CN115326362A - 一种测量数码输入设备调制传递函数的方法及系统 - Google Patents
一种测量数码输入设备调制传递函数的方法及系统 Download PDFInfo
- Publication number
- CN115326362A CN115326362A CN202210947016.8A CN202210947016A CN115326362A CN 115326362 A CN115326362 A CN 115326362A CN 202210947016 A CN202210947016 A CN 202210947016A CN 115326362 A CN115326362 A CN 115326362A
- Authority
- CN
- China
- Prior art keywords
- image
- mtf
- value
- edge
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000012546 transfer Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 46
- 238000003707 image sharpening Methods 0.000 claims description 25
- 230000002146 bilateral effect Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 13
- 238000009499 grossing Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 16
- 238000002474 experimental method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0292—Testing optical properties of objectives by measuring the optical modulation transfer function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明提供一种测量数码输入设备调制传递函数的方法，包括获取待测相机对预设测试卡拍照所得的图像；从所获取的图像中，选取刃边区域；基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；若判定出MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于预设阈值为止；将小于预设阈值的MTF值作为待测相机最终测量的MTF值输出。本发明还提供一种测量数码输入设备调制传递函数的系统。实施本发明，能有效去除锐化算法对测量MTF影响，显著改善测量的Nyquist频率的MTF。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种测量数码输入设备调制传递函数(Modulation Transfer Function，MTF)的方法及系统。
背景技术
在航天、医疗、军事、工业及日常生活中，很多光电产品如数码相机、望远镜、手机等产品都离不开各种光学成像镜头。光学调制传递函数MTF真实地反映了一个成像系统的空间频率响应特性，具有客观、全面、可以定量进行分析的优点，是评价镜头和成像系统成像质量的重要指标。
目前，常见的调制传递函数测量方法有正弦光栅靶标法、点扩散函数测试法、狭缝扫描法、刀口扫描测试法、倾斜刀口测试法、方波靶标测试法、星点法等。而在商用测试仪或工程应用上主要使用狭缝法、刃边法以及对比度法测量成像系统的MTF值。其中，狭缝法测试成像系统MTF，对狭缝像的宽度大小以及背景光源的亮度要求都比较高，狭缝法因在高频处的MTF测试结果比较精确，所以一般运用于测试红外系统以及热成像系统MTF方面；对比度法由于正弦光栅制作难度较大，而且采用LCD作为测试卡，成本较高，故不常用。
ISO 12233标准是国际标准组织ISO于2000年首次发布的电子静态图像相机分辨率测试标准，提供了一种快速有效测量空间频率响应(Spatial Frequency Response,SFR)或MTF值的倾斜刃边法。SFR反映了一个系统对不同空间频率的响应情况，测试结果同时受镜头和感光器件以及处理程序的影响。对于数码相机系统，SFR类似于传统光学系统的MTF，可以很直观地表示系统的解像能力。测试数码相机的SFR最简单的方法是拍摄包含有轻微倾斜的双色调黑白斜线(简称刃边)的ISO 12233样板，然后选择所得图像倾斜刃边边缘的一个区域 (黑色与白色的面积大致对称且相等，同时截取长度要大于总长度的20％)，利用ISO 12233提供的计算程序即可得到该数码相机在相应拍摄设置下的SFR曲线或者SFR数值表。其中，奈奎斯特(Nyquist)频率对应的SFR值越大，即表示该数码相机在此图像所对应的拍摄设置时解像能力越强。
目前，ISO 12233样板提供了两个不同的测试刃边，一个在垂直方向，另一个在水平方向，用于分别测试水平和垂直两个方向的SFR值。在实际使用过程中，发现很多相机的SFR值(即MTF值)会大于1，主要因为该相机图像生成或存储时对原图信息进行了锐化处理的结果。尽管图像锐化是所有的图像输入设备的图像处理软件必须采用的图像处理过程之一，适当锐化图像可以使图像变得更清晰，从而有效提高图像质量，但是过度锐化会引入大量噪声，增加伪影，反而影响图像效果。由此可见，测量结果受图像处理过程尤其是锐化度的影响较大，常常给出明显虚假的MTF。
因此，有必要提出一种测量MTF的新方法，能有效去除锐化算法对测量 MTF影响，显著改善测量的Nyquist频率的MTF。
发明内容
本发明实施例所要解决的技术问题在于，提供一种测量数码输入设备调制传递函数的方法及系统，能有效去除锐化算法对测量MTF影响，显著改善测量的Nyquist频率的MTF。
为了解决上述技术问题，本发明实施例提供了一种测量数码输入设备调制传递函数的方法，所述方法包括以下步骤：
获取待测相机对预设测试卡拍照所得的图像；
从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
其中，所述预设的滤波器为保边滤波器，其中，所述保边滤波器包括双边滤波器BF、引导滤波器GF和加权最小二乘法滤波器WLS。
其中，所述双边滤波器BF的数学表达式通过公式(1)来表示，其权重的计算方式通过公式(2)来表示；
式中，p＝(i,j)表示进行处理的二维像素点；q＝(k,l)表示p点邻域(滤波核范围内)中的像素点，包括p点；Ip和Iq分别表示像素点p和q的像素值；σs、σr分别为空间标准差和灰度标准差；Wp,q表示分配给q点的权重值；
表示p点的滤波核权重总和；s表示以(i,j)为中心，边长为(2r+1)正方形区域内像素点的坐标集合。
其中，所述引导滤波器GF通过公式(3)-(6)来表示；
qi＝akIi+bk(3)；
式中，I为引导图像；q为输出图像；假设ωk为以像素点k为中心的局部窗口，则ak和bk为引导滤波模型在该局部窗口的线性系数，i为窗口ωk内的点；μk和δk 2分别为引导图像I在窗口中的平均值和方差；|ω|为窗口ωk的像素点个数；正则化参数ε用来防止因方差过小导致的ak过大；pi为输入图像上像素点i的像素值；
为输入图像在窗口内的像素平均值；
为求梯度计算。
其中，所述加权最小二乘法滤波器WLS通过公式(7)-(13)来表示；
(u-g)T(u-g)+λ(uTDx TAxDxu+uTDy TAyDyu) (8)；
(I+λLg)u＝g (9)；
u＝Fλ(g)＝(I+λLg)-1g (12)；
Fλ(g)≈(I+λaL)-1g (13)；
式中，下标p表示像素的空间位置；u、g为图像的向量表示，(up-gp)2数据项的目标是最小化u和g之间的距离，第二项通过最小化u的偏导数来实现平滑； ax，ay负责两项之间的平衡；λ值的增加会导致图像逐渐平滑；Ax,Ay表示以ax, ay为对角元素的对角矩阵，Dx，Dy表示前向差分矩阵，Dx T和Dy T表示后向差分算子；Lg＝Dx TAxDx+Dy TAyDy；I表示灰度图像值；l表示输入图像g的对数亮度通道；指数α决定了g梯度的灵敏度；ε通常为0.0001；u是通过对g施加非线性算子得到的；ax和ay表示平滑度权值；L＝Dx TDx+Dy TDy，代表齐次拉普拉斯矩阵。
其中，所述基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF 值的具体步骤包括：
在所选刃边区域中，提取每行边缘扩展函数ESF数据，并对每行ESF数据均求导，得到相应的线扩展函数LSF数据；其中，
基于每行ESF数据及相应的LSF数据，计算每一行的图像重心以及每一行数据的边缘位置，并对所有的边缘位置点进行线性拟合求得刃边倾角；
基于所求得的刃边倾角，重新定位所选刃边区域的刃边，并根据图像数据及其到边缘的距离，获得ESF；
对ESF进行4倍超采样，对每个采样间隔内的像素灰度值取平均，得到平均上采样ESF；
对所述平均上采样ESF求导，得到平均上采样LSF，并对平均上采样LSF进行离散傅里叶变换运算，得到光学传递函数OTF值，且进一步根据所述光学传递函数OTF值，得到MTF值。
其中，所述待测相机为MER-231U3C-L工业相机，其图像锐化度在0.0-5.0 调节，步长为0.1，默认图像锐化度为1.5。
其中，所述预设测试卡为ISO 12233测试卡。
本发明实施例还提供了一种测量数码输入设备调制传递函数的系统，包括；
图像获取单元，用于获取待测相机对预设测试卡拍照所得的图像；
MTF初始测量单元，用于从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
MTF去锐化迭代单元，用于若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
MTF最终测量单元，用于将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
其中，所述待测相机为MER-231 U3C-L工业相机，其图像锐化度在0.0-5.0 调节，步长为0.1，默认图像锐化度为1.5；所述预设测试卡为ISO 12233测试卡。
实施本发明实施例，具有如下有益效果：
本发明基于待测相机拍摄的原始图像中刃边区域的MTF值与预设阈值(如 1)进行对比，采用滤波器(如保边滤波器)对所选刃边区域进行多次反复滤波处理，直至MTF值小于预设阈值为止并为最终测量结果，从而能有效去除锐化算法对测量MTF影响，显著改善测量的Nyquist频率的MTF。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的流程图；
图2为本发明实施例提供的一种测量数码输入设备调制传递函数的方法中倾斜刃边法测试MTF的原理图；
图3为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的应用场景中倾斜刃边法MTF光学测试实验系统的结构示意图；
图4为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的应用场景中相机拍摄图像及其截取的倾斜刃边截图；其中，(a)为相机拍摄的锐化度为0的图像；(b)为倾斜刃边截图；
图5为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的应用场景中不同锐化度对倾斜刃边法测量MTF影响的对比图；
图6为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的应用场景中加入保边滤波器去除锐化算法影响再进行MTF值测量的流程图；
图7为本发明实施例提供的一种测量数码输入设备调制传递函数的方法的应用场景中三个保边滤波器后测量的MTF曲线对比图；其中，(a)为双边滤波器测量的MTF曲线图；(b)为引导滤波器测量的MTF曲线图；(c)为加权最小二乘滤波器测量的MTF曲线图；
图8为本发明实施例提供的一种测量数码输入设备调制传递函数的系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例中，提出的一种测量数码输入设备调制传递函数的方法，所述方法包括以下步骤：
步骤S1、获取待测相机对预设测试卡拍照所得的图像；
步骤S2、从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
步骤S3、若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
步骤S4、将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
具体过程为，在步骤S1中，采用由待测相机、三脚架、笔记本电脑、D65 灯源和测试卡组成测试实验系统。其中，待测相机选用的是大恒图像MER-231 U3C-L工业相机其图像锐化度在0.0-5.0调节，步长为0.1，默认图像锐化度为 1.5；预设测试卡为ISO 12233测试卡。
在暗室内，用D65标准光源进行照明，调整光源使得测试卡表面亮度分布均匀，并用该待测相机在合适位置对该测试卡进行拍照并导入笔记本电脑中，即可获得所需图像。因此，笔记本电脑可以实时接收待测相机对预设测试卡拍照所得的图像。
在步骤S2中，首先，从所获取的图像中，选取刃边区域。应当说明的是，为简化实验过程，刃边区域截取自不同图像中的相同位置，而且仅考虑垂直方向的刃边图，而忽略水平方向的刃边图。
其次，用ISO 12233倾斜刃边法测量待测相机的MTF值。其中，倾斜刃边法是利用刃边靶标给成像系统提供一个阶跃输入，其成像后的亮度分布函数就是边缘扩展函数ESF(Edge Spread Function)，ESF和线扩展函数LSF(Line Spread Function)之间关系为
此时，倾斜刃边法测试MTF的原理是先根据刃边图像提取出ESF，对ESF求导得到LSF，再对LSF进行傅里叶变换得到MTF，如图2所示。
基于图2，倾斜刃边法测量待测相机的MTF值的具体过程表述如下：
(1)在所选刃边区域中，提取每行边缘扩展函数ESF数据，并对每行ESF 数据均求导，得到相应的线扩展函数LSF数据；其中，；
(2)基于每行ESF数据及相应的LSF数据，计算每一行的图像重心以及每一行数据的边缘位置，并对所有的边缘位置点进行线性拟合求得刃边倾角；
(3)基于所求得的刃边倾角，重新定位所选刃边区域的刃边，并根据图像数据及其到边缘的距离，获得ESF；
(4)对ESF进行4倍超采样，对每个采样间隔内的像素灰度值取平均，得到平均上采样ESF；
(5)对平均上采样ESF求导，得到平均上采样LSF，并对平均上采样LSF 进行离散傅里叶变换运算，得到光学传递函数OTF值，且进一步根据光学传递函数OTF值，得到MTF值。
在步骤S3中，发明人发现，很多MTF曲线值在低频(0.1-0.3Circle/Pixel) 部分超过了预设阈值(如1)，并且随着图像锐化度增加，超出预设阈值(如1) 部分越多，甚至高达1.6。显然这一现象不能真实反映成像系统(尤其是光学系统)的还原能力，而是在成像过程中使用了锐化算法所产生的MTF虚高。针对这一问题，提出在ISO 12233倾斜刃边法的基础上，加入预设的滤波器(如保边滤波器)去除锐化算法的影响，再进行MTF值测量。
保边滤波器(Edge Preserving Filter)是指在滤波过程中能够有效的保留图像中的边缘信息的一类特殊滤波器。其中，双边滤波器(Bilateral filter,BF)、引导滤波器(Guided filter,GF)、加权最小二乘法滤波器(Weighted least square filter, WLS)为几种比较常用的保边滤波器。
(I)双边滤波器是一种非线性滤波器，能对空间邻近度和灰度相似度折中处理，它将每个像素点的灰度值替换为邻近像素点灰度值的加权平均，邻近像素点所占的权重取决于它与中心像素点的空间欧氏距离和灰度相似度。
该双边滤波器BF的数学表达式通过公式(1)来表示，其权重的计算方式通过公式(2)来表示；
式中，p＝(i,j)表示进行处理的二维像素点；q＝(k,l)表示p点邻域(滤波核范围内)中的像素点，包括p点；Ip和Iq分别表示像素点p和q的像素值；σs、σr分别为空间标准差和灰度标准差；Wp,q表示分配给q点的权重值；
表示p点的滤波核权重总和；s表示以(i,j)为中心，边长为(2r+1)正方形区域内像素点的坐标集合。
(II)引导滤波是一种基于局部线性模型的边缘保持算法。引导滤波器GF 通过计算中心像素相邻像素的均值和方差，并使用这些统计值推导出用作指导计算滤波器的乘法和加法参数，这使得基本层的梯度绝对值小于原始图像的梯度绝对值。
此时，引导滤波器GF可表示为：
qi＝akIi+bk (3)；
式中，I为引导图像；q为输出图像；假设ωk为以像素点k为中心的局部窗口，则ak和bk为引导滤波模型在该局部窗口的线性系数，i为窗口ωk内的点。因此，可以通过构造损失函数求得最优的ak和bk。
式中，μk和δk 2分别为引导图像I在窗口中的平均值和方差；|ω|为窗口ωk的像素点个数；正则化参数ε用来防止因方差过小导致的ak过大；pi为输入图像上像素点i的像素值；
为输入图像在窗口内的像素平均值。
将式(3)两边同时求梯度，得：
式中，
为求梯度计算。
由式(6)可以看出，引导滤波可以使输出图像q的梯度信息与引导图像I梯度信息保持一致。
(III)加权最小二乘法滤波器WLS首先估计合理的方差参数，这些参数描述了方差随灰度变化的全局趋势，利用邻域灰度之间的相似性加权来估计当前参数，通过不断优化参数加权最小二乘滤波器可以使滤波结果尽可能接近原图，同时在梯度较小区域尽可能平滑，而强梯度的边缘部分尽可能保持不变。给定一个输入图像g，寻找一个新的图像u，使得结果图像u与原始图像g经过平滑后尽量相似，但是在边缘部分尽量保持原状。
此时，加权最小二乘法滤波器用数学表达出来：
式中，下标p表示像素的空间位置。u、g为图像的向量表示，(up-gp)2数据项的目标是最小化u和g之间的距离，而第二项(正则化)通过最小化u的偏导数来实现平滑。ax，ay负责两项之间的平衡；λ值的增加会导致图像逐渐平滑。
将上式(7)改写为矩阵形式(8)：
(u-g)T(u-g)+λ(uTDx TAxDxu+uTDy TAyDyu) (8)；
式中，Ax,Ay为以ax,ay为对角元素的对角矩阵，Dx，Dy为前向差分矩阵，Dx T和Dy T是后向差分算子。
要使得(8)式取的最小值，u需满足如下：
(I+λLg)u＝g (9)；
式中，Lg＝Dx TAxDx+Dy TAyDy；I表示灰度图像值。
取平滑权重系数为：
式中，l是输入图像g的对数亮度通道，指数α决定了g梯度的灵敏度，ε通常为0.0001。
u是通过对g施加非线性算子得到的，求出u为：
u＝Fλ(g)＝(I+λLg)-1g (12)；
当所选区域连续时，那么平滑度权值ax和ay大致相等，即ax＝ay＝a，则
Fλ(g)≈(I+λaL)-1g (13)；
式中，L＝Dx TDx+Dy TDy，代表齐次拉普拉斯矩阵。
由上述(I)～(III)可知，保边滤波器的相关参数由迭代过程给出，直到估计的MTF值小于预设阈值为止。
因此，在判定出步骤S2中的MTF值大于预设阈值(如1)时，则采用上述三个保边滤波器之中任一个对所选刃边区域进行多次滤波，并进行MTF值计算，直至某次滤波后的刃边区域重新计算所得的MTF值小于预设阈值为止，即结束迭代滤波处理。
在步骤S4中，将小于预设阈值的MTF值作为待测相机最终测量的MTF值输出。
如图3至图7所示，对本发明实施例中的一种测量数码输入设备调制传递函数的方法的应用场景做进一步说明：
选取倾斜刃边法MTF光学测试实验系统，如图3所示。主要由相机、三脚架、笔记本电脑、D65灯源组成。其中相机选用的是大恒图像MER-231U3C-L 工业相机。
在暗室内，用D65标准光源进行照明，调整光源，使得测试卡表面亮度分布均匀。用待测相机在合适位置对ISO 12233测试卡进行拍照，即可获得所需图像。
根据大恒相机图像质量调节说明书可知，MER-231U3C-L工业相机的图像锐化度可在0.0-5.0调节，步长为0.1，默认图像锐化度为1.5。实验中，在保持其他拍摄条件和相机参数不变的情况下，通过依次调节相机的图像锐化度拍摄实验所用图片。
图4所示为锐化度0.0采集的ISO 12233靶标图像及从中截取的刃边图。为简化实验过程，本实验中的刃边图截取自不同图像中的相同位置，而且仅考虑垂直方向的刃边图，而忽略水平方向的刃边图。
实验中，通过在MER-231U3C-L工业相机图像处理软件中将锐化度从0.0 开始以步长0.1变化到1.5，首先用ISO 12233倾斜刃边法测量各个锐化度下数码相机的MTF值(如图5所示)，并以图像锐化度为0.0时测量的MTF(图5 中圆点线所示)为待测成像系统的MTF真值，比较不同锐化度下，同一成像系统MTF的变化。图5中垂直的虚线为Nyquist频率，对应的MTF是评价系统成像质量的重要指标之一。从图5可以看出，加大锐化度，可以提高高频部分的空间频率响应，但同时也使得很多MTF曲线值在低频(0.1-0.3Circle/Pixel)部分超过了1，并且随着图像锐化度增加，超出1部分越多，甚至高达1.6。显然这一现象不能真实反映成像系统(尤其是光学系统)的还原能力，而是在成像过程中使用了锐化算法所产生的MTF虚高。针对这一问题，本文提出在ISO 12233 倾斜刃边法的基础上，加入保边滤波器去除锐化算法的影响，再进行MTF值测量。测量流程如图(6)所示，其中保边滤波器的相关参数由迭代过程给出，直到估计的各频率下MTF值小于或等于1为止。
为了比较不同保边滤波器去锐化的效果，本实验在ISO 12233倾斜刃边法基础上分别引入双边滤波器、引导滤波器和加权最小二乘滤波器等三种常用保边滤波器，而且根据图像锐化度不同，自动寻找各自滤波器的最佳参数。在双边滤波器中，位于图像的平稳区域，空间欧氏距离起决定性作用，而在图像边缘处，灰度相似度起决定性作用，通过调节高斯方差来寻找最优参数Wp,q；在引导滤波器中ak越大，梯度信息所占的权重越大，引导滤波器的边缘保持能力越强，平滑力度越小，通过参数δk 2寻找最优参数ak和bk；在加权最小二乘滤波器中，通过迭代参数α和λ寻找最优图像u。经三种保边滤波后MTF测量结果分别如图7(a)-(c)所示。
图7中，黑色圆点线表示图像锐化度为0.0时测量的MTF。从图7(a)-(c)可以看出，保边滤波后，不再有MTF值大于1的情况发生。从图7还可以看出，不同的保边滤波器去锐化的效果略有不同。
其中，图7(a)显示的双边滤波器对不同的锐化度去锐化效果差别比较大， MTF曲线分散较大，而且偏离黑色圆点线较远。说明经双边滤波平滑后，低频部分空间频率响应有所降低，但高频部分空间频率响应不但不降反而上升，图像质量有明显提高。图7(b)显示引导滤波去锐化后MTF曲线接近于重合并且比较靠近黑色圆点线，但MTF值普遍比黑色圆点线值大，说明引导滤波去锐化效果受锐化度影响较小，可以得到比较一致的MTF结果。图7(c)中所有曲线都比较集中且靠近黑色圆点线，同样加权最小二乘滤波受锐化度影响也较小，但常常会过度平滑，使得MTF小于真值。从图像处理的角度来说，引导滤波和加权最小二乘滤波在降低低频部分空间频率响应的同时也会明显降低高频部分空间频率响应，从而降低图像质量，保边效果不如双边滤波。
需要特别说明的是在图5和图7中，锐化度为0.0、0.1和0.2对应的三条曲线(圆点线、短划线、点划线)是保持不变的。实际上，由于这三种情况下，图像锐化不是很厉害，不需要进行保边平滑。在图7(a)中可以明显看出来，这三条线(黑色圆点线及其附近的两条曲线)比较靠近，并且与其他曲线分开的比较远。
通过与图像锐化度为0.0时的MTF进行比较，分别计算无滤波、滤波处理后MTF与锐化度为0.0的MTF之间的均方根误差(Root Mean Square Error，RMSE)，如表1所示。RMSE越大，表示偏离MTF真值越远，在图5和图7上表现为离开黑色圆点线较远。
表1
由表1可知，当锐化度为0.1和0.2时，由于所有的MTF均不大于1，无需去锐化即可得到比较真实的MTF，表现为RMSE值较小(小于0.0709)；当相机图像锐化度从0.1-1.5时，在无滤波情况下直接使用ISO 12233倾斜刃边法测量得到的MTF的平均RMSE为0.2622，而且随着锐化度提高，误差越大，与图 5中曲线随锐化度增加偏离黑色圆点线越远一致；采用双边滤波器改进倾斜刃边法测量得到的MTF平均RMSE为0.2032，误差有所减少，但仍然较大；采用引导滤波器改进倾斜刃边法测量得到的MTF平均RMSE为0.1034；而采用加权最小二乘滤波器改进倾斜刃边法测量得到的MTF平均RMSE为0.0517。其中，除双边滤波器在锐化度为0.3-0.6时，去锐化后MTF曲线与锐化度为0.0时的MTF 曲线差别变大之外，其他情况下差别均有减小。
图像锐化度为0.0时，Nyquist频率(0.5Circles/Pixel)对应的MTF值为0.3280。其他各种锐化度下Nyquist频率对应的MTF值如表2所示，并通过与图像锐化度为0.0时Nyquist频率对应的MTF值进行比较，计算无滤波、滤波处理后 Nyquist频率对应的MTF值与锐化度为0.0的Nyquist频率对应的MTF值之间的绝对误差，结果也列于表2中。
表2
由表2可知，在无滤波处理的情况下，Nyquist频率对应的平均MTF值为 0.4610，平均绝对误差为0.1424，而且锐化度越高，偏离真实值0.3280越远；采用双边滤波器改进倾斜刃边法测量得到的Nyquist对应的平均MTF值为 0.5452，平均绝对误差为0.2230，比滤波前的平均MTF值0.4610还要高。采用引导滤波器改进刃边法测量得到的Nyquist平均MTF值为0.3655，平均绝对误差为0.0433，而采用加权最小二乘滤波器改进刃边法测量得到的Nyquist平均 MTF值为0.3157，平均绝对误差为0.0502。由此可知，对刃边图施加保边滤波后，除双边滤波器外，显著改善了测量的Nyquist频率的平均MTF精度。三种滤波器中，基于引导滤波器改进的刃边法测量的Nyquist频率处MTF精度最高，加权最小二乘滤波器次之。而经双边滤波器滤波后，Nyquist频率处MTF值比未经滤波时还要高出很多，与图7(a)观察到的结果一致。如果不考虑测量精度，仅仅从双边滤波器能显著提高成像系统Nyquist频率的MTF值这一角度，说明双边滤波器保持边缘的能力非常强，保边效果要优于引导滤波器和加权最小二乘滤波器，滤波后的图像质量要好得多，但不太适合于本实验的目的。
为了定量表示滤波前后图像的锐化度，本文采用公式(14)计算图像的锐化度指标。
S＝100×(MTF0.15-1) (14)；
式中，S表示锐化度，MTF0.15是频率0.15(Circle/Pixel)时的MTF值。当S＜0 时，图像为欠锐化状态；当S＞0时，图像处于锐化状态。通常情况下，为了获取清晰且对比度较好的图像，图像的锐化度S应保持在0＜S＜50范围内。根据式 (14)计算实验中无滤波、滤波处理后图像的锐化度，结果如表3所示：
表3
由表3可知，从原始图像中计算得到的锐化度S随图像处理软件设定的锐化度增加(0.1-1.5)而增加，而且两者之间成某种线性关系，说明可以用公式(14) 计算得到的S评价图像的锐化度。图像处理软件设定的锐化度0.1-0.2对应的锐化度S小于0，说明这两种锐化设定时，图像仍处于欠锐化状态。从表3还可看出，经双边滤波器、引导滤波器和加权最小二乘滤波器处理后得到的图像锐化度S都小于0，表明三种保边滤波器都可以有效地去除锐化的影响。在改进倾斜刃边测量法的迭代过程中，可以根据计算的图像锐化度S确定迭代终止条件：如果S大于0，则继续施加保边滤波，否则迭代完成。这样可以避免对欠锐化图像(如本实验中图像锐化设置值0.1-0.2时)进行平滑滤波。
因此，考虑到滤波后MTF曲线形状和Nyquist频率处MTF值保真度，建议采用加权最小二乘滤波器或引导滤波器改进MTF倾斜刃边测量法。
综上可知，通过测量数码相机在不同锐化度下的MTF曲线可以看出，在锐化度S大于0时，相机在低频部分MTF值超过了1，锐化度越高，超过1的范围越大，而且Nyquist值所对应的MTF值偏离真实值越远。在实际测试中，为了能真实地反映成像系统的MTF值，本实验采用的三种保边滤波器都能有效地去除锐化算法对测量MTF的影响。当图像锐化度S大于0时，使用自适应加权最小二乘滤波或引导滤波来去除锐化算法对相机MTF测量结果的影响，其平均RMSE比较小，可以显著改善测量的Nyquist频率的MTF精度。表明在ISO 12233倾斜刃边法的基础上，加入自适应加权最小二乘滤波或者引导滤波可以得到较为真实的MTF。
如图8所示，为本发明实施例中，提供的一种测量数码输入设备调制传递函数的系统，包括；
图像获取单元110，用于获取待测相机对预设测试卡拍照所得的图像；
MTF初始测量单元120，用于从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
MTF去锐化迭代单元130，用于若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
MTF最终测量单元140，用于将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
其中，所述待测相机为MER-231U3C-L工业相机，其图像锐化度在0.0-5.0 调节，步长为0.1，默认图像锐化度为1.5；所述预设测试卡为ISO 12233测试卡。
实施本发明实施例，具有如下有益效果：
本发明基于待测相机拍摄的原始图像中刃边区域的MTF值与预设阈值(如1)进行对比，采用滤波器(如保边滤波器)对所选刃边区域进行多次反复滤波处理，直至MTF值小于预设阈值为止并为最终测量结果，从而能有效去除锐化算法对测量MTF影响，显著改善测量的Nyquist频率的MTF。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明一种较佳实施例而已，应当说明的是不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种测量数码输入设备调制传递函数的方法，其特征在于，所述方法包括以下步骤：
获取待测相机对预设测试卡拍照所得的图像；
从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
2.如权利要求1所述的测量数码输入设备调制传递函数的方法，其特征在于，所述预设的滤波器为保边滤波器，其中，所述保边滤波器包括双边滤波器BF、引导滤波器GF和加权最小二乘法滤波器WLS。
3.如权利要求2所述的测量数码输入设备调制传递函数的方法，其特征在于，所述双边滤波器BF的数学表达式通过公式(1)来表示，其权重的计算方式通过公式(2)来表示；
式中，p＝(i,j)表示进行处理的二维像素点；q＝(k,l)表示p点邻域(滤波核范围内)中的像素点，包括p点；Ip和Iq分别表示像素点p和q的像素值；σs、σr分别为空间标准差和灰度标准差；Wp,q表示分配给q点的权重值；
表示p点的滤波核权重总和；s表示以(i,j)为中心，边长为(2r+1)正方形区域内像素点的坐标集合。
4.如权利要求2所述的测量数码输入设备调制传递函数的方法，其特征在于，所述引导滤波器GF通过公式(3)-(6)来表示；
qi＝akIi+bk (3)；
式中，I为引导图像；q为输出图像；假设ωk为以像素点k为中心的局部窗口，则ak和bk为引导滤波模型在该局部窗口的线性系数，i为窗口ωk内的点；μk和δk 2分别为引导图像I在窗口中的平均值和方差；|ω|为窗口ωk的像素点个数；正则化参数ε用来防止因方差过小导致的ak过大；pi为输入图像上像素点i的像素值；
为输入图像在窗口内的像素平均值；
为求梯度计算。
5.如权利要求2所述的测量数码输入设备调制传递函数的方法，其特征在于，所述加权最小二乘法滤波器WLS通过公式(7)-(13)来表示；
(u-g)T(u-g)+λ(uTDx TAxDxu+uTDy TAyDyu) (8)；
(I+λLg)u＝g (9)；
u＝Fλ(g)＝(I+λLg)-1g (12)；
Fλ(g)≈(I+λaL)-1g (13)；
式中，下标p表示像素的空间位置；u、g为图像的向量表示，(up-gp)2数据项的目标是最小化u和g之间的距离，第二项通过最小化u的偏导数来实现平滑；ax，ay负责两项之间的平衡；λ值的增加会导致图像逐渐平滑；Ax,Ay表示以ax,ay为对角元素的对角矩阵，Dx，Dy表示前向差分矩阵，Dx T和Dy T表示后向差分算子；Lg＝Dx TAxDx+Dy TAyDy；I表示灰度图像值；l表示输入图像g的对数亮度通道；指数α决定了g梯度的灵敏度；ε通常为0.0001；u是通过对g施加非线性算子得到的；ax和ay表示平滑度权值；L＝Dx TDx+Dy TDy，代表齐次拉普拉斯矩阵。
6.如权利要求1所述的测量数码输入设备调制传递函数的方法，其特征在于，所述基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值的具体步骤包括：
在所选刃边区域中，提取每行边缘扩展函数ESF数据，并对每行ESF数据均求导，得到相应的线扩展函数LSF数据；其中，
基于每行ESF数据及相应的LSF数据，计算每一行的图像重心以及每一行数据的边缘位置，并对所有的边缘位置点进行线性拟合求得刃边倾角；
基于所求得的刃边倾角，重新定位所选刃边区域的刃边，并根据图像数据及其到边缘的距离，获得ESF；
对ESF进行4倍超采样，对每个采样间隔内的像素灰度值取平均，得到平均上采样ESF；
对所述平均上采样ESF求导，得到平均上采样LSF，并对平均上采样LSF进行离散傅里叶变换运算，得到光学传递函数OTF值，且进一步根据所述光学传递函数OTF值，得到MTF值。
7.如权利要求1所述的测量数码输入设备调制传递函数的方法，其特征在于，所述待测相机为MER-231U3C-L工业相机，其图像锐化度在0.0-5.0调节，步长为0.1，默认图像锐化度为1.5。
8.如权利要求1所述的测量数码输入设备调制传递函数的方法，其特征在于，所述预设测试卡为ISO 12233测试卡。
9.一种测量数码输入设备调制传递函数的系统，其特征在于，包括；
图像获取单元，用于获取待测相机对预设测试卡拍照所得的图像；
MTF初始测量单元，用于从所获取的图像中，选取刃边区域，并基于预设的倾斜刃边法，对所选刃边区域进行计算，得到MTF值；
MTF去锐化迭代单元，用于若判定出所述MTF值大于预设阈值，则采用预设的滤波器对所选刃边区域进行多次滤波，直至某次滤波后的刃边区域重新计算所得的MTF值小于所述预设阈值为止；
MTF最终测量单元，用于将小于所述预设阈值的MTF值作为待测相机最终测量的MTF值输出。
10.如权利要求9所述的测量数码输入设备调制传递函数的系统，其特征在于，所述待测相机为MER-231 U3C-L工业相机，其图像锐化度在0.0-5.0调节，步长为0.1，默认图像锐化度为1.5；所述预设测试卡为ISO 12233测试卡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210947016.8A CN115326362A (zh) | 2022-08-09 | 2022-08-09 | 一种测量数码输入设备调制传递函数的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210947016.8A CN115326362A (zh) | 2022-08-09 | 2022-08-09 | 一种测量数码输入设备调制传递函数的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115326362A true CN115326362A (zh) | 2022-11-11 |
Family
ID=83921601
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210947016.8A Pending CN115326362A (zh) | 2022-08-09 | 2022-08-09 | 一种测量数码输入设备调制传递函数的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115326362A (zh) |
-
2022
- 2022-08-09 CN CN202210947016.8A patent/CN115326362A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020010945A1 (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| Li et al. | Nonnegative mixed-norm preconditioning for microscopy image segmentation | |
| CN104637046B (zh) | 图像检测方法和装置 | |
| CN111369523B (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
| JP2008500529A (ja) | デジタル画像化システムを特徴付ける方法 | |
| KR102582261B1 (ko) | 이미징 시스템의 점 확산 함수를 결정하는 방법 | |
| van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
| US20110150338A1 (en) | Method and system for generating intrinsic images using single reflectance technique | |
| CN110766657B (zh) | 一种激光干扰图像质量评价方法 | |
| CN111970500A (zh) | 用于投影设备的自动距步校准方法及系统 | |
| US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| CN111524153B (zh) | 图像解析力确定方法、装置及计算机存储介质 | |
| CN114007013A (zh) | 模糊区确定和防抖性能检测方法、系统、防抖性能检测设备 | |
| Rana et al. | Optimizing tone mapping operators for keypoint detection under illumination changes | |
| CN111415365B (zh) | 图像检测方法及装置 | |
| CN112651945A (zh) | 一种基于多特征的多曝光图像感知质量评价方法 | |
| CN115326362A (zh) | 一种测量数码输入设备调制传递函数的方法及系统 | |
| CN108876845B (zh) | 菲涅尔纹中心的确定方法和装置 | |
| CN111445435A (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
| CN111062984B (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
| CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
| CN115578291A (zh) | 图像的亮度校正方法、存储介质及电子设备 | |
| CN115018817A (zh) | 划痕检测方法、装置、电子设备和可读存储介质 | |
| CN114663681A (zh) | 用于对指针式仪表进行读数的方法及其相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |