相机性能评估——MTF和ETW

---

目录

• 一、MTF 计算原理与公式
  • 1. 基本概念
  • 2. 从 PSF 到 MTF
  • 3. 从 LSF 到 MTF
  • 4. 从 ESF 到 MTF
  • 5. 离散计算流程
  • 6. MTF 光路/信号链示意
• 二、EWT 计算原理与公式
  • 1. 基本概念
  • 2. 边缘过渡宽度定义
  • 3. 10%-90% EWT
  • 4. 20%-80% EWT
  • 5. 基于 ESF 斜率的 EWT
  • 6. EWT 与 MTF 的关系
  • 7. EWT 示意图
• 三、MTF 与 EWT 对照表
• 四、完整计算流程总结

---

一、MTF 计算原理与公式

1. 基本概念

MTF（Modulation Transfer Function） 描述光学系统对不同空间频率正弦亮度分布的对比度传递能力。

对输入正弦光强分布：

$$I_{in}(x)=I_0\left[1+M_{in}\cos (2\pi fx)\right]$$

经过系统后输出：

$$I_{out}(x)=I_0\left[1+M_{out}\cos (2\pi fx+\varphi )\right]$$

定义：

• 调制对比度（Modulation）：

$$M=\frac{I_{max}-I_{min}}{I_{max}+I_{min}}$$

• MTF：

$$MTF(f)=\frac{M_{out}(f)}{M_{in}(f)}$$

• 相位传递函数 PTF：

$$PTF(f)={\varphi }_{out}(f)-{\varphi }_{in}(f)$$

• 光学传递函数 OTF：

$$OTF(f)=MTF(f)\cdot e^{j\cdot PTF(f)}$$

MTF 取值范围：

$$0\le MTF(f)\le 1$$

---

2. 从 PSF 到 MTF

PSF（Point Spread Function，点扩散函数） 是系统对理想点光源的响应。

若系统是线性空间不变系统，则：

$$I_{out}(x,y)=I_{in}(x,y)\ast PSF(x,y)$$

其中 $\ast$ 表示卷积。

根据傅里叶变换卷积定理：

F { I o u t } = F { I i n } ⋅ F { P S F } \mathcal{F}\{ I_{out} \} = \mathcal{F}\{ I_{in} \} \cdot \mathcal{F}\{ PSF \} F{Iout​}=F{Iin​}⋅F{PSF}

定义：

O T F ( f x , f y ) = F { P S F ( x , y ) } OTF(f_x, f_y) = \mathcal{F}\{ PSF(x,y) \} OTF(fx​,fy​)=F{PSF(x,y)}

因此：

M T F ( f x , f y ) = ∣ F { P S F ( x , y ) } ∣ MTF(f_x, f_y) = \left| \mathcal{F}\{ PSF(x,y) \} \right| MTF(fx​,fy​)=∣F{PSF(x,y)}∣

即：

MTF 是 PSF 的傅里叶变换的模。

---

3. 从 LSF 到 MTF

LSF（Line Spread Function，线扩散函数） 是系统对理想线光源的响应。

若线光源沿 $y$ 方向，则：

$$LSF(x)={\int }_{-\infty }^{+\infty }PSF(x,y)dy$$

对 LSF 做一维傅里叶变换：

O T F ( f x ) = F { L S F ( x ) } OTF(f_x) = \mathcal{F}\{ LSF(x) \} OTF(fx​)=F{LSF(x)}

因此：

M T F ( f x ) = ∣ F { L S F ( x ) } ∣ MTF(f_x) = \left| \mathcal{F}\{ LSF(x) \} \right| MTF(fx​)=∣F{LSF(x)}∣

离散形式：

$$MTF(f_k)=\left|\sum _{n=0}^{N-1}LSF(x_n)e^{-j2\pi f_k{x}_n}\right|$$

---

4. 从 ESF 到 MTF

ESF（Edge Spread Function，边缘扩散函数） 是系统对理想阶跃边缘的响应。

LSF 是 ESF 的导数：

$$LSF(x)=\frac{d}{dx}ESF(x)$$

因此：

$$OTF(f_x)=\mathcal{F}\left\{\frac{d}{dx}ESF(x)\right\}$$

利用傅里叶变换微分性质：

F { d d x E S F ( x ) } = j 2 π f x ⋅ F { E S F ( x ) } \mathcal{F}\left\{ \frac{d}{dx} ESF(x) \right\} = j 2\pi f_x \cdot \mathcal{F}\{ ESF(x) \} F{dxd​ESF(x)}=j2πfx​⋅F{ESF(x)}

所以：

$$MTF(f_x)=\left|\mathcal{F}\left\{\frac{d}{dx}ESF(x)\right\}\right|$$

或者：

M T F ( f x ) = ∣ j 2 π f x ⋅ F { E S F ( x ) } ∣ MTF(f_x) = \left| j 2\pi f_x \cdot \mathcal{F}\{ ESF(x) \} \right| MTF(fx​)=∣j2πfx​⋅F{ESF(x)}∣

实际计算中，通常先对 ESF 求导得到 LSF，再对 LSF 做傅里叶变换。

---

5. 离散计算流程

输入：倾斜边缘图像（Slanted Edge）
   │
   ▼
1. 边缘检测与倾斜角估计
   │
   ▼
2. 沿边缘方向投影/重采样 → ESF
   │
   ▼
3. 对 ESF 求导 → LSF
   │
   ▼
4. 对 LSF 做傅里叶变换 → OTF
   │
   ▼
5. 取模 → MTF
   │
   ▼
6. 归一化：MTF(0) = 1
   │
   ▼
输出：MTF(f) 曲线

---

6. MTF 光路/信号链示意

理想点光源
   │
   ▼
┌─────────────┐
│  光学系统   │  ← 镜头像差、衍射、装配误差
└─────────────┘
   │
   ▼
PSF(x,y)
   │
   ├── 沿 y 积分 ──► LSF(x)
   │
   └── 傅里叶变换 ──► OTF(f)
                          │
                          ▼
                    MTF(f) = |OTF(f)|

边缘法：

理想阶跃边缘
   │
   ▼
┌─────────────┐
│  光学系统   │
└─────────────┘
   │
   ▼
ESF(x)
   │
   ├── 求导 ──► LSF(x)
   │
   └── 傅里叶变换 ──► MTF(f)

---

二、EWT 计算原理与公式

1. 基本概念

EWT（Edge Transition Width / Edge Width Transition） 表示边缘从一种灰度过渡到另一种灰度所经过的空间宽度。

它直接反映：

• 边缘锐度
• 系统模糊程度
• 成像清晰度

EWT 越小，边缘越锐，系统分辨率越高。

---

2. 边缘过渡宽度定义

设 ESF 从低灰度 $I_{low}$ 过渡到高灰度 $I_{high}$。

定义灰度范围：

$$\Delta I=I_{high}-I_{low}$$

对于任意阈值比例 $p$，对应灰度：

$$I_p=I_{low}+p\cdot \Delta I$$

边缘过渡宽度定义为两个阈值位置之间的距离：

$$EW{T}_{p_1,p_2}=x_{p_2}-x_{p_1}$$

其中：

• $x_{p_1}$：达到 $p_1$ 阈值的位置
• $x_{p_2}$：达到 $p_2$ 阈值的位置

---

3. 10%-90% EWT

最常用定义：

$$EW{T}_{10-90}=x_{90\%}-x_{10\%}$$

其中：

$$I_{10\%}=I_{low}+0.10\Delta I$$

$$I_{90\%}=I_{low}+0.90\Delta I$$

示意图：

灰度
 │
 │                    ┌──────── I_high
 │                   /
 │                  /
 │                 /
 │                /
 │               /
 │              /
 │             /
 │            /
 │           /
 │          /
 │         /
 │        /
 │       /
 │      /
 │     /
 │    /
 │   /
 │  /
 │ /
 │/ 
 └──────────────────────────────► 位置 x
     x_10%      x_90%
        │◄──────►│
          EWT_10-90

---

4. 20%-80% EWT

有些标准使用 20%-80%：

$$EW{T}_{20-80}=x_{80\%}-x_{20\%}$$

其中：

$$I_{20\%}=I_{low}+0.20\Delta I$$

$$I_{80\%}=I_{low}+0.80\Delta I$$

示意图：

灰度
 │
 │                    ┌──────── I_high
 │                   /
 │                  /
 │                 /
 │                /
 │               /
 │              /
 │             /
 │            /
 │           /
 │          /
 │         /
 │        /
 │       /
 │      /
 │     /
 │    /
 │   /
 │  /
 │ /
 │/ 
 └──────────────────────────────► 位置 x
     x_20%      x_80%
        │◄──────►│
          EWT_20-80

---

5. 基于 ESF 斜率的 EWT

如果 ESF 近似线性过渡，则边缘斜率：

$$k=\frac{\Delta I}{EWT}$$

因此：

$$EWT=\frac{\Delta I}{k}$$

其中：

$$k={\frac{dESF(x)}{dx}|}_{max}$$

即最大斜率处。

也可以用 LSF 的等效宽度表示：

$$EWT\approx \frac{1}{LS{F}_{max}}{\int }_{-\infty }^{+\infty }LSF(x)dx$$

由于 LSF 归一化后：

$${\int }_{-\infty }^{+\infty }LSF(x)dx=1$$

所以：

$$EWT\approx \frac{1}{LS{F}_{max}}$$

这说明：

LSF 峰值越高、越窄，EWT 越小，边缘越锐。

---

6. EWT 与 MTF 的关系

EWT 是空间域指标，MTF 是频率域指标，两者通过傅里叶变换联系。

近似关系：

$$EWT\propto \frac{1}{f_{cutoff}}$$

其中 $f_{cutoff}$ 为系统截止频率。

若系统 MTF 在高频下降越快，则 EWT 越大。

对于高斯型 PSF：

$$PSF(x)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-x^2/(2{\sigma }^2)}$$

则：

$$MTF(f)=e^{-2{\pi }^2{\sigma }^2{f}^2}$$

边缘过渡宽度近似：

$$EW{T}_{10-90}\approx 2.56\sigma$$

因此：

$$\sigma =\frac{EW{T}_{10-90}}{2.56}$$

代入 MTF：

$$MTF(f)=\exp \left(-2{\pi }^2{\left(\frac{EW{T}_{10-90}}{2.56}\right)}^2{f}^2\right)$$

这说明：

知道 EWT 可以估算高斯近似下的 MTF 曲线。

---

7. EWT 示意图

7.1 ESF 与 EWT

ESF(x)
灰度
 │
 │                    ┌──────── I_high
 │                   /
 │                  /
 │                 /
 │                /
 │               /
 │              /
 │             /
 │            /
 │           /
 │          /
 │         /
 │        /
 │       /
 │      /
 │     /
 │    /
 │   /
 │  /
 │ /
 │/ 
 └──────────────────────────────► x
     x_10%      x_90%
        │◄──────►│
          EWT_10-90

7.2 LSF 与 EWT

LSF(x)
 │
 │            ▲
 │           ╱ ╲
 │          ╱   ╲
 │         ╱     ╲
 │        ╱       ╲
 │       ╱         ╲
 │      ╱           ╲
 │     ╱             ╲
 │    ╱               ╲
 │   ╱                 ╲
 │  ╱                   ╲
 │ ╱                     ╲
 │╱                       ╲
 └──────────────────────────────► x
        │◄──────►│
          EWT ≈ 1 / LSF_max

7.3 不同 EWT 对比

灰度
 │
 │  ┌───────────────┐  ← 锐边缘（EWT 小）
 │  │
 │  │
 │  │
 │  └───────────────
 │
 │      ┌─────────┐     ← 模糊边缘（EWT 大）
 │      │
 │      │
 │      │
 │      └─────────
 └──────────────────────────────► x

---

三、MTF 与 EWT 对照表

项目	MTF	EWT
所属域	频率域	空间域
定义	对比度传递能力	边缘过渡宽度
输入	正弦图案 / PSF / LSF / ESF	ESF
输出	MTF(f) 曲线	宽度值（像素/μm）
反映	分辨率、对比度	锐度、模糊程度
关系	MTF 高频下降快 → EWT 大	EWT 小 → MTF 高频响应好
典型公式	M T F ( f ) = ∣ F { L S F } ∣ MTF(f)=|\mathcal{F}\{LSF\}| MTF(f)=∣F{LSF}∣	$EWT=x_{90\%}-x_{10\%}$
归一化	$MTF(0)=1$	无
单位	无量纲	像素、μm、mm

---

四、完整计算流程总结

MTF 计算流程

PSF(x,y)
   │
   ├── 沿 y 积分 → LSF(x)
   │
   └── 傅里叶变换 → OTF(f)
                        │
                        ▼
                  MTF(f) = |OTF(f)|

ESF(x)
   │
   ├── 求导 → LSF(x)
   │
   └── 傅里叶变换 → MTF(f)

斜边法：
倾斜边缘图像 → ESF → LSF → FFT → MTF

EWT 计算流程

边缘图像
   │
   ▼
提取 ESF
   │
   ▼
确定 I_low, I_high
   │
   ▼
计算阈值灰度 I_10%, I_90%
   │
   ▼
找到对应位置 x_10%, x_90%
   │
   ▼
EWT = x_90% - x_10%

两者关系

空间域                          频率域
ESF ──求导──► LSF ──FFT──► MTF
 │                           ▲
 │                           │
 └── 10%-90% 宽度 ──► EWT ──┘
                    （近似反比）

---

五、补充说明

1. MTF 通常需要归一化：$MTF(0)=1$，表示零频（均匀亮度）完全传递。
2. EWT 受阈值选择影响：10%-90% 与 20%-80% 结果不同，报告时需注明。
3. 斜边法（Slanted Edge） 是 ISO 12233 等标准推荐的 MTF 测量方法，可避免采样对齐误差。
4. EWT 与 MTF 可互相估算：在高斯近似下，$EW{T}_{10-90}\approx 2.56\sigma$，可用于快速评估。
5. 实际系统：MTF 受衍射、像差、采样、噪声、运动模糊等共同影响；EWT 也会受噪声和对比度影响。