2. MTF数学原理：光学传递函数(OTF)与MTF的关系、傅里叶变换在MTF中的应用、调制与对比度
好，我们直接进入正题。上一章聊了MTF是什么，这一章我们得把它的「骨架」搭起来——也就是数学原理。别一听到数学就头疼，我尽量用大白话讲清楚。
说白了，MTF不是凭空冒出来的。它背后站着两个大佬：一个是光学传递函数（OTF），另一个是傅里叶变换。不理解这俩，你对MTF的理解就永远停留在「看曲线」的层面。
2.1 从对比度说起：调制的定义
先问个问题：什么叫「看得清楚」？
你可能会说「细节能分辨」。没错，但用数学怎么描述？答案是对比度。
我习惯用一个简单的公式来定义调制深度（Modulation），也就是对比度：
M = (Imax - Imin) / (Imax + Imin)其中：
- Imax：亮条纹的最大光强
- Imin：暗条纹的最小光强
举个例子。一个完美的黑白条纹靶标，Imax=100, Imin=0，那么M=1，也就是100%对比度。如果镜头很差，把黑白条纹糊成一片灰，Imax=60, Imin=40，那M=0.2，对比度只剩20%。
2.2 光学传递函数（OTF）：MTF的完整形态
MTF其实只是OTF的幅值部分。OTF是一个复数函数，它包含两个信息：
- 幅值（MTF）：描述对比度的衰减
- 相位（PTF）：描述空间相位的偏移
用公式表示就是：
OTF(f) = MTF(f) · e^(i·PTF(f))其中f是空间频率（单位：lp/mm）。
你可能会问：那PTF有什么用？
嗯，这里要注意。PTF描述的是像点的位置偏移。如果PTF是线性的，那只是整体平移，不影响成像。但如果PTF是非线性的，就会导致像差，比如彗差、畸变。
| 参数 | 物理含义 | 对成像的影响 |
|---|---|---|
| MTF（调制传递函数） | 对比度随空间频率的衰减 | 决定清晰度、细节分辨能力 |
| PTF（相位传递函数） | 相位随空间频率的偏移 | 决定像点位置、畸变、彗差 |
2.3 傅里叶变换：连接空间域与频率域的桥梁
为什么傅里叶变换会出现在这里？
你想想看，一个镜头成像，本质上是把物体上的光强分布（空间域）转换到像面上的光强分布。而这个转换过程，在频率域里描述起来特别方便。
具体来说：
- 点扩散函数（PSF）：描述一个点光源经过镜头后的扩散情况（空间域）
- 光学传递函数（OTF）：PSF的傅里叶变换（频率域）
公式很简单：
OTF(fx, fy) = ℱ{ PSF(x, y) }其中ℱ表示二维傅里叶变换。
换句话说：你只要知道镜头的PSF，就能通过傅里叶变换算出它的OTF，再取幅值就是MTF。
我刚开始做光学设计时，总觉得傅里叶变换是纯理论的东西。直到有一次，我需要分析一个镜头的低频响应——直接测MTF太麻烦，我就用PSF做傅里叶变换，几分钟就得到了全频段的MTF曲线。嗯，从那以后我再也不敢小看傅里叶变换了。
- 空间域：物体 → 镜头 → 像（PSF卷积）
- 频率域：物体频谱 × OTF = 像频谱
- MTF = |OTF| = 对比度传递效率
2.4 知识体系结构图
下面这张图把本章的核心逻辑串起来了。你可以把它当作一个「思维导图」来用。
2.5 调制与对比度的实战意义
最后，我们回到最实际的问题：调制和对比度，在工程上到底怎么用？
我个人的习惯是，拿到一个镜头的MTF曲线，先看三个关键点：
- 低频（0-10 lp/mm）：决定整体对比度，也就是「通透感」
- 中频（10-30 lp/mm）：决定主体细节，比如人脸纹理
- 高频（30+ lp/mm）：决定极限分辨率，比如头发丝
举个例子。有一次我测试一款安防镜头，低频MTF高达0.9，但高频掉到0.1以下。客户说「画面看起来很亮，但远处车牌看不清」。这就是典型的低频好、高频差——对比度够，但分辨率不够。