如何在给定调制传递函数的情况下对理想传感器的输出进行计算建模?

How to computationally model the output of an idealized sensor given its Modulation Transfer Function?

假设我有一个分辨率为 N 乘以 M 的光学传感器,我想在给定另一个图像的情况下对这种传感器的输出建模,该图像的分辨率比我的传感器的分辨率大一些。我想,假设一个理想化的镜头场景,如果我们知道传感器的 Modulation Transfer Function (MTF),就可以模拟这种传感器的输出。在给定假设输入图像和传感器分辨率的情况下,使用此类函数实际模拟传感器输出的过程是什么?这是否有意义/是否可能?

我需要事先计算图像的空间频率吗?如果是这样,我不明白那是什么意思 logically/physically。我会只是计算每个像素或其他东西之间的对比度吗?我什至无法理解如何使用 MTF 执行从输入到输出的转换,因为输入需要来自世界的空间信息。

我现在了解如何在给定调制传递函数的情况下对理想传感器的输出进行计算建模。

调制传递函数是可辨别的对比度的量度,或者是距传感器一定距离的可辨空间频率的函数。 MTF处于频域,不包含复相位分量(即Optical Transfer function). MTF = the Forward Fourier Transform of the Point Spread Function. A point spread function is modeled computationally as a 2D blur kernel, so our goal here is to transfer the MTF into a PSF (aka a blur kernel, measure of how light spreads from a source in an image, something that works like a Gaussian kernel)。

为此,需要对 MTF 进行傅立叶逆变换,这将为您提供所需的 PSF,并且您可以在两个方向上使用它(将垂直和水平内核应用于一个图像). MTF 可以在函数或 cycles/magnitude 数组中给出,如果给定一个函数,您需要将其转换为 cycles/magnitude 数组,选择您想要找到空间频率幅度的周期并插入值给MTF。这个 cycle/magnitude 对数组然后可以由 IFFT 进行操作,这将产生一个您可以在计算上使用的 PSF。

此外,可以将输入图像转移到频域以直接应用 MTF,但如果需要进行任何其他空间计算,则需要将其转换回来。