2、MTF测试基础：光学传递函数(OTF)与MTF的关系、MTF的数学表达式、MTF的物理意义

2.1 从点光源说起——光学传递函数(OTF)到底是个啥？

咱们做光学测试的，天天跟MTF打交道。但很多人一上来就背公式，忽略了最根本的东西——OTF。

说白了，光学传递函数（OTF）就是描述一个光学系统怎么“传递”信息的函数。你想想看，一个理想镜头，点光源打过去，成像还是一个点。但现实中的镜头呢？点会变成一个弥散斑，而且这个斑的形状、大小、位置，都会影响最终图像的质量。

OTF其实是个复数函数。它包含两部分：

• 模（Modulus）——就是我们常说的MTF，描述对比度的衰减
• 相位（Phase）——叫PTF，描述空间位置的偏移

我记得刚入行那会儿，有个老工程师跟我说：“小子，MTF只是OTF的一半，另一半是相位，丢了相位你永远搞不清像质问题的根源。”当时我不太理解，直到有一次做手机镜头测试，发现MTF曲线看着挺好，但拍出来的照片边缘总有“鬼影”。后来一查，是PTF出了问题——相位非线性导致的空间畸变。

2.2 MTF的数学表达式——别怕，其实就一个模

MTF的数学定义，说白了就是OTF的模值：

MTF(u, v) = |OTF(u, v)|

但实际工程中，我们更常用一维形式。为什么呢？因为大多数测试靶标都是黑白条纹，沿着一个方向测就够了。

一维MTF的表达式：

MTF(f) = |∫ PSF(x) · e^(-j2πfx) dx|

这里 f 是空间频率（单位：lp/mm 或 cy/px），PSF(x) 是线扩散函数。

嗯，这里要注意：PSF（点扩散函数）和LSF（线扩散函数）的关系。我习惯用LSF来算MTF，因为实际测试中，用刀口法测到的就是LSF，比直接测PSF容易得多。

还有一种更直观的表达式，从对比度角度理解：

MTF(f) = (I_max - I_min) / (I_max + I_min)  [在频率f处]

这个公式，说白了就是“输出对比度除以输入对比度”。如果输入是100%对比度的黑白条纹，输出对比度只剩50%，那MTF就是0.5。

2.3 MTF的物理意义——它到底在告诉我们什么？

MTF的物理意义，我用一句话概括：它衡量的是光学系统对细节的“复现能力”。

具体来说，有四个层面的理解：

1. 对比度传递能力：高频条纹的对比度能保留多少？MTF越高，图像越“锐”。
2. 分辨率极限：当MTF降到某个阈值（通常0.1或0.05）时，对应的频率就是极限分辨率。
3. 像差敏感度：不同频率的MTF下降，反映了不同类型的像差。比如低频MTF下降通常跟杂散光有关，高频MTF下降则跟球差、彗差相关。
4. 系统匹配度：镜头MTF和传感器MTF的乘积，才是系统总MTF。我曾经吃过这个亏——选了一款高分辨率镜头，但配了个低像素密度的传感器，结果系统MTF被传感器“拖死”了。

2.4 知识体系框架图

下面这张图，是我自己总结的MTF与OTF关系框架，帮你理清思路：

2.5 实际测试中的MTF解读

讲完理论，咱们聊聊实际。我常用的MTF判读标准：

应用场景	关注频率	MTF合格线	我的经验值
手机镜头	Nyquist频率（通常0.5cy/px）	≥0.3	我一般要求中心≥0.5，边缘≥0.2
安防监控	30~50lp/mm	≥0.4	夜视场景要额外关注低频MTF
工业视觉	根据检测精度定	≥0.2@极限频率	曾经有个项目，0.15的MTF也能用，因为算法补偿了
医疗内窥镜	全频段	≥0.3	这个要求最严，因为不能后期处理

2.6 本章小结

OTF是MTF的“爸爸”，MTF是OTF的“模”。搞清楚了这层关系，你就能理解为什么有时候MTF曲线漂亮，但照片还是有毛病——那八成是PTF在捣鬼。

数学上，MTF就是对比度随空间频率的变化曲线。物理上，它告诉我们镜头能“看清”多细的细节。

做测试这么多年，我最大的体会是：MTF不是万能的，但没有MTF是万万不能的。它就像人的体检报告——指标正常不代表绝对健康，但指标异常一定有问题。

---

公众号:蓝海资料掘金营，微信deep3321