在平常的图像质量测量中，我们常常会由于错误的测量，而将不良图像误解为好的图像质量。那么有哪些图像质量测量会容易引起错误的解读呢？我们又该如何获得有效的测量方法呢？

关于清晰度（Sharpness）

清晰度：由调制传递函数（MTF）曲线测量。

调制传递函数(MTF)是图像清晰度的一个关键参数，通常表示为空间频率的函数，它可以有几个单位：

• Cycles per Pixel（Cy/Pxl）
• Cycles per mm（Cy/mm）
• Line Widths per Height（LW/PH）

MTF 性能通常由以下测量参数之一表示：

• MTF50，MTF降到50%时对应的低频空间频率值
• MTF50P，MTF在其峰值降低至50%对应的空间频率
• MTF面积归一化(MTF Area Normalized)，MTF曲线下的面积(低于奈奎斯特频率，fNyq=0.5C/P)归一化为峰值1.

有时使用MTF50以外的值。如MTF10对应消失分辨率（根据Rayleigh准则-可以区分两个点的间隔，举个例子：MTF10=0.25C/P时为4像素)，但不建议使用MTF10，因为dMTF(f)/df远低于50%的水平，使其对噪声高度敏感。

我们经常用MTF50（MTF降低50%的空间频率）来评价清晰度。但由于MTF50对过度锐化非常敏感，以至于高度锐化的图像（强烈的锐化，导致边缘出现明显的‘halos’现象）会得到较高的MTF50测量值。

基于斜边和星图测试MTF产生的锐化影响

设备：高质量的2400万像素的相机

采集图像：调节ISO 200 采集斜边和星图

图像：DCRAW将RAW转换为TIFF（设置为sRGB色彩空间，没有锐化或降噪）

我们对图①的图片应用了一系列反锐化掩模算法的参数(半径R=1和2；范围：A=0-4)。

USM（Unsharp Masking）反锐化掩模是通过图像本身中减去高斯模糊的图像副本实现的，虽然在MATLAB文档(1) 中并没有明确说明USM方程，但可能具有以下形式：

△ USM与标准锐化类似，后者会减去图像在空间偏移的副本，并且广泛应用于常规的相机中。使用R≌2锐化在相机中很常见。图②就是一个例子，它由适度的锐化（R=2，a=1）

清晰度(Sharpness) 研究的结果显示了测量参数对锐化量A和半径R的响应，如图③ 和图④

这些图中要注意的关键是：增加锐化量A可以改善所有三个测量参数；从图⑤中可以看出，当R=1的A≌1.5和R=2的A≌0.5时，出现了过度锐化。

MTF50在锐化后继续增加，但MTF50P和MTF面积归一化保持相对恒定，仅略有增加。这意味着MTF50P和MTF Area Normalized是展现基本成像系统性能更好的参数，而MTF50是更容易受软件算法影响的参数。由于过度的调节锐化造成MTF50数据偏高，所以我们推荐MTF50P

图② 和图⑤说明了两种不同类型的锐化：空间域（图⑤ 曲线1和2）和频率域（图⑤，曲线3-6)。两者高度相关。对于拥有渐变像素级的斜边（即有黑白过渡的斜边）来说：

空间域锐化=(Pmax-Pasymp)/Pasymp （2）

频率域锐化=MTF(max)-MTF(0)/MTF (0) （3）

锐化对于系统性能是必不可少的，因此与MTF50P一起报告。

我们对噪声在MTF50P和MTF区域的影响进行了研究，结果表明：这两者对噪声的敏感度影响都不及MTF50大，即尽管这些指标的随机变随噪声而增加，但没有系统的变化。

关于MTF测量小建议

由于MTF50对锐化非常敏感，当过度应用时会降低可见图像的质量，因此对于图像系统性能来说，它不是一个很好的参数指标，我们应避免单独使用MTF50，尤其是对于做过图像处理相机来说。对于过度锐化的图像，这可能极具误导性，建议使用MTF50P（过度锐化的情况下它更稳定。）

对于处理后的图像，每当报告清晰度参数时，都应包括空间或频域中的锐化测量；单个参数是不足以来描述图像的清晰度。（未锐化或稍微锐化的图像，MTF50P和MTF50的数据应该很接近）