2. MTF测试原理：点扩散函数(PSF)与线扩散函数(LSF)的傅里叶变换推导
好，咱们进入正题。MTF到底是怎么算出来的？
很多人一上来就背公式，结果越学越糊涂。我个人习惯是，先搞清楚物理图像，再去看数学推导。说白了，MTF就是描述镜头“传递”细节的能力。那这个能力怎么量化？得从点扩散函数说起。
2.1 点扩散函数（PSF）——镜头的“指纹”
想象一下，你拿一个理想点光源（比如一颗遥远的恒星），通过镜头成像。理论上，完美的镜头应该把这个点成像为一个完美的点。但现实中没有完美的镜头，对吧？
实际成像会变成一个弥散斑，光能量在像平面上散开了。这个弥散斑的强度分布，就是点扩散函数（PSF）。
核心理解：PSF就是镜头对一个理想点光源的响应。它反映了镜头把光“摊开”的程度。PSF越集中，镜头越好；PSF越散开，镜头越差。
我在项目中遇到过一件事：有一次测试一款手机镜头，MTF曲线看着还行，但实拍总觉得画面“肉”。后来我单独看了PSF的二维分布图，发现它不是一个对称的圆斑，而是带点“彗星尾巴”的形状。嗯，这就是彗差。只看MTF曲线有时候会漏掉这些细节。
PSF的数学表达很简单：
PSF(x, y) = |h(x, y)|²其中h(x,y)是相干传递函数，但在非相干照明下（我们日常拍照基本都是非相干），PSF就是光强分布。
2.2 线扩散函数（LSF）——一维的“切片”
PSF是二维的，处理起来有点麻烦。实际工程中，我们经常用线扩散函数（LSF）。
怎么理解？你拿一个理想线光源（比如一条极细的亮线），通过镜头成像。像平面上光强沿着垂直于线方向的一维分布，就是LSF。
说白了，LSF就是PSF在某个方向上的积分投影。数学上：
LSF(x) = ∫ PSF(x, y) dy或者对另一个方向：
LSF(y) = ∫ PSF(x, y) dx我的经验：实际测试中，我们很少直接测PSF，因为制造一个理想的点光源很难。但制造一条亮线（比如用狭缝）就容易多了。所以工业界普遍用LSF来推算MTF。你想想看，这多聪明——用一维测量代替二维测量，效率翻倍。
2.3 从PSF到MTF——傅里叶变换登场
好了，现在我们有PSF了。怎么得到MTF？
答案就是傅里叶变换。光学系统本质上是一个线性系统，PSF就是这个系统的“脉冲响应”。而MTF，就是这个系统的“频率响应”。
公式很简单：
OTF(fx, fy) = ℱ{PSF(x, y)}其中OTF是光学传递函数，是一个复数。MTF就是OTF的模：
MTF(fx, fy) = |OTF(fx, fy)|为什么会这样？因为傅里叶变换能把空间域的分布，转换到频率域。PSF描述的是光在空间上的扩散，而MTF描述的是镜头对不同空间频率（也就是细节粗细）的传递能力。
对于LSF，推导更直接：
MTF(f) = |ℱ{LSF(x)}|注意，这里是一维傅里叶变换。因为LSF已经是一维的了，所以变换后得到的就是对应方向上的MTF曲线。
曾经踩过的坑：有一次我直接用LSF做傅里叶变换，结果MTF曲线高频段出现了负值。查了半天才发现，LSF数据没有做归一化处理。记住，LSF必须先归一化（总面积=1），再做傅里叶变换，否则结果会出错。
2.4 核心推导流程
我把整个推导逻辑整理成了一张图，这样更直观：
这张图展示了两种路径：
- 上路径（工业常用）：PSF → 积分投影 → LSF → 一维傅里叶变换 → MTF。效率高，适合批量测试。
- 下路径（理论完整）：PSF → 二维傅里叶变换 → OTF → 取模 → MTF。信息完整，但计算量大。
2.5 关键公式汇总
| 名称 | 公式 | 说明 |
|---|---|---|
| 点扩散函数 | PSF(x, y) = |h(x, y)|² | 非相干照明下的光强分布 |
| 线扩散函数 | LSF(x) = ∫ PSF(x, y) dy | PSF在y方向的积分投影 |
| 光学传递函数 | OTF(fx, fy) = ℱ{PSF(x, y)} | 二维傅里叶变换，复数 |
| 调制传递函数 | MTF(fx, fy) = |OTF(fx, fy)| | OTF的模，0~1之间的实数 |
| LSF→MTF | MTF(f) = |ℱ{LSF(x)}| | 一维傅里叶变换，工程常用 |
2.6 实际测试中的注意事项
推导归推导，实际干活时有些坑得避开：
- 采样要足够：LSF的采样间隔决定了MTF能测到的最高频率。根据奈奎斯特定理，采样频率至少是目标频率的2倍。我一般留3~5倍余量。
- 边缘要处理好：做傅里叶变换时，LSF数据两端如果突然截断，会产生高频伪影。建议加窗函数（比如汉宁窗）来抑制。
- 别忘了归一化：LSF的总面积必须归一化到1，否则MTF的零频值不是1，后续对比会出问题。
- 方向性：MTF是有方向性的。同一个镜头，径向和切向的MTF可能差很多。测试时一定要标明方向。
一个小技巧：如果你用LSF法测MTF，建议同时测水平和垂直两个方向。如果两个方向的MTF曲线差异很大，说明镜头可能有像散。我曾经用这个方法快速排查过一批镜头，省了不少时间。
好了，PSF和LSF的傅里叶变换推导就讲到这里。记住，数学公式是工具，物理图像才是灵魂。下次你看到MTF曲线时，脑子里应该浮现出那个弥散斑——PSF越集中，MTF曲线掉得越慢，镜头越锐利。
公众号:蓝海资料掘金营，微信deep3321