📚 课程目录第4章 MTF测试系统组成

4. MTF测试系统组成

MTF测试，说白了就是给镜头做“体检”。体检环境要是乱了，结果肯定不准。我见过不少实验室，设备很贵，但测出来的数据就是不稳定。问题出在哪？八成是测试环境没搭好。

这一章，咱们就聊聊怎么搭一个靠谱的MTF测试环境。光源怎么选？照度怎么保证均匀？杂散光怎么干掉？对焦怎么又快又准？这些都是实战中绕不开的坑。

4.1 光源选择：不是越亮越好

很多人觉得，光源嘛，越亮越好。其实不是。MTF测试对光源的要求，核心是光谱稳定和色温准确。

我个人习惯用卤钨灯加滤光片的组合。卤钨灯的光谱连续，接近黑体辐射，配上合适的滤光片，能模拟D65或A光源。LED虽然省电，但光谱有尖峰，对某些波长的MTF测试会有影响。

我的经验： 有一次用LED光源测一款红外镜头，MTF值总是偏低。折腾了两天，换回卤钨灯，数据一下就正常了。LED的光谱在近红外区有缺口，刚好落在镜头的设计波段上。

光源选型时，重点关注三个参数：

参数	要求	说明
色温	3200K ± 100K（A光源） 6500K ± 200K（D65）	色温偏差会影响MTF的绝对值
光谱范围	覆盖被测镜头的工作波段	可见光镜头用400-700nm，红外镜头要延伸到近红外
稳定性	30分钟内波动 < 1%	光源预热至少15分钟再开始测试

4.2 照度均匀性控制：边缘不能比中心暗

照度不均匀，MTF曲线会“假摔”。尤其是视场边缘的MTF，本来就不高，再被暗角一影响，数据直接没法看。

我建议用积分球来保证均匀性。积分球内部涂了高反射材料，光线在里面反复散射，出来的光非常均匀。没有积分球的话，也可以用多灯头阵列加扩散板，但效果差一些。

  照度均匀性验收标准：

  测试面上任意两点照度差 ≤ 5%

  中心与边缘照度比 ≥ 95%

怎么测均匀性？拿一个照度计，在测试面上画个九宫格，每个格子测一次。我一般测9个点，取最大值和最小值，算一下偏差。

# 照度均匀性计算示例
# 9点照度值（单位：lux）
illuminance = [1002, 998, 1005, 995, 1000, 1003, 997, 1001, 999]

max_val = max(illuminance)  # 1005
min_val = min(illuminance)  # 995
uniformity = (1 - (max_val - min_val) / (max_val + min_val)) * 100
# 结果：uniformity ≈ 99.5%

均匀性做到99%以上，基本就稳了。低于95%的话，建议重新调整光源位置或更换扩散板。

4.3 杂散光抑制：看不见的干扰最致命

杂散光，就是不该进入镜头的光。它会让MTF曲线整体抬升，尤其是低频部分，看起来好像镜头很锐，其实是假象。

我曾经吃过这个亏。有一款手机镜头，测出来MTF50高达0.7，客户看了很满意。结果量产时发现实际成像很肉。后来排查，是测试环境里的杂散光在作怪。

杂散光抑制，我总结了三个要点：

遮光罩：镜头和光源之间加一个黑色遮光罩，挡住侧面来的光。
黑色吸光布：测试台周围铺上黑色植绒布，吸收反射光。
光阑：在光源出光口加一个光阑，只让有效光线通过。

注意： 不要用普通黑纸或黑漆，它们会反射红外光。要用专业的黑色植绒材料或消光漆，反射率低于1%。

怎么判断杂散光有没有被抑制住？一个简单的方法：暗场测试。把光源关掉，看图像传感器的输出。如果还有明显的信号，说明有杂散光漏进来了。

4.4 对焦策略：找到那个“甜蜜点”

MTF测试，对焦不准，数据全白费。对焦的目标是找到镜头的最佳焦面，也就是MTF值最高的那个位置。

我常用的对焦策略有两种：

策略	适用场景	优点	缺点
自动对焦	量产线、快速测试	速度快，重复性好	需要标定，对算法有要求
手动对焦+MTF峰值搜索	研发阶段、高精度测试	精度高，可追溯	速度慢，依赖操作员经验

手动对焦时，我习惯用MTF峰值搜索法。具体步骤：

把镜头放在一个粗调位置，测一次MTF。
沿光轴方向微调镜头位置，每次移动0.01mm，再测一次。
记录MTF值随位置的变化，找到峰值点。
在峰值点附近再细调，步长缩小到0.002mm，确认最佳焦面。

小技巧： 对焦时，优先关注中心视场的MTF。中心对好了，再调边缘。边缘MTF对焦面位置更敏感，可以作为辅助判断。

自动对焦的话，算法上常用对比度检测或相位检测。我个人更推荐对比度检测，因为它直接反映MTF的变化趋势，算法实现也简单。

# 对比度检测对焦算法伪代码
def auto_focus(image_sequence):
    best_focus = 0
    best_position = 0
    for position, image in image_sequence:
        # 计算图像对比度（拉普拉斯方差）
        laplacian = cv2.Laplacian(image, cv2.CV_64F)
        contrast = laplacian.var()
        if contrast > best_focus:
            best_focus = contrast
            best_position = position
    return best_position

嗯，这里要注意：自动对焦的步长不能太大，否则容易跳过峰值。我一般设步长为焦深的1/10。焦深怎么算？跟光圈F数和像素大小有关，后面章节会细讲。

4.5 本章知识结构图

下面这张图，把MTF测试环境搭建的四个核心模块串起来了。你可以把它贴在实验室墙上，每次搭建时对照检查。

这张图把四个模块的关系理清楚了。从光源出发，经过均匀性控制、杂散光抑制，最后到对焦策略，每一步都影响最终结果。你搭建环境时，按这个顺序检查，基本不会漏项。