基于opencv的MTF算法开发

admin

使用ctf-chart需要注意的一点是线对宽度需要结合摄像头测试的nyquist频率，视场，增距镜来确定，不然起不到有效管控模组解像力的要求。这个我有这套系统的计算方法，适合8M以下摄像头检测使用。优势是简单高效，缺点是需要根据不同的客户要求定制不同线宽的图卡。
0.计算过程
MTF算法主要利用了光学干涉的原理，一黑一白线对透过镜头投射到芯片上，此时芯片的像素对不同线宽密度的相对分辨能力不同，出现互相干涉，造成黑色变亮，亮条纹变暗。说到这里，线宽的选择非常重要。

计算公式也很简单MTF=(Vmax+Vmin)/(Vmax+Vmin),但实际计算中有比这个更好用的方法，我们在一些行业中发现MTF算法的确有很多种，可以参考软龙格自己开发几套MTF算法，虽然他们对外不公开，但基本的原则是遵循的。

博客中提及的算法经过有效验证，可以有效拦截在不同频率下的模组表现良好，及格，差等规格的产品。

此算法特别适合目前安防，车载行业计算使用，有自己整机产线的客户可以选择使用此算法开发一套整机测试程序。欢迎咨询，算法非公益。
1.先看效果图




2.再看原理
MTF算法的介绍如下：

对比度（contrast）是和acutance相联系的。显然，高对比度对应高acutance，低对比度对应低acutance。对比度和acutance可以互换，我们这里不区别其含义，尽管对比度有更广泛的含义，比如照片的整体对比度。sharpness是resolution和acutance的结合。如果一幅图像即有高的分辨率（resolution）和高的边缘锐度（acutance），那么我们说这幅图像具有高的sharpness。分辨率和边缘对比度任何一个不够高，这幅图画的sharpness都不够。所以，摄影里的sharpness指照片的整体清晰度。考虑到这些，摄影里的sharpness可能翻译成“清晰度”更合适，而“锐度”的含义留给acutance。下边我们就这样用：清晰度＝sharpness，锐度＝acutance，分辨率＝resolution，对比度＝contrast。（读国外的镜头测评文章，sharp和sharpness是常见到的词汇，比如说某个镜头very sharp。这个词的含义是确定的，指该镜头的解像力非常高，成像清晰：分辨率高，而且对比度复制准确；这和我们常说的某个镜头成像很锐是不一样的。我们说尼康镜头成像锐度高，是指色调边界的对比度高，清晰；比如树叶的边缘非常清晰。）

记住，清晰度＝对比度+分辨率；或者，清晰度＝锐度+分辨率。高的分辨率只能通过恰当使用好的仪器（相机和镜头）实现，后期无法获得。锐度则可以通过后期来增强。还有，不同的镜头厂家生产镜头的侧重点也不一样，比如蔡司和佳能重视分辨率，莱卡和尼康则重视锐度。

（二）镜头的MTF曲线

镜头的MTF曲线（MTF chart）是对镜头的解像力的一个定量描述，确切地说是对镜头成像的清晰程度（包含分辨率和锐度两个因素）的一个定量描述。MTF的数学含义是调制传递函数（Modulation Transfer Function），这是镜头设计工程师必须考虑的一个镜头特性函数。

所谓镜头的解像力，就是镜头如实地再现被摄物体质感（texture）的能力，是镜头成像质量的一个重要指标。用来测试镜头解像能力的被拍对象通常是如图所示的清晰黑白条纹：



这个黑白条纹包含了描述影像清晰度的两个基本要素：锐度，即黑白对比度，这里黑条纹和白条纹有清晰的边界；分辨率，即单位长度包含的黑白条纹数目，用“空间频率”（简称频率）来定量描述。在上边的黑白条纹图案里，空间频率是变化的，从左往右，黑白条纹宽度逐渐变窄，间隔逐渐变小；空间频率逐渐升高。左边是低频，右边是高频。

如果经过镜头成像之后，影像是跟原物一模一样的黑白明晰条纹（包括分辨率和锐度），这个镜头就有完美的解像力。然而，这样完美的镜头是不存在的，一般的镜头成像效果是这样的：


————————————————

                            版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.csdn.net/zsl091125/article/details/123597827