python实现MTF指标衡量图像代码

计算MTF指标需要对图像进行傅里叶变换，下面是使用Python计算MTF指标的示例代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图像并转换为灰度图像
img = cv2.imread('image.png', cv2.IMREAD_GRAYSCALE)

# 进行傅里叶变换
f = np.fft.fft2(img)
fshift = np.fft.fftshift(f)

# 计算图像的幅度谱和相位谱
magnitude_spectrum = 20 * np.log(np.abs(fshift))
phase_spectrum = np.angle(fshift)

# 计算MTF曲线
rows, cols = img.shape
crow, ccol = rows // 2, cols // 2

# 按照距离计算点的位置
x = np.linspace(-cols / 2, cols / 2 - 1, cols)
y = np.linspace(-rows / 2, rows / 2 - 1, rows)
X, Y = np.meshgrid(x, y)
D = np.sqrt(X**2 + Y**2)

# 计算径向平均值
bin_width = 5
bins = np.arange(0, int(np.ceil(np.max(D))) + bin_width, bin_width)
digitized = np.digitize(D.flat, bins)
mtf = []
for i in range(1, len(bins)):
    indices = np.where(digitized == i)
    if len(indices[0]) > 0:
        mtf.append(np.mean(magnitude_spectrum.flat[indices]))
    else:
        mtf.append(0)

# 绘制MTF曲线
mtf = np.array(mtf) / np.max(mtf)
plt.plot(bins[:-1], mtf)
plt.xlabel('Spatial Frequency (cy/mm)')
plt.ylabel('Contrast')
plt.title('MTF')
plt.show()

其中，`np.fft.fft2()`函数用于进行二维傅里叶变换，`np.fft.fftshift()`函数用于将频域原点移动到频谱的中心。计算MTF曲线需要先计算图像的幅度谱，然后按照距离计算点的位置，计算每个距离区间内的幅度谱的平均值，最后将所有平均值归一化并绘制MTF曲线。