python用opencv实现SFR测试生成MTF曲线图

SFR（Spatial Frequency Response）是衡量图像清晰度的一种方法，MTF（Modulation Transfer Function）是SFR的频域表示。通过SFR测试可以得到图像在不同空间频率下的分辨率，进而生成MTF曲线图。

下面是使用Python和OpenCV实现SFR测试并生成MTF曲线图的简单步骤：

1.拍摄测试图像

使用相机拍摄一张测试图像，需要注意以下几点：

- 选择一个高对比度的测试图案，例如棋盘格或分辨率测试板。
- 使用适当的照明条件，保证图像亮度均匀。
- 将相机固定在一个位置，保证测试图像的稳定性。

2.计算SFR曲线

计算SFR曲线可以借助OpenCV的函数实现。下面是一个简单的计算SFR曲线的代码示例：

import cv2
import numpy as np

# 读取测试图像
img = cv2.imread('test_image.jpg', cv2.IMREAD_GRAYSCALE)

# 计算图像梯度
dx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
dy = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
grad = cv2.magnitude(dx, dy)

# 计算SFR曲线
sfr = []
for f in range(0, 30, 1):
    freq = f / 10.0
    kernel = np.sin(np.pi * freq * np.arange(-5, 6)) / (np.pi * freq * np.arange(-5, 6))
    kernel[5] = 1 - 2 * freq
    row = np.convolve(grad[grad.shape[0]//2, :], kernel, mode='same')
    col = np.convolve(grad[:, grad.shape[1]//2], kernel, mode='same')
    sfr.append(max(row.max(), col.max()))

# 绘制SFR曲线
import matplotlib.pyplot as plt
plt.plot(sfr)
plt.show()

3.计算MTF曲线

MTF曲线是SFR曲线的频域表示，可以使用快速傅里叶变换（FFT）实现。下面是一个简单的计算MTF曲线的代码示例：

# 计算MTF曲线
mtf = np.abs(np.fft.fft(sfr))
freqs = np.fft.fftfreq(len(sfr), d=0.1)

# 绘制MTF曲线
plt.plot(freqs[:len(freqs)//2], mtf[:len(mtf)//2])
plt.show()

通过以上步骤，我们就可以得到测试图像的MTF曲线图了。需要注意的是，MTF曲线的横轴是空间频率，纵轴是相对幅度，因此需要对MTF曲线进行归一化处理。