工业视觉中如何定量分析镜头光学性能

简介: 工业视觉中如何定量分析镜头光学性能

工业视觉中如何定量分析镜头光学性能


1、MTF的理解


如果不知道MTF可以点击看下 MTF (调制传递函数)


光学传递函数(OTF)包括调制传递函数(MTF)和相位传递函数(PTF)两部分,其中MTF代表物像频谱对比度之比,表明各种频率传递情况,PTF代表目标物经过光学系统成像后相位的变化。


对于镜头成像质量影响最大的是镜头的分辨率和对比度,两者是鱼和熊掌的关系,提高其一必将降低其二。分辨率和对比度又是一个不可分割的整体,对于一系列的黑白条纹,真正能够分辨开他们的是对比度。假如将黑线变亮而白线变暗,最终将不能再分清线条的存在。换句话说,如果在一张白纸上画一根白线的话,是根本无法分辨的。因为没有任何的分辨率可言。因此,去除了对比度而单独讨论分辨率是没有意义的。


MTF解释了镜头的分辨率和对比度之间复杂的关系,它直接、定量、客观地表述了光学系统的成像质量,是目前公认的分析镜头解像能力比较科学的方法。如图1所示,为典型镜头的MTF曲线,一个理想的镜头能够将通过它的光线100%的传递过去,但是,理想的镜头是不存在的,对于实际镜头,损耗永远是存在的。当从对比度的角度来衡量这种损耗时,它被称为对比度调制度,当测得不同空间频率上的调制度后(比如0-100lp/mm),便得到了镜头的MTF曲线。


20210510152016121.png


MTF曲线在低空间频率处(如5或10lp/mm)的读数代表了该镜头的对比度传递性能;在较高(如40lp/mm)或更高空间频率处的读数代表了镜头的锐度性能,即分辨能力。


2、MTF测量原理


目前像质评价的方法有很多,主要的有星点检验、分辨率测量、阴影法、光学传递函数测量等等。MTF测量法作为评定光学系统成像质量的一种方法,不像目视星点检测和分辨率测量法,测量结果很大程度上取决于观察者的分辨差异,MTF测量法能给出定量的判断;而且,在相同的测试条件下,镜头的MTF可以与设计的MTF或其他仪器测量得到的MTF进行对比,故应用广泛。


3、光学传递函数的基本理论


MTF的测量是基于传递函数的定义,因此,首先我们先来回顾一下光学传递函数的基本含义。

用一个与位置有关的函数h(x,y)来表示脉冲响应的光强分布,用“*”表示成像过程的卷积操作,则一个理想输入f(x,y)经过光学系统成像后在像面的强度分布g(x,y)可以表示成:


20210510152148998.png


对上式两端分别进行二维傅里叶变换,将空域中的信息转换为频域信息,有


20210510152242288.png


上式中G(Fx,Fy),F(Fx,Fy),和H Fx,fy分别是g(x,y),f(x,y),h(x,y)的傅里叶变换。FxYy是频域中沿两个坐标方向的空间频率。函数H Fx,fy就是光学传递函数(OTF),反映了光学系统对各个频率的传递量。


OTF是一个包括实数和虚数两部分的复变函数,可以写成:


20210510152716193.png


其中,实数部分H(Fx,Fy)即为调制传递函数MTF,而指数部分为相位传递函数。以上关系,可以用图3简化表示:


20210510153054269.png


4、点光源


点扩展函数PSF、线扩展函数LSP、边缘扩展函数ESP是与MTF密切相关的几个重要概念,分别对应测试系统采用点光源、狭缝光源、刃边光源,常用的MTF测试方法也是基于这几个函数之间的关系进行计算。


当测试光源为点光源时,一个理想的点光源可以看成在x和y方向上无限小的物体,其能量分布用二维脉冲函数δ(x,y)表示,理想点光源经过光学系统后,由于衍射的限制,所成的像不再是一个理想的点,而是一个弥散斑,称之为星点像。星点像的光强分布即是光学系统的脉冲响应,也就是点扩散函数PSF(x,y),如图3所示。根据上述光学传递函数的基本理论,点扩散函数PSF的傅里叶变换即为光学传递函数OTF,即


2021051015312293.png


5、狭缝光源


PSF是表征成像系统最有用的特征,也是获取MTF的一种方法,而且一次测试可以同时得到子午和弧矢两个方向的MTF。但在实际应用中,由于点光源提供的能量较弱,而且得到理想的点光源比较困难,进行二维光学传递函数计算较为繁琐,所以很少应用。


常用的方法是利用狭缝像替代星点像,从而获得线扩散函数及其一维方向上的光学传递函数。如图4所示,狭缝光源可以看成是多个不相干的点光源沿y方向排列而成,狭缝光源可以看成y方向为常量,以x为变量的delta函数,可以表示为:


20210510153203148.png


与点光源类似,狭缝光源通过光学系统成像后,亮度是往两侧散开的,其散开情况取决于成像系统的点扩散情况,线光源上的每个点在像平面产生一个PSF,这些线排列的PSF在单一方向叠加形成了线扩展函数LSF(x),即狭缝像的光强分布。


20210510153322321.png


根据系统的线性叠加原理,y为常量的卷积等价于沿x方向的积分,因此,


20210510153337138.png


由傅里叶变换的卷积定理可以得到一维光学传递函数


20210510153351578.png


6、刃边光源


如果在某些条件下狭缝提供的能量还是不够,那么就需要用到刃边作为光源体,其经过光学系统的二维像光强分布就是边缘扩散函数ESF,可以理解成刃边光源上每条透光带在像的位置产生一个LSF,所有经过唯一的LSF在水平方向互相交叠,累积形成ESF。要从ESF获得MTF,必先对ESF求导得到LSF,


20210510153444111.png


然后由LSF经过傅里叶变换得到MTF。可以将PSF、LSF、ESF和MTF四者之间的关系用下图概括。


20210510153514241.png


7、MTF测量仪光路

下图为典型的MTF测试系统,主要包括光源、基于离轴抛物面反射镜设计的平行光管、目标物(点、狭缝、刃边)、被测系统、大数值孔径的平场复消色差显微镜、CCD及图像处理系统、运动导轨及控制系统等。


20210510153540655.png


以点光源为例,点源目标经过被测透镜后形成艾里斑,由于点光源成像后的图像非常小,如果采用CCD直接采集点光源的成像,不利于图像的分析处理,会降低系统的测试精度。因此,在CCD采集图像之前,利用大数值孔径平场复消色差显微物镜将光斑放大汇聚在CCD上。通过图像采集卡将图像传至计算机,形成数字图像。图像处理系统读取图像沿艾里斑直径方向上像素点的灰度值,可以将每行像素点的灰度值数据作为所测得的光通量,用得到的光强分布结果求解光学传递函数。


8、MTF测量仪产品


联合光科可为您提供德国TRIOPTICS GmbH公司设计的Image Master®系列光学传递函数测量仪可测量绝大多数光学元件、光学镜头和光学系统中所提到的参数。以Image Master®HR MTF测量仪为例,Image Master®HR是Image Master®光学传递函数测量仪系列产品中的高端产品。


20210510153627404.png


Image Master® HRMTF测量仪主要结构如图6所示,采用立式结构设计,整体结构紧凑一体化,维护保养方便,特别适于手机镜头、数码相机镜头、车载镜头、CCTV镜头等小口径透镜或镜头小批量、高精度的研发和量产应用。可测量光学参数包括镜头的有效焦距EFL,轴上光学传递函数MTF,轴外光学传递函数MTF,离焦光学传递函数MTF,相位传递函数PTF,畸变,色差,像散,视场角,相对透过率,线扩散函数LSF,主光束角度,相对照度和场曲等。


ImageMaster® HR MTF测量仪主要参数如下:


20210510153656139.png



根据用户在不同场景的需求,可选配不同的测量模块,也可分为研发型,紧凑型,红外光学测量仪,高精度温控型,工业型,多视场型,VR镜头光学参数测量仪。


相关文章
|
6月前
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
光学雨量计:高精度测量降水量的理想解决方案
|
存储 内存技术
【核磁共振成像】临床基本通用脉冲序列(二)
【核磁共振成像】临床基本通用脉冲序列
|
编解码 前端开发
【核磁共振成像】临床基本通用脉冲序列(一)
【核磁共振成像】临床基本通用脉冲序列
|
1月前
|
编解码 监控 算法
高动态范围成像:超越人眼的视觉体验
【10月更文挑战第15天】高动态范围成像(HDR)通过捕捉更广泛的亮度范围,超越传统图像和人眼的极限,提供卓越的视觉体验。本文深入解析HDR的基本原理、技术特点及其在摄影、电影、游戏、医学影像和工业检测等领域的广泛应用,展现其引领视觉技术革命的独特魅力。
|
1月前
|
机器学习/深度学习 数据挖掘 数据处理
深度学习之卫星图像中的环境监测
基于深度学习的卫星图像环境监测是指通过使用深度学习模型处理和分析来自卫星的遥感数据,以实现对地球环境的自动化监测和分析。这项技术极大提升了环境监测的效率、精度和规模,应用于气候变化研究、生态保护、自然灾害监测、城市扩张评估等多个领域。
79 0
|
6月前
|
传感器 编解码 算法
光学遥感卫星分辨率的奥秘 !!
光学遥感卫星分辨率的奥秘 !!
114 1
|
存储 自动驾驶 安全
基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制(Matlab代码实现)
基于轨迹优化的自动驾驶汽车跟随自行车模型动力学控制(Matlab代码实现)
111 0
|
6月前
|
机器学习/深度学习 自动驾驶 算法
Q-YOLOP来啦 | 一个具有量化感知全景驾驶感知模型
Q-YOLOP来啦 | 一个具有量化感知全景驾驶感知模型
104 0
|
6月前
|
机器学习/深度学习 算法 决策智能
微美全息开发RPSSC技术在高光谱图像分类领域取得重要突破
随着高光谱遥感技术的发展,对于高光谱图像的更加精准的处理需求逐渐增加。在农业、环境监测、资源管理等领域,对高光谱图像进行准确分类是实现智能决策和资源优化利用的基础。
|
6月前
|
机器人
[贴装专题] 基于多目视觉的手眼标定
[贴装专题] 基于多目视觉的手眼标定
69 0