探索图像清晰度:imatest斜边算法验证
liuian 2024-12-12 13:26 31 浏览
1 | 前言介绍
imatest的斜边算法用于计算MTF/SFR,基于标准ISO 12233 摄影--电子静态图像成像--分辨率和空间频率响应。尽管这一标准在工业中已经确立,我们经常收到关于其有效性的问题。
因此,本文将分享关于验证imatest斜边方法用于分析计算图像清晰度(以MTF表示,实际上与SFR同义)的方法。MTF是图像对比度作为空间频率函数的测量。因此,它是设备或系统清晰度的测量,只是间接地与打印或显示中的感知图像清晰度相关。SQF和Acutance通过使用包括MTF、关于观看距离的假设(通常与打印高度的平方根成比例,但其他选项也可用)以及人类视觉系统(人眼的对比敏感度函数)的公式,测量打印或显示高度和观看距离的感知锐度。
2 | 验证imatest斜边方法用于计算图像清晰度
本文描述了两种验证imatest斜边算法用于计算图像清晰度(MTF)的方法。方法一是将imatest斜边方法与SFRMAT3(一个MATLAB程序)进行比较。方法二是将imatest斜边方法与基于基本原理(基于正弦波)的计算进行比较,这种计算可以通过ImageJ软件执行。
3 | 测试图案
为了执行验证,我们使用一组包含两种验证方法类型图案的图像文件。这些文件都以相同的图像开始,但一个是未模糊的原始图像,其他的则通过图像编辑程序以不同程度地模糊。模糊在整个图像中是均匀的(与大多数消费级数码相机不同,它们具有非均匀的处理:在边缘附近进行锐化(高频增强);在没有边缘的情况下进行降噪(低通滤波))。每个图像文件包含几种图案:
- (顶部)一个条纹图案,其中空间频率随着log(x)变化。仅供参考。
- (中间)一个正弦图案,其中空间频率随着log(x)变化。生成时的gamma=1(即线性)。此图案用于从基本原理计算MTF,如下所述。可以通过imatest的Log Frequency模块或通过ImageJ和Excel进行分析。Log Frequency模块是Rescharts的一部分。要运行它,请点击imatest主窗口中的Modules,Rescharts。
- (右下角)四个斜边,可以使用imatest SFR, Slanted-edge SFR(Rescharts的一部分)或SFRMAT3进行分析。反锯齿(AA)类似于生成正弦图案时使用的反锯齿,其效果较弱——边缘上可以看到一些“阶梯效应”。对比度也与正弦图案相同(大约为10:1)。
? 以下测试图案以模糊程度排序
测试图案中的正弦波和斜边都是数字生成的。测试图案顶部的条纹和正弦波图案最初是由imatest Test Charts模块创建的,设置参考如下:
- 图案:Log Frequency-Contrast
- PPI:300
- 高亮颜色:白色
- 类型:条纹,正弦波(4倍)
- 频率比:200
- 墨水扩散补偿:0
- 高度:20 cm
- 对比度比:10
- Gamma:1
- 测试卡亮度:中等亮度
- 最大频率周期/宽度:1000
条纹和正弦波图案是由Test Charts生成图像的裁剪部分。
可以通过多种方法创建清晰的高对比度边缘。一种简单的方法是运行imatest Test Charts,选择SFR: quadrants,将对比度比设置为最大,将Gamma设置为1,然后点击创建测试卡。测试卡图像在图像编辑器中打开,旋转约5°,然后裁剪以适应最终图像(上述图像约为203×275像素)。由于旋转操作通常应用反锯齿,使得斜边不如正弦波图案清晰,因此需要通过试错来确定锐化的程度。然后将对比度降低到约10:1(像素级别约22~220),并将图像旋转90°(不影响清晰度)后插入到最终图像中。具体操作细节取决于所选的图像编辑器。
4 | 调制传递函数(MTF)
? 斜边:一种更方便可靠的MTF测量方法
MTF(f)是从斜边通过一个抽象的数学过程推导出来的,这一过程在ISO 12233标准中有描述。虽然它抽象(不如正弦波图案测量那样直接),但它相较于正弦波图案,有以下几个具体的优势:占用的空间更少,对噪声的抵抗力更强,并且非常稳定且可重复。本质上,MTF是线扩散函数的傅里叶变换,线扩散函数是平均边缘的导数。多个边缘通过一个复杂的“分箱”和平均过程,这一过程在ISO标准中有描述。斜边使得测量对采样相位(边缘位置相对于像素位置)不敏感。此处将斜边与其他MTF计算方法进行比较。
? 正弦波图案:从基本原理计算MTF
对于正弦波图案,调制M定义为:
其中Amax和Amin是正弦波图案的最大值和最小值(振幅)——也就是“包络线”。
其中f是空间频率,M(0)是M在低空间频率下的极限值。根据定义,在f=0时,MTF(f)接近1。在某些具有软件锐化的系统中,对于某些频率f>0,MTF(f)可以被视为空间频率f处的正弦图案相对于低空间频率的对比度。MTF下降一半的空间频率,即MTF50(50%),是图像清晰度的良好指标,可与通信系统中的带宽相媲美。我们在验证中使用这一指标。MTF(f)可以直接从测试卡中的正弦波图案使用imatest Log Frequency模块测量,或者通过 ImageJ 进行独立验证。imatest Log Frequency模块通过检测包络线来计算MTF(f)。这种复杂的算法在接近奈奎斯特频率(0.5 C/P;数字系统中的最高有效频率)时效果良好。
5 | 使用SFRMAT3验证imatest MTF
在这种验证方法中,使用同一组图像,将imatest的MTF值与SFRMAT3的MTF值进行比较。SFRMAT3是一个被广泛接受的ISO 12233标准的实现,它在MATLAB上运行,适合于验证imatest计算的准确性。SFRMAT3由ISO 12233委员会成员Peter Burns编写。
? SFRMAT3的安装和要求
SFRMAT3是一个Matlab程序。源代码可联系正印科技获取下载。
? 使用SFRMAT3计算MTF的步骤
- 打开MATLAB。
- 从解压的zip文件夹中将sfrmat3.m文件打开到MATLAB中。
- 运行sfrmat3.m文件,并在提示时加载需要使用imatest验证的输入图像。
- 会出现“Data Sampling & weights”窗口。这里不需要做任何更改,点击确定。
- 拖动鼠标裁剪图像文件——和imatest操作类似(但没有微调)。为了与imatest一致,应使用gamma=1的文件(并且imatest应该设置为gamma=1)。
- 将显示SFR vs. Frequency (C/P)的图表,如下图所示。运行完成后,在MATLAB命令行中输入grid on。
- 可以通过点击顶部栏上的放大镜(+)按钮,在SFR=0.5和0.2 C/P的区域放大查看,找到MTF50值。
- 将此MTF50值与imatest对相同输入文件计算的MTF50值进行比较。
- 0.205 C/P的值非常接近imatest的值(0.202 C/P,如下图在“BlurMore”部分中所示),也接近两种不同的正弦图案结果。1%左右的差异大约是清晰度的一个“可感知差异”(JND)的十分之一。
? 使用ImageJ软件验证imatest MTF
这种替代方法展示了如何通过与基本原理计算进行比较来验证imatest的斜边方法计算图像清晰度(MTF)的准确性,这些基本原理计算可以由imatest的Log Frequency模块或ImageJ和Excel执行。第一种方法将imatest斜边MTF结果与imatest Rescharts Log Frequency的结果进行比较,后者是基于正弦波的基本原理计算。第二种方法是使用ImageJ和Excel计算正弦图案的MTF值。尽管正弦图案和斜边方法使用了非常不同的算法,但它们在数学上是等效的。一个完美的系统应具有平坦的频率响应(无衰减)。一个完美的边缘应是一个阶跃(尽管考虑到反锯齿问题,这在斜边的情况下会更复杂)。其导数,即线扩散函数,应为一个delta函数,而傅里叶变换(MTF)则是平坦的频率响应。
6 | 比较:正弦图案与斜边结果
下面的三组图像比较了imatest Log Frequency(基于基本原理的正弦波)计算与imatest斜边计算的三种情况:未模糊、BlurMore(中等模糊)和高斯模糊R=2(强烈模糊)。下文还展示了如何使用ImageJ(配合Excel)来验证imatest正弦波计算。
? 原始图像(未模糊)
imatest正弦波图案的结果显示在顶部;斜边结果显示在底部。这些刻度以不同的方式呈现,但结果非常接近。正弦波图案在0.3 C/P处的MTF为0.92。斜边在这个频率处的MTF为0.88;略低一些,但仍然非常高的数值。当应用模糊滤镜(如下所示)时,关键结果如MTF50(MTF降至其低频值一半的空间频率)几乎完全相同。
? BlurMore(中等模糊)
MTF在0.35C/P时几乎相同。总结值,MTF50、MTF20和MTF10都非常接近。
? 高斯模糊半径=2(强烈模糊)
同样,这些图表和从它们得出的总结值几乎完全相同。
7 | 使用正弦波图案进行验证
为了进一步验证结果,我们来看一下BlurMore情况下的原始正弦图案,下面由imatest Log Frequency模块显示。
这个正弦波图案可以通过ImageJ查看,运行ImageJ,然后通过“文件”菜单中的“打开”选项打开测试图像。选择线工具(如下图所示),使用鼠标在你要分析的图像部分(正弦图案)上绘制一条水平线。
请注意,空间频率从左到右是按对数递增的。在您画完线之后,点击“分析”,“设置比例…”,像素中的距离不应为零。使用图像的像素宽度(大约2950)或1都是不错的选择。长度单位只要不为空,可以是任何单位。像素是一个很好的选择。点击确定。然后点击“分析”,“绘制轮廓”。下面的窗口会出现。
这个窗口的输出不是特别有用,因为它是位图格式,因此放大它并不会增加细节。不过,你可以点击“复制”,然后将结果粘贴到Excel的A1列中。这会将“距离(像素)”放入列A,“灰度值”(即像素级别)放入列B。用于生成下图所示的Excel文件与图像文件一起提供。Excel公式已被用来将响应标准化到低空间频率的±0.5。公式如下:
- 列A:位置(未使用)。
- 列B:像素级别。
- H1:=AVERAGE(B1000:B2949)
- I1: =MAX(B:B)-MIN(B:B)
- 列C:=(B:B-H1)/I1
在MTF50(MTF是低频值的50%的空间频率;用于与imatest结果进行比较)处,下面的图案来自C列,在±0.25之间变化。
经过一些反复试验,我们放大了MTF50附近的图表部分。
包络线接近±0.25的区域位于72到97的峰值之间,这段范围内包含了5个完整的周期(我们也可以使用任何合理的数字,如4到10个周期)。空间频率为MTF50=5/25=0.20 C/P。这可以与上述imatest BlurMore的结果进行比较:正弦图案为0.21 C/P,斜边为0.202 C/P。这一结果强有力地验证了imatest斜边计算与独立的基本原理测量结果非常一致。
8 | 锐度Acutance和主观质量因子SQF
锐度和SQF是对感知清晰度的测量,它们与打印或显示高度和观看距离有关(实际上是角度计算)。这需要对观看距离做出假设(可以是常数或与打印高度的平方根或立方根成比例)。锐度和SQF包括以下因素的影响:
- MTF:成像系统的调制传递函数(与空间频率响应(SFR)同义)
- CSF:人眼的对比敏感度函数
- 打印高度
- 观看距离
9 | 锐度和SQF的验证
SQF测量并不符合任何广泛认可的标准。它从20世纪70年代开始在柯达和宝丽来内部使用,并用于《大众摄影》杂志的镜头测试报告中。另一方面,锐度已经成为大量验证工作的主题,这些工作将锐度测量与JNDs(可感知差异)相关联。这些工作在一系列文件中有所描述,如CPIQ 2.0规范和测试方法,其中包括:锐度SFR、色彩均匀性、镜头几何畸变、色差和主观评估方法。
· End ·
本期内容就到这里,欢迎大家评论区或后台私信留言下期想看到的内容哦!如有小伙伴对imatest软件感兴趣,可联系【正印科技:www.colorspace.com.cn】
相关推荐
- 软件测试/测试开发丨Pytest 自动化测试框架(五)
-
公众号搜索:TestingStudio霍格沃兹测试开发的干货都很硬核测试报告在项目中是至关重要的角色,一个好的测试报告:可以体现测试人员的工作量;开发人员可以从测试报告中了解缺陷的情况;测试经理可以...
- python爬虫实战之Headers信息校验-Cookie
-
一、什么是cookie上期我们了解了User-Agent,这期我们来看下如何利用Cookie进行用户模拟登录从而进行网站数据的爬取。首先让我们来了解下什么是Cookie:Cookie指某些网站为了辨别...
- 软件测试 | 结合Allure生成测试报告
-
简介测试报告在项目至关重要,测试人员可以在测试报告中体现自己的工作量,开发人员可以从测试报告中了解缺陷的情况,测试经理可以从测试报告中看到测试人员的执行情况及测试用例的覆盖率,项目负责人可以通过测...
- 使用FUSE挖掘文件上传漏洞(文件上传漏洞工具)
-
关于FUSEFUSE是一款功能强大的渗透测试安全工具,可以帮助广大研究人员在最短的时间内迅速寻找出目标软件系统中存在的文件上传漏洞。FUSE本质上是一个渗透测试系统,主要功能就是识别无限制可执行文件上...
- 第42天,我终于意识到,爬虫这条路,真的好艰难
-
昨天说到学爬虫的最初四行代码,第四行中的print(res.text),我没太懂。为啥最后的输出的结果,不是显示百度网页全部的源代码呢?这个世界上永远不缺好心人。评论区的大神告诉我:因为只包含静态h...
- 详解Pytest单元测试框架,轻松搞定自动化测试实战
-
pytest是目前企业里面使用最多、最流行的Python的单元测试框架,那我们今天就使用这个框架来完成一个网易163邮箱登录的自动化实战案例。下面我们先把我们案例需要的工具进行相关的介绍:01pyt...
- 干货|Python大佬手把手带你破解哔哩哔哩网滑动验证(上篇)
-
/1前言/有爬虫经验的各位小伙伴都知道,正常我们需要登录才能获取信息的网站,是比较难爬的。原因就是在于,现在各大网站为了反爬,与爬虫机制斗智斗勇,一般的都加入了图片验证码、滑动验证码之类的干扰,让...
- Python 爬虫-如何抓取需要登录的网页
-
本文是Python爬虫系列第四篇,前三篇快速入口:Python爬虫-开启数据世界的钥匙Python爬虫-HTTP协议和网页基础Python爬虫-使用requests和B...
- 使用Selenium实现微博爬虫:预登录、展开全文、翻页
-
前言想实现爬微博的自由吗?这里可以实现了!本文可以解决微博预登录、识别“展开全文”并爬取完整数据、翻页设置等问题。一、区分动态爬虫和静态爬虫1、静态网页静态网页是纯粹的HTML,没有后台数据库,不含程...
- 从零开始学Python——使用Selenium抓取动态网页数据
-
1.selenium抓取动态网页数据基础介绍1.1什么是AJAX AJAX(AsynchronouseJavaScriptAndXML:异步JavaScript和XML)通过在后台与服务器进...
- PHP自动测试框架Top 10(php单元测试工具)
-
对于很多PHP开发新手来说,测试自己编写的代码是一个非常棘手的问题。如果出现问题,他们将不知道下一步该怎么做。花费很长的时间调试PHP代码是一个非常不明智的选择,最好的方法就是在编写应用程序代码之前就...
- 10款最佳PHP自动化测试框架(php 自动化测试)
-
为什么测试如此重要?PHP开发新手往往不会测试自己编写的代码,我们中的大多数通过不断测试我们刚刚所编写浏览器窗口的新特性和功能来进行检测,但是当事情出现错误的时候我们往往不知道应该做些什么。为我们的代...
- 自动化运维:Selenium 测试(seleniumbase搭建自动化测试平台)
-
本文将以Buddy中的Selenium测试流水线示例,来看看自动化测试就是如此简单易用!Selenium是一套用于浏览器测试自动化的工具。使用Buddy专有服务,您可以直接在Buddy中运行Selen...
- Selenium自动化测试(selenium自动化测试工具)
-
Selenium是一系列基于web的自动化测试工具。它提供了一系列测试函数,用于支持Web自动化测试。这些函数非常灵活,它们能够通过多种方式定位界面元素,并可以将预期结果与系统实际表现进行比较。作为一...
- 技术分享 | Web自动化之Selenium安装
-
本文节选自霍格沃兹测试开发学社内部教材Web应用程序的验收测试常常涉及一些手工任务,例如打开一个浏览器,并执行一个测试用例中所描述的操作。但是手工执行的任务容易出现人为的错误,也比较费时间。因此,将...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
系统C盘清理:微信PC端文件清理,扩大C盘可用空间步骤
-
10款高性能NAS丨双十一必看,轻松搞定虚拟机、Docker、软路由
-
python使用fitz模块提取pdf中的图片
-
- 最近发表
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- vscode切换git分支 (35)
- python bytes转16进制 (35)
- grep前后几行 (34)
- hashmap转list (35)