Metoda SFR ze skośnymi krawędziami stała się standardem pomiaru rozdzielczości obiektywów i systemów kamer. Działa poprzez skanowanie pięciostopniowej krawędzi w celu obliczenia funkcji rozproszenia linii. Różnicuje się to, aby uzyskać funkcję rozłożenia krawędzi, która z kolei przechodzi przez szybką transformatę Fouriera w celu uzyskania krzywej MTF (przybliżony opis).
EDYCJA - na potrzeby tego pytania zakładamy, że nie ma filtra antyaliasingu, ponieważ jest to limit niezależny od Limitu Nyquista.
Ten artykuł autorstwa Petera Burnsa (pomysłodawcy) lepiej opisuje tę metodę.
Poniższe wykresy przedstawiają przykład pomiaru przeprowadzonego na Nikon D7000
Pomiary wydają się być ograniczone przez granicę Nyquista czujnika w kamerze. Zobacz tę dyskusję. Ponieważ jednak krawędź jest pochylona o pięć stopni, w efekcie jest superpróbkowana podczas skanowania.
Więc moje pytanie: czy to super-próbkowanie pięciostopniowej krawędzi pozwala nam mierzyć rozdzielczość obiektywu poza granicą Nyquista czujnika aparatu?
Pomiary wykonano na tym obrazie testowym dla Nikona D7000 z DPReview.com .
źródło
Odpowiedzi:
Ta odpowiedź stanowi rozwinięcie dyskusji w komentarzach.
Pomysł uśredniania okazuje się słuszny, jak to zręcznie wyjaśnił Douglas Kerr w ładnym małym gazecie online . Podstawowe pomysły to dwa:
„Rozdzielczość” soczewki jest najdokładniej opisana, biorąc pod uwagę matematyczną zależność między światłem opuszczającym obiekt a tym, co dociera do czujnika. Zależność tę, „funkcję transferu modulacji”, można wywnioskować z najprostszego ze wszystkich możliwych celów: idealnie ciemnej półpłaszczyzny na idealnie jasnym jednorodnym tle. Oczywiście obraz na czujniku powinien być obszarem światła nagle kończącym się wzdłuż idealnej linii. Jednak nigdy nie jest idealny, a niedoskonałości wpływają na rozdzielczość. Ostatecznie MTF określa się, patrząc na to, jak zmienia się intensywność światła, gdy poruszamy się prosto od granicy (w obu kierunkach, w ciemność i do światła) przez czujnik.
Jest statystycznym faktem, że średnie mogą być bardziej precyzyjne niż pomiary, z których są one utworzone. W przypadku typowego błędu pomiaru precyzja jest zgodna z odwrotnym pierwiastkiem kwadratowym: aby podwoić precyzję, potrzebujesz cztery razy więcej pomiarów. Zasadniczo można uzyskać tak precyzyjne, jak chcesz, uśredniając wystarczająco niezależnie niezależnie powtarzane pomiary tego samego.
Pomysł ten można wykorzystać (i jest) na dwa sposoby. Jednym z nich jest faktyczne powtórzenie, osiągnięte poprzez wykonanie wielu zdjęć tej samej sceny. To jest czasochłonne. Skośna krawędź analizy MTF tworzy powtórzenie w obrębie jednego obrazu. Robi to, lekko pochylając linię. Nie zmienia to MTF w żaden materialny sposób i gwarantuje, że wzory reakcji obiektywu nie będą idealnie dopasowane do pikseli czujnika.
Wyobraź sobie, że linia jest prawie pionowa. Każdy rząd pikseli służy (prawie) jako niezależny zestaw pomiarów MTF. Rzędy maszerują na zewnątrz, prawie prostopadle. Piksele są rejestrowane w odniesieniu do (idealnej) lokalizacji linii na różne sposoby, wytwarzając nieco inne wzorce odpowiedzi. Uśrednianie tych wzorów w wielu wierszach daje prawie taki sam efekt jak robienie wielu zdjęć linii. Wynik można skorygować tak, aby piksele nie były prostopadłe do linii.
W ten sposób metoda z ukośną krawędzią może wykryć częstotliwości w MTF, które przekraczają częstotliwość graniczną pojedynczego obrazu. Działa ze względu na prostotę i regularność wzorca testowego.
Pominąłem wiele szczegółów, takich jak sprawdzanie, czy linia naprawdę jest prosta (i dostosowywanie pod kątem niewielkich odchyleń od liniowości). Artykuł Kerr jest dostępny - prawie nie ma matematyki - i dobrze zilustrowany, więc sprawdź go, jeśli chcesz dowiedzieć się więcej.
źródło