CN101840576A - 一种可视化的测试数码相机各个成像区域分辨率的方法 - Google Patents

Abstract

本发明提供了一种可视化的测试数码相机各个成像区域分辨率的方法，将照片转成灰度图像；计算照片图像的直径；暗角失光校正；二值化图像；划出若干像素块作为前景像素块；去除位于照片边角的前景像素块或者面积过小的前景像素块；以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，通过矩形图像表征每一个圆环区域中的图像发散程度；按照圆环区域的相邻关系，将得到的所有矩形图像按次序拼接得到测试结果图。本发明不仅能够确定一套拍摄设备拍摄照片的清晰可用区域，还能够比较拍摄全图和中间截取不同比例的分辨率差异，找到分辨率最大的拍摄方法，从而使得翻拍中清晰度达到最高或者在保证清晰度的前提下所需拍摄张数最少。

Description

一种可视化的测试数码相机各个成像区域分辨率的方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种测试数码相机像散和解像力(分辨率)的方法。可以用于普通数码相机、数码单反相机以及数码后背的分辨率评测。

背景技术

数码相机画质最重要的两个性能指标就是解像力和色彩。对于解像力，有时也称作分辨率，主要是指对于细节捕捉解析度高低的评估。对于色彩，如果存在偏色现象，还可以通过色彩校正技术加以挽救。但对于解像力，那是绝对不可能通过后期校正(图像处理算法)去提升的，照片中没有被捕获到的细节，无论怎么插值放大或者锐化也是出不来的。举例来说，如果一张600万像素的照片的解像力是1500，那么将其插值到2400万像素，其解像力仍然是1500，而原生2400万像素的照片其解像力也许可以达到3000。因此，同样分辨率的两张照片，完全可能有着天壤之别。对于解像力的衡量，目前有两种主流的方法：

(1)基于ISO12233分辨率测试标板的评价方法

通过拍摄分辨率测试标板ISO12233(图1)，然后用肉眼或者HyRes等软件判读出结果。这种测试可以精确地测出相机中心和边缘的分辨率，但不能测出中心到边缘分辨率下降的过程。而实际上，在拍摄过程中，摄影师为了保证出图质量，一般对分辨率要求有一个底线，即事先设定一个目标，分辨率低于多少时就认为不可接受，需要裁减处理。显然，仅靠测量相机中心和边缘的分辨率，无论这种结果多么精确，都无法回答这一问题，即只能给出中心分辨率和边缘分辨率是否够用的结果。而不能回答“如果边缘分辨率不够，图像松散，存在紫边，那么裁减多少可以满足要求”，或者说“一张照片有多大比例是清晰的”这样的问题。为了回答这一问题，有人提出了用厂家的MTF，即目前主流的第二种方法。

(2)基于镜头的MTF(模量传递函数)曲线的评价方法

而镜头厂商提供的镜头的MTF曲线能够反映出从中心到边缘分辨率下降的过程。其实厂商的MTF曲线也是根据标板来的，它只不过用的是一种标称的、一般来说是感光度为100的传统胶片。因此能够很客观地反映100度胶片的分辨率。但是银盐胶片作为传统的胶卷介质，早已经发展到头了，尤其是在解像力方面，一般感光度为100的胶片R＝70线/mm，根据能奎斯特定律，不难计算，对应于数码相机的感光元件的一个像素大小是7微米。而现在的顶级全画幅数字单镜头反光相机已经达到了6微米(Sony A900和Nikon D3X)，顶级APS画幅数字单镜头反光相机已经达到了4.3微米(Canon 7D)，而再小的数码相机的单个像素的大小更是达到了2微米以下。从发展趋势来看，现在小数码相机的像素大小就是今后APS画幅数字单镜头反光相机的像素大小，而目前APS画幅数字单镜头反光相机的像素大小就是今后全画幅数字单镜头反光相机的像素大小。现在顶级全幅机的分辨率已经超越了感光度为100的普通胶片，而且还在不断地发展中。而正是由于感光元件的不断发展，使得MTF的测量出现了问题。原来从MTF曲线看上去不错的镜头，现在由于感光元件的分辨率高于普通胶片，使得拍出来的照片在100％观看时并不好。总之，MTF只是针对镜头，这个在胶片时代问题不大，因为一是胶片的分辨率低于现在的感光元件，二是胶片的分辨率如果是同样的感光度，各个厂家不同时期(当然在胶片的有效期内，比如5年间)的产品也几乎没有差别，而感光元件不同厂家不同年代差别很大(比如相对于五年前，像素增长了差不多一倍)，因此如果配合不同的机身，那解像力肯定是不一样的，但是MTF曲线却是一样的，因此，根据MTF曲线还是没法求出相机中心到边缘的定量解像力。

举例来说，假设现在有两台机身分别是600万像素和2400万像素，根据图2a和图2b可知，在边缘时的图像质量会比在中间时的差。但是很可能，在配合600万像素机身时，这种现象不明显，因为边缘时的镜头分辨率和机身分辨率相差不大。而在配合2400万像素机身时，就能很明显地感到中心的分辨率要好于边缘，这是由于在边缘时的镜头分辨率远小于机身分辨率。由此，仅凭MTF，还是很难断定在不同机身上的表现效果的。

此外，如图2a和图2b所示，厂商给出的MTF曲线往往只给两组，一组是在最大光圈下的，另一组是在最佳光圈(一般是F8)下的。首先，厂商给出的最佳光圈不一定是最佳的，因为结合不同分辨率的机身，完全有可能最佳光圈是不同的。即使厂商给出的MTF曲线中有一组是最佳光圈下的，但是实际拍摄获取时是希望一张照片中清晰区域(即超过某个衡量清晰度指标的区域)最大，而最佳光圈并不一定是清晰区域最大的光圈。

综上所述，可以看到，目前两种主流的相机测试方法并不能准确评价整套拍摄设备(相机加镜头)的清晰度。不管ISO12233或者MTF的测试结果如何准确，依然不能给出整套拍摄设备的清晰可用区域。必须研究一种新的评价方法和测量指标，从而能够确定出整套拍摄设备的清晰可用区域。

在拍摄中，特别是在翻拍中，往往还有这样的问题，即“是直接拍摄一张照片清楚呢还是把照片中间部分抠出来然后放大到原来照片的大小清楚”。

发明内容

本发明提供了一套测试数码相机各个成像区域像散和分辨率的方法，利用该方法，可以定量测试数码相机的像散和分辨率，从而可以确定一张照片中的清晰区域。并能确定一种最清晰拍摄方式。本发明测试方法可以应用于对于边缘画质要求苛刻的出片场合，比如风景照的拍摄以及翻拍等。

一种可视化测试数码相机各个成像区域分辨率的方法，包括如下步骤：

1)利用待测试的相机拍摄分辨率测试板得到照片；

2)将照片中的彩色图像转成灰度图像；

3)以像素为单位，计算照片图像的直径；

4)对照片图像进行暗角失光校正；

5)根据设定的二值化阈值，对暗角失光校正后的照片图像进行二值化处理，得到二值化后的图像；

6)将二值化后的图像中所有亮度高于二值化阈值的点，利用连通关系进行归并，得到若干像素块作为前景像素块；

7)去除位于照片边角的前景像素块或者面积过小的前景像素块，得到位置及大小合适的前景像素块；

8)以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，通过矩形图像表征每一个圆环区域中的图像发散程度；

9)按照圆环区域的相邻关系，将得到的所有矩形图像按次序拼接得到测试结果图。

本发明采用的分辨率测试板由背景色和前景色组成。前景色所组成的点规则均匀分布，即水平方向和垂直方向每隔一个固定的距离都有一个前景色的点，而所述的固定的距离并没有严格的限制。

如图3所示。分辨率测试板由背景色和前景色组成。前景色所组成的点规则均匀分布。如果背景色是黑色，前景色是白色，那么就是图3的情况。也可以背景色是白色，前景色是黑色。上述两种情况可用于测定相机对于单色的分辨能力。实际上它们没有本质差别，因为只需要把拍摄的照片反色就可以实现转换，即如果拍的白底黑，那么反色后就变成黑底白。如果把背景色和前景色改成红绿、红蓝、蓝绿、红青、绿品、黄蓝这样的彩色组合，那么就可以测定相机对于某种彩色组合的分辨能力。

而对于高画质边缘照片的拍摄，假设现在要按照24毫米的广角出一幅作品(比如风景照)，如果直接用24毫米镜头拍摄，极有可能边缘画质难以满足出片要求。那么可以使用更广角的镜头，比如用20毫米镜头拍摄，用本方法测试，比如测定以后发现按照边长计算85％(后面都是按照边长计)的区域画质可接受，那么：

$\frac{20}{24}\×100\%=83.3\%---\left(1\right)$

由于85％＞83.3％，这表示通过用20毫米镜头拍摄，截取中央部分83.3％的区域，就可以达到和24毫米镜头拍摄等效的效果，并且边缘画质高于直接用24毫米镜头拍摄的照片。当然，也可能通过测定，发现只有80％的区域可用，那么就需要使用更广角的镜头。总之，假设期望的照片焦距为F，实际使用的更广的镜头焦距为F’，该F’焦距镜头的清晰区域为P％，则：

$\frac{F^{\′}}{F}\×100\%=u\%---\left(2\right)$

如果P＞u，则只需要截取中间的u％部分，最后即可满足清晰度要求。而对于翻拍等场合，由于被摄物体一般是一个平面，甚至连镜头都不需要更换，只需要远离(远离后单张照片翻拍覆盖范围变大，与不改变相机位置换更广角的镜头最终达到的效果类似)被摄物体拍摄然后截取中间部分即可。当然，改变了物距有可能改变镜头的成像特性进而影响到镜头的清晰区域的比例，必要时(比如物距改变较大时)可以重新测定。

以下具体说明本发明方法中的各个步骤：

拍摄如图3所示的分辨率测试板得到照片后，按如下的步骤(1)～(8)进行处理，得到照片图像中不同区域的像散以及分辨率，那么使用者就可以根据测试结果，选择使用合适的区域。

1、彩色图像转灰度图像，这一步是预处理，如果输入的已经是灰度图像则无须转化，但最终测定结果无法区分单色像散和色散。

2、计算照片以像素为单位的直径，设图像的高度和宽度分别为h和w，则图像的直径d_max为

$d_{\max }=\sqrt{h^2+w^2}---\left(3\right)$

3、图像暗角失光校正，这一步主要是由于后面计算阈值时整张照片使用的是同一个阈值，由于照片边缘较暗，如果不提亮，会造成高于阈值的点偏少(对比图5a和图5b可见，图5a明显较暗。当然，由于像散和色散造成光能分散导致亮度下降也是一个因素)，从而会得出照片边缘像散反而减小的错误结论。而且一般来说，实际拍摄中镜头都是存在暗角的，只不过程度不同而已，一般都需要进行暗角校正。如果测定像散时不进行暗角校正而实际拍摄时却进行了暗角校正，那么测定的像散难以反应真实情况。本步骤中，暗角失光校正可以采用通用的技术。

4、根据设定的二值化阈值对暗角失光校正后的照片图像进行二值化处理，所述的二值化阈值，一般采用的是k(k＝2)均值聚类。设低于阈值的那些像素的平均值为L，方差为s，则阈值取L+ns。根据数理统计，n＝5时出现概率已经很小，实际测试发现n取7效果更好。

5、抠出前景像素块，将二值化后的图像中所有亮度高于二值化阈值的点，利用连通关系进行归并，得到若干像素块作为前景像素块(图5a中的反斜杠部分和图5b中的白点部分)。

6、过滤处理，在得到的前景像素块中去除位于照片边角的前景像素块或者面积过小的前景像素块，否则可能造成最终测试的像散值偏小。

照片边角的区域大小以及衡量面积过小的标准均可以根据需要进行设定。例如当前景像素块的边界(外接矩形)距离照片边界一定距离时(比如十个像素)，就可以认为该前景像素块所处的位置为照片边角，予以去除。

7、以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，通过矩形图像表征每一个圆环区域中的图像发散程度，具体步骤如下：

a)计算前景像素块质心；

b)计算前景像素块质心至照片图像中心的归一化距离，设前景像素块质心像素坐标为(i，j)，利用公式(4)计算其归一化距离

$d=\frac{r}{r_{\max }}=\frac{\sqrt{{(i-\frac{w}{2})}^2+{(j+\frac{h}{2})}^2}}{\frac{d_{\max }}{2}}=\frac{\sqrt{{(2i-w)}^2+{(2j-h)}^2}}{d_{\max }}---\left(4\right)$

其中r为前景像素块质心与照片图像中心的距离(以像素为单位)，r_max为照片图像的半径(以像素为单位)；

c)以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，且所有的圆环区域的宽度相同；圆环区域的宽度一般为20～30个像素左右(如果圆环宽度太小则每个圆环内的前景像素块过少导致每个圆环内的像散测试不准；反之，如果圆环宽度过大，则圆环数过少，无法反映像散的变化趋势)，对于千万像素及以上的成像设备，保证在整个照片图像中可划分80～140个圆环区域，如果照片图像分辨率较低，可以适当减少圆环个数。

按照前景像素块质心至照片图像中心的归一化距离，确定前景像素块质心所位于的圆环区域，计算前景像素块质心位于哪个圆环区域上，即前景像素块质心的环数nPos，利用公式(5)进行计算：

nPos＝d×nStepCount+0.5        (5)

其中nStepCount表示分成多少个环，+0.5主要是为了四舍五入。

d)对前景像素块进行坐标平移和旋转变换；

以当前前景像素块质心为原点建立新的坐标系即第二坐标系，第二坐标系的x轴正方向为照片图像中心和前景像素块质心所连成矢量的方向；

e)在同一圆环区域内，针对每一个前景像素块(前景像素块的质心位于该圆环区域内)以其所对应的第二坐标系的原点为中心，定义矩形区域，该矩形区域的大小至少可完全覆盖照片图像中任一前景像素块；该矩形区域沿第二坐标系中x轴的长度为b个像素，沿第二坐标系中y轴的长度为a个像素；截取所有的矩形区域及其所包含的前景像素块进行放大，放大的倍数为整数倍(m倍)。

f)按照矩形区域的大小生成矩形图像，该矩形图像中每一个像素位置上的RGB值是同一圆环区域内所有放大以后的矩形区域中对应位置的RGB值的平均值，将每一个圆环区域均对应生成一个矩形图像，该矩形图像表示了绝对像散和分辨率。

g)在步骤e)中，在原来的放大倍数的基础上，根据每个像素块距离图像中心的归一化距离不同进一步放大，放大倍数与归一化距离成反比，即如果步骤e)中的放大倍数为m倍，则此处的放大倍数为：

$m^{\′}=\frac{m}{d}---\left(6\right)$

其中d为公式(4)中的归一化距离。如果近一步放大后像素块超过矩形区域，则只取矩形区域以内部分。

h)按照步骤f)做，只不过将原来固定倍率放大的像素块改为按照归一化距离不同进行可变倍率放大的像素块，即采用步骤g)中的像素块而不是步骤e)中的像素块，最终又得到一个矩形图像，该矩形图像表示了相对像散和分辨率。

需要说明的是，在步骤7)中，是在原始的彩色图像中进行(7e和7f中的放大和平均以及7g和7h中的放大和平均)的，前面将彩色图像转成灰度图像仅仅是为了二值化及确定各个前景像素块的位置并建立相应的第二坐标系。

8、按照圆环区域的相邻关系，将得到的所有矩形图像按次序拼接得到测试结果图(包括绝对和相对)；

根据绝对测试结果图中不同矩形图像所在位置上图像的发散程度，确定照片上对应区域的像散程度，继而可以确定照片中可用的区域。即完成对数码相机各个成像区域分辨率的测试。根据相对测试结果图中不同矩形图像所在位置上图像的发散程度，可以判断是截取还是原图缩小的清晰度更高，可以使得一次拍摄清晰区域面积最大化。

本发明的有益效果主要表现在：

消除照片中边缘的像散以及色散(紫边)，可以提高风景照的拍摄以及翻拍等应用中的画质。通过测试后可视化的效果，能够比较拍摄全图缩小和中间截取不同比例的像散和分辨率差异，找到像散最小和分辨率最大的拍摄方法，从而使得拍摄中清晰度达到最高或者在保证清晰度的前提下所需拍摄张数最少。

附图说明

图1为ISO12233分辨率测试标板。

图2a和图2b分别为Canon EF 16-35 F2.8L MTF曲线。

图3为本发明的分辨率量化测试图(即所需要拍摄的分辨率测试板，可打印或者显示器显示后拍摄)。

图4为照片边缘画质劣化实例图。

图5a为实施例1中照片图像左上角的实际拍摄结果；

图5b为实施例1中照片图像中央的实际拍摄结果；

图6为实施例1中照片图像的可视化绝对像散和分辨率测试结果。

图7为实施例1中照片图像的可视化相对像散和分辨率测试结果。

图8a为实施例2中照片图像左上角的实际拍摄结果；

图8b为实施例2中照片图像中央的实际拍摄结果；

图9为实施例2中照片图像的可视化绝对像散和分辨率测试结果。

图10为实施例2中照片图像的可视化相对像散和分辨率测试结果。

具体实施方式

实施例1 Canon EF 28-135在135mm处F8.0下成像质量测试

首先准备分辨率测试板。可以将测试板(图3)直接显示在显示器或者投影仪上，也可以打印出来贴在玻璃或者塑料板上。图3中每个白点是一个像素，白点之间间隔5个像素(当然，间隔也可以更大或者更小)。那么如果显示在30英寸显示器(DELL 3008WFP)上，共有2560×1600个像素，约512×320个白点。使用显示器主要是从成本和方便角度考虑，因为已经有高分辨率的显示器，实际如果打印30英寸的画面成本较高，装裱平整也比较麻烦，玻璃或者塑料板也需要成本。如果没有现成的高分辨率的显示器，那么也可以打印后拍摄测试。

其次是拍摄，用三脚架好相机Canon 1Ds Mark III，选择需要测定的镜头、焦距及光圈，相机的光轴应和测试板垂直并且穿过测试图的中心。精确对焦，尽量使用Liveview模式对焦，以提高对焦精度获得尽可能清晰的图像。拍摄时，尽量使用反光镜预升和快门线(也可以红外遥控拍摄或者电脑连接遥控拍摄或者自拍)，避免由于反光镜振动和按快门造成的振动造成抖动模糊，从而影响分辨率测试的精度。用恰当的曝光以及低感光度拍摄。取景拍摄时要把握宁欠勿过的原则，即拍摄区域不能超过分辨率测试板，或者说最终的照片中不能拍摄到分辨率测试板以外的区域，否则照片的边缘会由于拍摄的不是测试板而无法测定分辨率。拍摄时，如果拍摄成黑白照片则最终测定结果无法区分单色像散和色散。拍摄后，将照片转为位图格式。

在同样的设置下，拍摄了地图，得到了照片如图4所示。仔细观察汉字，可以看到，中心和边缘的画质确实存在着显著的且不可接受的差别。

以下针对拍摄分辨率测试板得到的照片图像进行处理：

1、首先将照片图像转为灰度图像，如果照片图像已经是灰度图像(黑白照片)，则可以省略此步骤，直接使用；

2、计算照片以像素为单位的直径，设图像的高度和宽度分别为h和w，则图像的直径d_max可用公式(3)计算，对于测试所用的相机Canon 1DsMark III，宽和高分别为5616和3744，则图像的直径d_max为6750；

3、对照片图像进行图像暗角失光校正；

4、根据设定的二值化阈值对暗角失光校正后的照片图像进行二值化处理，二值化阈值采用的是k(k＝2)均值聚类。设低于阈值的那些像素的平均值为L，方差为s，则阈值取L+ns，其中n取7；

5、抠出前景像素块，将二值化后的图像中所有亮度高于二值化阈值的点，利用连通关系进行归并，得到若干像素块作为前景像素块(图5a中的反斜杠部分和图5b中的白点部分)

6、过滤处理，在得到的前景像素块中去除位于照片边角的前景像素块(外接矩形距离边界不足十个像素)或者面积过小(不足十个像素)的前景像素块。

7、以照片图像中心为圆心，建立若干同心圆将照片图像分割成100个圆环区域，以一个位置及大小合适的前景像素块为单位，计算每一个圆环区域的像散；具体步骤如下：

a)计算前景像素块质心；

b)计算前景像素块质心至照片图像中心的归一化距离，设前景像素块质心像素坐标为(i，j)，利用公式(4)计算其归一化距离，其中r为前景像素块质心与照片图像中心的距离(以像素为单位)，r_max为照片图像的半径(以像素为单位)；

c)以照片图像中心为圆心，建立100个同心圆将照片图像分割成100个圆环区域，且所有的圆环区域的宽度相同；

按照前景像素块质心至照片图像中心的归一化距离，确定前景像素块质心所位于的圆环区域，计算前景像素块质心位于哪个圆环区域上，即前景像素块质心的环数nPos，利用公式(5)进行计算，其中nStepCount表示分成多少个环，+0.5主要是为了四舍五入。

d)对前景像素块进行坐标平移和旋转变换；

以当前前景像素块质心为原点建立新的坐标系即第二坐标系，第二坐标系的x轴正方向为照片图像中心和前景像素块质心所连成矢量的方向；

e)在同一圆环区域内，针对每一个前景像素块(前景像素块的质心位于该圆环区域内)以其所对应的第二坐标系的原点为中心，定义矩形区域，该矩形区域的大小至少可完全覆盖照片图像中任一前景像素块；该矩形区域沿第二坐标系中x轴的长度为13个像素，沿第二坐标系中y轴的长度为23个像素；截取所有的矩形区域及其所包含的前景像素块放大1倍(即原来的2倍)；

f)按照矩形区域的大小生成矩形图像，该矩形图像中每一个像素位置上的RGB值是同一圆环区域内所有放大以后的矩形区域中对应位置的RGB值的平均值，将每一个圆环区域均对应生成一个矩形图像，该矩形图像表示了绝对像散和分辨率；

g)在步骤e)中，在原来的放大倍数的基础上，根据每个像素块距离图像中心的归一化距离不同进一步放大，放大倍数与归一化距离成反比。如果近一步放大后像素块超过矩形区域，则只取矩形区域以内部分；

h)按照步骤f)做，只不过将原来固定倍率放大的像素块改为按照归一化距离不同进行可变倍率放大的像素块，即采用步骤g)中的像素块而不是步骤e)中的像素块，最终得到又一个矩形图像，该矩形图像表示了相对像散和分辨率；

8、按照圆环区域的相邻关系，将得到的所有矩形图像按次序拼接得到测试结果图，包括绝对和相对，分别如图6和7所示。

根据图6和图7可以看到几点结论，首先是径向的像散都远远大于切向的像散，这和图5中左图的结果(反斜杠形状的像散)一致。其次，绝对像散随着距离中心的距离增大而基本单调增大。而相对像散由于要除以距离，最终的结果就看哪个增长得更快。从图6看，基本上50％以后像散就开始有所察觉，至65％已经相当明显。从图7看，在51％左右处的相对径向像散比99％处的小，这也就是说，如果按照实施例中的镜头及焦距和光圈拍摄一张照片，截取51％区域比拍摄全图然后缩小到51％具有更好的图像质量。基本上图7中50％左右径向像散最小，即要使得清晰拍摄区域最大化，应该截取50％左右的中央区域而不是截取更少或者更大然后缩放到与截取50％左右的中央区域的同样大小。举例来说，假设要拍摄覆盖1米见方的区域，有两种办法，一是拍摄覆盖2米×2米的区域然后截取中央1米见方的区域，二是直接拍摄1米见方的区域然后缩小一半，显然前者分辨率占优。

总之，利用本发明方法得出的绝对像散随着到中心的距离增大而变化的像散测试结果图，已经可以划分出可用区域。而相对像散测试结果图可以用于确定清晰区域面积最大化的拍摄方式。

实施例2Canon EF 100-400L在135mm处F8.0下成像质量测试

采用实施例1的测试方法和测试板。图8a和图8b分别给出了边缘和中央的结果，虽然存在一定的像散和色散，但并不明显，可以对比图5。

同样利用实施例1的方法测定像散和分辨率、相对像散和分辨率作为辅助参考。

图9和图10给出了像散和分辨率测定结果，分别表示了绝对值和相对值。绝对像散随着到中心距离的增大而基本单调增大。而相对像散由于要除以距离，最终的结果就看哪个增长得更快。从图9看，第一行根本没有差别，第二行至第十个以后才能勉强看出差别，即使在边缘处，绝对像散也不是很明显，在可接受范围内，好于图6的60％处。也就是说，如果能接受图6的60％处的画质，那么就应该能接受图9全图(图像边缘处)的画质。从图10看，由于像散的增长速度赶不上距离的增长速度，因此，相对像散一直呈下降趋势。由此说明，如果按照实施例中的镜头及焦距和光圈拍摄一张照片，拍摄全图比拍摄后抠出中央一部分然后缩放至全图大小更清晰。

综合实例1和2可以看到，在机身、焦距和光圈等设置完全一样的情况下，照片边缘画质的差别是巨大的，基本是可用和不可用的区别。无疑，价格贵的镜头有着更好的边缘画质，这也表明测试结果和镜头定价基本相符。

Claims (2)

1.一种可视化的测试数码相机各个成像区域分辨率的方法，其特征在于，步骤如下：

1)利用待测试的相机拍摄分辨率测试板得到照片；

2)将照片中的彩色图像转成灰度图像；

3)以像素为单位，计算照片图像的直径；

4)对照片图像进行暗角失光校正；

5)根据设定的二值化阈值，对暗角失光校正后的照片图像进行二值化处理，得到二值化后的图像；

6)将二值化后的图像中所有亮度高于二值化阈值的点，利用连通关系进行归并，得到若干像素块作为前景像素块；

7)去除位于照片边角的前景像素块或者面积过小的前景像素块，得到位置及大小合适的前景像素块；

8)以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，通过矩形图像表征每一个圆环区域中的图像发散程度；

9)按照圆环区域的相邻关系，将得到的所有矩形图像按次序拼接得到测试绝对结果图和相对结果图。

2.如权利要求1所述的方法，其特征在于，步骤8)中：

a)计算前景像素块质心；

b)计算前景像素块质心至照片图像中心的归一化距离；

c)以照片图像中心为圆心，建立若干同心圆将照片图像分割成若干圆环区域，且所有的圆环区域的宽度相同；

d)对前景像素块进行坐标平移和旋转变换；以当前前景像素块质心为原点建立新的坐标系即第二坐标系，第二坐标系的x轴正方向为照片图像中心和前景像素块质心所连成矢量的方向；

e)在同一圆环区域内，针对每一个前景像素块以其所对应的第二坐标系的原点为中心，定义矩形区域，该矩形区域的大小至少可完全覆盖照片图像中任一前景像素块；截取所有的矩形区域及其所包含的前景像素块进行放大，放大的倍数为整数倍；

f)按照矩形区域的大小生成矩形图像，该矩形图像中每一个像素位置上的RGB值是同一圆环区域内所有放大以后的矩形区域中对应位置的RGB值的平均值，每一个圆环区域均对应生成一个矩形图像，该矩形图像表示了绝对像散和分辨率；

g)在步骤e)中，在原来的放大倍数的基础上，根据每个像素块距离图像中心的归一化距离不同进一步放大，放大倍数与归一化距离成反比。如果近一步放大后像素块超过矩形区域，则只取矩形区域以内部分；

h)按照步骤f)的操作，根据步骤g)得到的进一步放大的像素块生成矩形图像，该矩形图像表示了相对像散和分辨率。

Images