel ;

(感光元密度:根据纳奎斯特采样定理,一个感光元对应一条白线或黑线);

b、反之:已知200万像素摄像机(像素数为:1600x1200=1920000),感光器尺寸是 1/2"(6.4*4.8mm),求相配的镜头分辨率 ?

水平像素密度:1600/6.4=250pixel/mm,

垂直像素密度:250pixel/mm,

镜头分辨率:125lp/mm( 若水平或垂直像素密度不等,应参考密度高的);

c、已知sensor的像素尺寸为4um,那么所对应镜头分辨率是多少?

所选镜头的极限分辨率(白线或黑线线宽)也应该是:4um,

一对黑白线的宽度:2 x 0.004mm,

镜头的分辨率就是1/(2x0.004)=125lp/mm;

相关推荐
AGV算法笔记1 天前
CVPR 2025顶级SLAM论文精读:MASt3R-SLAM如何用单目相机实现实时稠密三维重建?
深度学习·数码相机·机器人视觉·slam·三维重建·agv
格林威2 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附C++ 实战演示
开发语言·c++·人工智能·数码相机·计算机视觉·视觉检测·工业相机
三维频道3 天前
工业级三维扫描实测:汽车灯具复杂结构件的全尺寸 3D 测量方案分析
java·人工智能·python·数码相机·3d·汽车·汽车轻量化制造
杀生丸学AI3 天前
【动态重建】SparseCam4D:基于稀疏相机实现时空一致的4D重建技术
数码相机·aigc·扩散模型·图像编辑·视觉大模型·点云分割
爱吃巧克力的程序媛3 天前
计算机图形学---如何理解模型矩阵、视图矩阵、投影矩阵
数码相机·线性代数·矩阵
轻口味3 天前
HarmonyOS 6 轻相机应用开发4:物品分类功能实现
数码相机·分类·harmonyos
格林威4 天前
堡盟Baumer VCX系列工业相机供电与触发:网口(GigE) vs USB3.0
开发语言·人工智能·数码相机·计算机视觉·视觉检测·工业相机·高速相机
格林威4 天前
面阵相机 vs 线阵相机:堡盟与海康相机选型差异全解析 附Python实战演示
开发语言·人工智能·python·数码相机·计算机视觉·视觉检测·工业相机
格林威4 天前
面阵相机 vs 线阵相机:堡盟与大恒相机选型差异全解析 附C++ 实战演示
开发语言·c++·人工智能·数码相机·计算机视觉·视觉检测·工业相机
Godspeed Zhao4 天前
具身智能中的传感器技术35——RGB-D相机0
人工智能·科技·数码相机·具身智能