一种基于刃边法的MTF检测方法及系统

技术领域

本发明涉及一种基于刃边法的MTF检测方法及系统，属于光学镜头检测领域。

背景技术

调制传递函数(MTF)是评价镜头成像性能的重要指标，反映了镜头对现实光线的采集能力，刃边法是一种常用的测量镜头MTF的一种方法，该方法采用采集光线通过平直轮廓后相机通过镜头采集的图像，快速获取镜头的MTF。

刃边法计算MTF常规过程如图1所示，刃边法简单快速，对硬件要求条件低，但是同时具有测量不准的情况。MTF计算过程默认采集的图像数据是标准的黑白分明的竖线图，但是实际采集的图像如图4所示，可以看出，图中刃边有大量的毛刺，凹凸，倾斜、黑色/白色区域有颜色波动以及噪点等，这些异常因素极大影响MTF检测的精确度。

实际上对刃边法造成影响较大的硬件原因有以下几条：

1、刃边的边缘不够平；不够平直的轮廓，以及由于加工导致的边缘有毛刺与突起等情况，会导致在计算过程中采集错误的数据，进而产生误差。

2、光线不够均匀；不够均匀的光线会导致计算中采集错误的数据，对MTF产生影响。

3、相机采集图像的噪声；由于相机采集过程中，不可避免的会产生噪声，造成采集的图像在无光情况下也有一定的数据波动，该过程对MTF测量过程会导致通过图像采集的数据产生噪声，对MTF产生影响。

综上，可以看出，刃边法测量MTF过程中的误差主要来源于采集过程中产生的各种噪声，而这些都可以采用算法进行修正。

目前业内采用的方法(ISO12233)通过直线拟合方法解决了刃边不垂直的问题，但是并不能解决刃边有突起、光线均匀度不够、图像有明显噪声等引入的误差，这些误差导致采用刃边法检测MTF的精度受到极大的影响。

发明内容

为了解决上述问题，进一步提升基于刃边法的MTF检测精度，本发明提供了一种基于刃边法的MTF检测方法及系统，所述技术方案如下：

本发明的第一个目的在于提供一种基于刃边法的MTF检测方法，包括：

步骤1：对采集的刃边图像进行逐行滤波，筛选出每行边缘变化最强的n个位置；

步骤2：对所述步骤1得到的n个边缘位置进行连通性检测，选取连通性最好、明暗对比最强的区域作为目标轮廓位置；

步骤3：对所述目标轮廓位置向左、向右进行逐像素检测，采用判别函数对每行成像质量进行检测，选取检测结果中中值以上的位置，记录其所在行标r与每行轮廓位置c，组成轮廓目标点p

步骤4：以所述数组Y的坐标为索引，以p

步骤5：以所述数组Y的坐标为索引，以p

步骤6：利用刃边法，将图形矩阵M

可选的，所述步骤1采用canny边缘检测算法进行滤波。

可选的，所述步骤2中连通性判断方法公式如下：

其中，a为设定的上下计算边缘，(x,y)为对应坐标，i为列号，P(x,y)为(x,y)位置的像素灰度值，C

可选的，所述步骤3中每行成像质量C

其中，b为将一个像素进行亚像素分割数目的倍数，C

可选的，所述步骤4的对整操作为：以轮廓目标点为中心，对每行的像素矩阵进行左右平移，使轮廓位置对齐，对整后，以矩阵左侧最右边，矩阵右侧最左边裁剪，形成新矩阵M

可选的，所述步骤5包括：依次采用边缘扩散函数ESF、线扩散函数LSF对新矩阵M

本发明的第二个目的在于提供一种基于刃边法的MTF检测系统，包括：

滤波模块，对采集的刃边图像进行逐行滤波，筛选出每行边缘变化最强的n个位置；

对比模块，对所述滤波模块得到的n个边缘位置进行连通性检测，选取连通性最好，明暗对比最强的区域作为目标轮廓位置；

提取模块，将所述对比模块得到的目标轮廓位置向左、向右进行逐像素检测，采用判别函数对每行成像质量进行检测，选取检测结果中中值以上的位置，记录其所在行标r与每行轮廓位置c，组成轮廓目标点p

分割模块，以所述数组Y的坐标为索引，以p

转换模块，以所述数组Y的坐标为索引，以p

MTF生成模块，将M

可选的，所述滤波模块滤波算法采用canny边缘检测算法进行过滤，筛选出若干边缘变化点P＝{p

可选的，所述对比模块中，对于滤波模块每个点连通性判断方法公式如下：

其中，a为设定的上下计算边缘，(x,y)为对应坐标，i为列号，P(x,y)为(x,y)位置的像素灰度值，C

可选的，所述提取模块每行成像质量C

b为将一个像素进行亚像素分割数目的倍数，rowcont表示对应行数，其中，C

本发明有益效果是：

该专利主要对刃边法测量MTF过程中产生的一系列误差进行算法上修正，进而提高了刃边法测量MTF的精度，使该方法具有更广阔的使用空间。

通过对采集的刃边图形进行滤波处理、连通性检测、成像质量检测和亚像素分割、对整，再利用刃边法生成MTF图形，解决了刃边法测量镜头MTF时，因刃边有突起、光线均匀度不够、图像有明显噪声等引入的误差，极大地提升了刃边法测量镜头MTF的精度，从而使该方法的应用空间与应用范围大大拓宽。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1是利用刃边法计算MTF的过程图。

图2是本发明的MTF计算方法流程框图。

图3是MTF理想采集照片图。

图4是MTF实际采集照片图。

图5是本发明未对齐前矩阵示意图(e为轮廓边缘)。

图6是本发明对齐后矩阵示意图(e为轮廓边缘)。

图7是本发明某镜头的计算结果图、ISO12233计算出图与镜头理论数据图对比图，其中，圆形标记为ISO12233计算图，菱形标记为理论图，星形标记为计算结果图。

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实施方式作进一步地详细描述。

实施例一：

本实施例提供一种基于刃边法的MTF检测方法，包括：

步骤1：对采集的刃边图像进行逐行滤波，筛选出每行边缘变化最强的n个位置；

步骤2：对步骤1得到的n个边缘位置进行连通性检测，选取连通性最好、明暗对比最强的区域作为目标轮廓位置；

步骤3：对目标轮廓位置向左、向右进行逐像素检测，采用判别函数对每行成像质量进行检测，选取检测结果中中值以上的位置，记录其所在行标r与每行轮廓位置c，组成轮廓目标点p

步骤4：以数组Y的坐标为索引，以p

步骤5：以数组Y的坐标为索引，以p

步骤6：利用刃边法，将图形矩阵M

实施例二：

本实施例提供一种基于刃边法的MTF检测该系统，如图2所示，包括：

滤波模块，对系统进行逐行滤波，筛选出每行边缘变化最强的n个位置。

对比模块，滤波模块得到的n个边缘位置进行连通性检测，当边缘出现高于设定阈值的连通性时，即当前位置即为目标轮廓位置，如果有多个满足条件的结果，则选取连通性最强，明暗对比最强的区域作为目标轮廓位置。

提取模块。将对比模块得到的目标轮廓位置向左、向右进行逐个像素检测，采用判别函数对每行成像质量进行检测，并计算出成像结果数组X，挑选出X中中值以上的位置，记录*其所在行标r与每行轮廓位置，组成轮廓目标点p

分割模块。以Y的坐标为索引，以p

转换模块。以Y的坐标为索引，以p

MTF生成模块。将M

其中，滤波模块中，滤波算法采用canny算法进行过滤，筛选出若干边缘变化点P＝{p

其中，对比模块中，对于滤波模块每个点连通性判断方法公式如下：

a为设定的上下计算边缘。

其中，提取模块每行质量C

b为将一个像素进行亚像素分割数目的若干倍，其中，C

其中，转换模块的对整为，以轮廓目标点为中心，对每行的像素矩阵进行左右平移，使轮廓位置对齐，对齐前如图5所示，对齐后如图6所示，图5与图6中，标记“e”为目标轮廓位置的示意标识，对齐过程即为以示意点的“e”为索引，对图像的每行以“e”所在位置进行调整。

对整后，以矩阵左侧最右边，矩阵右侧最左边裁剪，形成新矩阵M

其中，MTF生成模块主要用于将理想的图形矩阵生成调制传递函数图，即MTF图。该部分包括边缘扩散函数ESF、线扩散函数LSF、对线扩散函数进行汉明窗处理，最后生成MTF图。

为了进一步证明本发明的有益效果，进行了对比实验，分别采用本发明方法、ISO12233方法生成MTF图，分别与镜头理论数据图进行比较，结果如图7所示，可以看出，采用本发明方法生成的MTF图更接近于理论数据，表明本发明相比于现有方法MTF检测的精度更高。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。