熱線電話:0755-23712116
郵箱:contact@shuangyi-tech.com
地址:深圳市寶安區沙井街道后亭茅洲山工業園工業大廈全至科技創新園科創大廈2層2A
色彩修正矩陣
布勒單元,MTF和DXO分析師的BxU
Imatest測試實驗室-怎樣建造一個測試實驗室
2. 原理
MTF描述光信息通過光學媒介和光學器件的傳遞過程中,它的強弱隨空間位置變化規律而改變。調制度等于最大亮度減最小亮度比上最大亮度加最小亮度,因此也叫對比度。MTF正是表征光學系統記錄和還原調制度的能力,MTF等于影像的調制度比上景物的調制度,由于光線傳播過程中的損失,影像中強光部分的相對亮度值要比景物強光部分的亮度值降低,而由于雜光、散射和衍射的影響,影像中弱光部分的相對亮度值要比景物弱光部分的亮度值高,一個理想的光學系統,既沒有像差,又沒有雜光、散射、反射、和吸收的光學系統,它的MTF值等于1,因此一般光學系統MTF值都小于1。
MTF表示的是調制傳遞函數的值隨空間頻率和像場位置變化的函數關系,它有很多種類型,最主要的兩種就是MTF值與空間頻率的關系以及MTF值和像場半徑的關系,空間頻率的單位是線對/毫米(lp/mm),隨著空間頻率的增加MTF值逐漸減小;像場半徑是像場上任意一點到像場中心的距離,在像場內的分辨率標板或光柵中的黑白線條,應按兩個主要的方向放置,這兩個方向是檢驗光學成像系統的法定方向,一個是平行于像場半徑的弧矢方向,也叫徑向,另一個是垂直于像場半徑的子午方向,也叫切向。一般弧矢方向的MTF值要高于子午方向,像場中心的MTF值最高,隨之像場半徑增大MTF值減小。
如下是兩種典型的MTF曲線圖,如何用它來評價一枚鏡頭的好壞,通過MTF曲線我們可以得到兩個指標:
1.銳度
銳度主要是10-40lp/mm或更高空間頻率的MTF值,表明鏡頭再現細節的能力;
2.明銳度
明銳度主要是10lp/mm或更低空間頻率的MTF值,表明鏡頭的反差表現。
MTF的計算方法有很多,比如:
點擴散函數法和傾斜邊緣法是工業界普遍使用的方法。點擴散函數法的缺點在于需要使用小于光學系統或鏡頭分辨率極限的點光源,這樣使得成像器件很難獲得足夠強的信號。
傾斜邊緣法的算法流程下圖,首先獲取傾斜邊緣的邊緣擴散函數(ESF),然后求導得到對應的線擴散函數(LSF),最后傅里葉變換得到MTF。
3. 測試工具
3.1. DxO Analyzer
法國DxO影像測試系統DxO Analyzer是目前國際公認的最全面最精確的圖像質量客觀測試系統。 DxO Analyzer可以測試6千萬像素,近乎所有客觀像質參數。DxO系統不僅可以測試鏡頭、sensor/ISP/video,甚至是多陣列的攝像頭,是現今最全面、最高效、最便利的圖像質量測試系統。
DxO Analyzer的測試原理是:光源+測試卡+DxO Analyzer=測試結果
。我們通過各種各樣的光源模擬各種光照環境,并在這些光照環境下按要求拍攝,把拍攝到的照片傳輸到DxO Analyzer中。DxO影像測試系統自動分辨照片是否符合規格,符合規格就可以直接分析得出結果,不符合規格就需要重新拍攝、上傳。測試結果與工作人員的操作沒有關系,全球各地的DxO Analyzer都可以重復測試得到相同的結果,也就是說結果是可重現的。
4. Imatest
選擇黑色和白色交界的區域,一共需要測10次,位置分別為:
圖像分析:首要看CA的值,單位為pixels。
MTF50:
4.2. 色彩還原測試
色彩還原指彩色CCD、CMOS經過拍攝加工后,彩色攝影畫面的色彩大體上和原景物的色彩相一致。影響色彩還原的因素有CCD、CMOS的性能,攝影鏡頭的質量,光線的色溫等。今天我們通過在D65光源下測試攝像頭對色彩的還原能力來聊聊如何使用Imatest進行色彩還原測試。
1.調節攝像頭的驅動參數調試到最佳,攝像頭拍照相關的參數設置為普通模式,如白平衡設置為自動,曝光設為自動等;
2.調節光源及照度到指定的標準
3.將24色色卡置于燈箱正面中心,色卡中心與邊緣照度不大于10%。調節攝像頭位置,使攝像頭正對色卡中心,并使標板占據模組預覽畫面75%以上,待圖像穩定后拍照。
4.框選ROI,務必將24color都選在框內
5.測試結果
5. ImageJ 測試
ImageJ 需要下載安裝 Slanted Edge Modulation Transfer Function
插件,需要注意的是只能測量豎直傾斜邊緣,從左至右由黑變白的矩形框,具體選項設置參考如下,sensor size單位是mm。
可以得到如下4張圖表,除了MTF外還有ESF、LSF、SPP,比較方便的一點是我們通過Data-Add將不同的MTF曲線添加至一張圖表中進行對比分析。
6. 開源項目:image-quality-assessment
來自德國商品比價服務商idealo開源的圖像質量評價工具。這個工具還是很靠譜的,其參考的是Google 2017年研究論文 NIMA: Neural Image Assessment,另外這家公司本身也在自己的互聯網服務中使用該工具,用于用戶上傳的酒店圖像的挑選和推薦。
實際上該工具有美學評價(側重于圖像好看不好看)和技術評價(側重于圖像質量好不好)兩方面。