百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

探索图像清晰度:imatest斜边算法验证

liuian 2024-12-12 13:26 27 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

  1. 打开MATLAB。
  2. 从解压的zip文件夹中将sfrmat3.m文件打开到MATLAB中。
  3. 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。
  4. 会出现“Data Sampling & weights”窗口。这里不需要做任何更改,点击确定。
  5. 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)。
  6. 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。
  1. 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。
  2. 将此MTF50值与imatest对相同输入文件计算的MTF50值进行比较。
  3. 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:

  1. MTF:成像系统的调制传递函数(与空间频率响应(SFR)同义)
  2. CSF:人眼的对比敏感度函数
  3. 打印高度
  4. 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

x-cmd install | jellex - 用 Python 语法在终端里玩转 JSON 数据!

还在为命令行下处理JSON数据烦恼吗?jellex来了!它是一款基于终端的交互式JSON和JSONLines数据处理工具,让你用熟悉的Python语法,轻松过滤、转换和探索JSO...

一篇长文带你在Python里玩转Json数据

Json简介Json(JavaScriptObjectNotation)很多网站都会用到Json格式来进行数据的传输和交换,就像上篇我提到的网易云音乐接口,它们返回的数据都是Json格式的。这因为...

Python JSON 魔法手册:数据转换的终极艺术

对话实录小白:(崩溃)我从API拿到了JSON数据,怎么变成Python对象?专家:(掏出魔法书)用json模块,轻松实现数据转换!JSON基础三连击1.字符串Python对...

Python JSON 详解教程(python json())

JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式(lightweightdatainterchangeformat)常用于Web应用、配置文件(co...

Python 数据的 JSON 格式序列化及反序列化

在Python中,将数据转换为JSON格式非常简单,可以使用内置的json模块。json模块提供了json.dumps()和json.dump()方法,用于将Python对象...

如何使Python类可JSON序列化(python json 类)

技术背景在Python开发中,JSON(JavaScriptObjectNotation)是一种常用的数据交换格式。然而,Python的json模块默认只能序列化一些基本数据类型,如字典、列表、字...

详细介绍一下Python如何对JSON格式数据进行处理?

在Python中对于JSON数据的处理是在日常开发中的常见需求之一。通常情况下,对JSON数据的处理主要涉及到如下的的几个步骤对于JSON数据的解析操作对于JSON数据的处理操作对于JSON数据的格式...

Python 字典l转换成 JSON(python转化字典)

本文需要5分钟。如果对您有用可以点赞评论关注.Python字典到JSONJSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式,它基于ECMAScrip...

打造熟悉的VS界面风格(vs界面设计美化)

用惯了老机子的VS界面,换新机子时,各种不适应。现在重新打造老款样式:1)下载VisualStudio2013ColorThemeEditorhttps://marketplace.vis...

办公小技巧:全部亮相 让Excel单元格完全显示文本

平时我们在使用Excel制作表格的时候,经常会遇到由于文本内容较多,导致这些内容无法在一个单元格中完全显示。常规的方法是将单元格设置为“自动换行”,但是这样会影响整个文件的美观。下例是某小区的入住登记...

WinForms 中的 CheckBox 控件使用指南

在WinForms中,CheckBox控件是一个允许用户选择或取消选择的单选按钮。它通常用于表示布尔值(真/假)或允许多选的情况。以下是如何使用CheckBox控件的一些基本信息和示例代码。创建...

图片转文字--四种OCR工具的安装和使用

本文仅测试简单的安装和使用,下一步应该是测试不同数据集下的检测准确率和检测效率,敬请期待。作者的系统环境是:笔记本:ThindPadP520OS:win11显卡:QuadroP520一、EasyO...

C# 给Word每一页设置不同图片水印

Word中设置水印时,可加载图片设置为水印效果,但通常添加水印效果时,会对所有页面都设置成统一效果,如果需要对每一页或者某个页面设置不同的水印效果,则可以参考本文中的方法。下面,将以C#代码为例,对W...

集成的面向对象控件Xtreme Controls正式发布v17.0.0

CodejockXtremeControls为Windows图形用户软件工程师提供众多的有关MFC的控件产品,该产品是通过完全测试并专门为图形用户设计的一款专业控件。它是一款集成了面向对象的控件被...

Win10 Build 10061老问题修复新问题来

|责编:刘菲菲【中关村在线软件资讯】4月23日消息:微软今天正式推送了Windows10Build10061预览版这个版本除了正常的功能更新和调整外,还修复了多个bug。其中一部分对于开发者开...