探索图像清晰度:imatest斜边算法验证
liuian 2024-12-12 13:26 46 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
- 教你把多个视频合并成一个视频的方法
-
一.情况介绍当你有一个m3u8文件和一个目录,目录中有连续的视频片段,这些片段可以连成一段完整的视频。m3u8文件打开后像这样:m3u8文件,可以理解为播放列表,里面是播放视频片段的顺序。视频片段像这...
- 零代码编程:用kimichat合并一个文件夹下的多个文件
-
一个文件夹里面有很多个srt字幕文件,如何借助kimichat来自动批量合并呢?在kimichat对话框中输入提示词:你是一个Python编程专家,完成如下的编程任务:这个文件夹:D:\downloa...
- Java APT_java APT 生成代码
-
JavaAPT(AnnotationProcessingTool)是一种在Java编译阶段处理注解的工具。APT会在编译阶段扫描源代码中的注解,并根据这些注解生成代码、资源文件或其他输出,...
- Unit Runtime:一键运行 AI 生成的代码,或许将成为你的复制 + 粘贴神器
-
在我们构建了UnitMesh架构之后,以及对应的demo之后,便着手于实现UnitMesh架构。于是,我们就继续开始UnitRuntime,以用于直接运行AI生成的代码。PS:...
- 挣脱臃肿的枷锁:为什么说Vert.x是Java开发者手中的一柄利剑?
-
如果你是一名Java开发者,那么你的职业生涯几乎无法避开Spring。它如同一位德高望重的老国王,统治着企业级应用开发的大片疆土。SpringBoot的约定大于配置、SpringCloud的微服务...
- 五年后,谷歌还在全力以赴发展 Kotlin
-
作者|FredericLardinois译者|Sambodhi策划|Tina自2017年谷歌I/O全球开发者大会上,谷歌首次宣布将Kotlin(JetBrains开发的Ja...
- kotlin和java开发哪个好,优缺点对比
-
Kotlin和Java都是常见的编程语言,它们有各自的优缺点。Kotlin的优点:简洁:Kotlin程序相对于Java程序更简洁,可以减少代码量。安全:Kotlin在类型系统和空值安全...
- 移动端架构模式全景解析:从MVC到MVVM,如何选择最佳设计方案?
-
掌握不同架构模式的精髓,是构建可维护、可测试且高效移动应用的关键。在移动应用开发中,选择合适的软件架构模式对项目的可维护性、可测试性和团队协作效率至关重要。随着应用复杂度的增加,一个良好的架构能够帮助...
- 颜值非常高的XShell替代工具Termora,不一样的使用体验!
-
Termora是一款面向开发者和运维人员的跨平台SSH终端与文件管理工具,支持Windows、macOS及Linux系统,通过一体化界面简化远程服务器管理流程。其核心定位是解决多平台环境下远程连接、文...
- 预处理的底层原理和预处理编译运行异常的解决方案
-
若文章对您有帮助,欢迎关注程序员小迷。助您在编程路上越走越好![Mac-10.7.1LionIntel-based]Q:预处理到底干了什么事情?A:预处理,顾名思义,预先做的处理。源代码中...
- 为“架构”再建个模:如何用代码描述软件架构?
-
在架构治理平台ArchGuard中,为了实现对架构的治理,我们需要代码+模型描述所要处理的内容和数据。所以,在ArchGuard中,我们有了代码的模型、依赖的模型、变更的模型等,剩下的两个...
- 深度解析:Google Gemma 3n —— 移动优先的轻量多模态大模型
-
2025年6月,Google正式发布了Gemma3n,这是一款能够在2GB内存环境下运行的轻量级多模态大模型。它延续了Gemma家族的开源基因,同时在架构设计上大幅优化,目标是让...
- 比分网开发技术栈与功能详解_比分网有哪些
-
一、核心功能模块一个基本的比分网通常包含以下模块:首页/总览实时比分看板:滚动展示所有正在进行的比赛,包含比分、比赛时间、红黄牌等关键信息。热门赛事/焦点战:突出显示重要的、关注度高的比赛。赛事导航...
- 设计模式之-生成器_一键生成设计
-
一、【概念定义】——“分步构建复杂对象,隐藏创建细节”生成器模式(BuilderPattern):一种“分步构建型”创建型设计模式,它将一个复杂对象的构建与其表示分离,使得同样的构建过程可以创建...
- 构建第一个 Kotlin Android 应用_kotlin简介
-
第一步:安装AndroidStudio(推荐IDE)AndroidStudio是官方推荐的Android开发集成开发环境(IDE),内置对Kotlin的完整支持。1.下载And...
- 一周热门
-
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
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
-
飞牛OS入门安装遇到问题,如何解决?
-
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)
- 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)
- c++ 字符串查找 (35)
- mysql刷新权限 (34)