衡量镜头解像能力性能的指标-MTF曲线
MTF(Modulation Transfer Function,模量传递函数),是目前分析镜头解像能力的方法,可以用来评判镜头还原物体对比度的能力。说到MTF,不得不先提一下衡量镜头性能的两在重要指标--分辨率和反差。
一、分辨率:
分辨率(Resolution)又称分辨力、鉴别率、鉴别力、分析力、解像力和分辨本领,是指摄影镜头清晰地再现被摄景物纤微能力。显然分辨率越高的镜头,所拍摄的影像越清晰细腻。它的单位是“线对、毫米”。它的可以量化,用数据表示,使直观、更科学、更严密。
二、反差:
反差(Acutance)又称鲜锐度、明锐度,是摄影镜头鲜明地再现摄景物中间层次、暗部层次、低反差影纹细节、微弱亮度对比和微妙色彩变化的能力。反差高的镜头,所成影像轮廓鲜明、边缘锐利、反差正常、层次丰富、纹理细腻、影调明朗、质感强烈、色彩柔和、彩色还原真实镜头的反差,很难简单地用数据表示,也很难用普通的仪器测试出来,人们通常是只凭主观感觉,定性地进行评述。
分辨率和反差的综合表现,被称为清晰度(Clarity),两者是全面评价一个摄像头成像质量的两大重要因素。
MTF使用的是黑白逐渐过渡的线条标板,通过镜头进行投影。被测量的结果是反差的还原情况。如果所得影像的反差和测试标板完全一样,则MTF值为100%(1),这是理想的最佳镜头。若反差为一半,则MTF值为50%,数值0表示渐变黑白线条被还原为单一的灰色,当数值超过80%(20lp/m)则已很好。
测试一般分为径向和切向两个方向,如果两个方向上MTF值相差较大,说明镜头遭受较严重的像散。另一点是需要注意使用相同的线对分布,线对分布越密,测得的MTF值通常也越低。同时MTF也与相机的光圈有关,在最大和最小光圈下MTF值通常非常低,最佳MTF值一般在小于最大光圈2-3档处获得。人眼能够分辨的最低调制度为0.05,即入眼能分辨1 mm内有20线对的图像,高于20线对人眼已经无法分辨。
MTF曲线如何看?
常见的MTF曲线是这样的:横轴代表距离影像传感器(数码相机)中心的径向距离(沿着传感器的对角线方向),纵细是MTF值。图中一般给出两组MTF曲线:一组对应低频=10LP/mm,一组对应高一些的频率=30LP/ mm。每组曲线又分两条,一条代表镜头对径向线条(线条方向沿着由传感器中心向外的径向)的解像力(实线);另外一条代表镜头对切向线条(线条方向和传感器中心的同心圆相切)的解像力(虚线)。
衡量镜头解像能力性能的指标-MTF曲线的更多相关文章
- 机器学习性能度量指标:ROC曲线、查准率、查全率、F1
错误率 在常见的具体机器学习算法模型中,一般都使用错误率来优化loss function来保证模型达到最优. \[错误率=\frac{分类错误的样本}{样本总数}\] \[error=\frac{1} ...
- 什么是MTF曲线
MTF(Modulation Transfer Function)是衡量镜头性能的一个重要指标.将镜头把被摄体所具有的对比度再现到像面上的忠诚度以空间频率特性进行表示,便绘成了MTF曲线图. 曲线图的 ...
- 机器学习实战笔记(Python实现)-07-分类性能度量指标
1.混淆矩阵 下图是一个二类问题的混淆矩阵,其中的输出采用了不同的类别标签 常用的衡量分类性能的指标有: 正确率(Precision),它等于 TP/(TP+FP) ,给出的是预测为正例的样本中的真正 ...
- 机器学习性能度量指标:AUC
在IJCAI 于2015年举办的竞赛:Repeat Buyers Prediction Competition 中, 很多参赛队伍在最终的Slides展示中都表示使用了 AUC 作为评估指标: ...
- 【Udacity】机器学习性能评估指标
评估指标 Evaluation metrics 机器学习性能评估指标 选择合适的指标 分类与回归的不同性能指标 分类的指标(准确率.精确率.召回率和 F 分数) 回归的指标(平均绝对误差和均方误差) ...
- Web 前端页面性能监控指标
Web 前端页面性能监控指标 性能监控 / 性能指标 / 性能优化 白屏时间计算 FCP 白屏时间:从浏览器输入地址并回车后到页面开始有内容的时间: 首屏时间计算 FMP 首屏时间:从浏览器输入地址并 ...
- 【sklearn】性能度量指标之ROC曲线(二分类)
原创博文,转载请注明出处! 1.ROC曲线介绍 ROC曲线适用场景 二分类任务中,positive和negtive同样重要时,适合用ROC曲线评价 ROC曲线的意义 TPR的增长是以FPR的增长为代价 ...
- [机器学习] 性能评估指标(精确率、召回率、ROC、AUC)
混淆矩阵 介绍这些概念之前先来介绍一个概念:混淆矩阵(confusion matrix).对于 k 元分类,其实它就是一个k x k的表格,用来记录分类器的预测结果.对于常见的二元分类,它的混淆矩阵是 ...
- 压力测试衡量CPU的三个指标:CPU Utilization、Load Average和Context Switch Rate
分类: 4.软件设计/架构/测试 2010-01-12 19:58 34241人阅读 评论(4) 收藏 举报 测试loadrunnerlinux服务器firebugthread 上篇讲如何用LoadR ...
随机推荐
- linux的关机
shutdown -h now 立即关机 shutdown -r now 立即重启
- Spring Boot 2.x 使用 jpa 连接 mysql
在spring boot网站上生成一个项目,如图: 我使用的是Maven项目,java使用是jdk8(spring boot 2.x必须要jdk8及以上),dependencies分别输入选择 web ...
- 重新配置vim
重新配置,并非折腾,发个链接吧留着以后用。 都是前辈 vimer程序员的世界 Vim(gvim)配色方案推荐 gvim(vim)使用微软雅黑中文字体 Vim(gvim)编程字体推荐 所需即所获:像 I ...
- 解决Eclipse中的卡死现象
解决Eclipse中的卡死现象 取消验证 windows–>perferences–>validation 把 除了manual 下面的全部点掉,build下只留 classpath de ...
- 【solr专题之三】Solr常见异常 分类: H4_SOLR/LUCENCE 2014-07-19 10:30 3223人阅读 评论(0) 收藏
1.RemoteSolrException: Expected mime type application/octet-stream but got text/html 现象: SLF4J: Fail ...
- android的edittext设置输入限制,只能输入数字
EditText的属性里面已经封装好了相关的设置,上一篇文章里面也提到了,不熟悉的可以去查看上一篇EditText属性大全,这里着重讲输入限制的属性: android:digits="123 ...
- php计算两个坐标直线距离
function rad($d) { return $d * 3.1415926535898 / 180.0; } function GetDistance($lat1, $lng1, $lat2, ...
- hadoop集群安装(多机,非伪集群)
1. 创建用户 创建hadoop用户组:sudo addgroup hadoop 创建hadoop用户:sudo adduser -ingroup hadoop hadoop 为hadoop用户分配r ...
- 为什么说 C/C++ 不适合做 Web 开发?(成本高,容易出错,apache等工具分担了大部分工作)
因为大家在讨论用C#.Java,做出来的项目的时候,用C++的人们还在讨论语言特性 每种语言都有特定适用范围,对应着某类问题.web开发的重头戏不是计算,而是与用户交互和发送sql语句,当然以脚本语言 ...
- 【54.38%】【BZOJ 4300】绝世好题
Time Limit: 1 Sec Memory Limit: 128 MB Submit: 1120 Solved: 609 [Submit][Status][Discuss] Descript ...