3. 图像质量基础：分辨率与MTF、信噪比与动态范围、色彩还原与白平衡、噪点与纹理
图像质量评测，说白了就是给摄像头“体检”。你得知道它看得清多远、暗处有没有细节、颜色准不准、画面干不干净。这章我们就把四个最核心的指标掰开揉碎讲清楚。
- 分辨率与MTF：衡量“看得清”的能力，MTF是客观量化工具
- 信噪比与动态范围：决定暗部细节和亮部不过曝
- 色彩还原与白平衡：让红色是红色，白色是白色
- 噪点与纹理：在“干净”和“真实”之间找平衡
3.1 分辨率与MTF：不只是数像素
很多人一上来就问：“这摄像头多少像素？”像素当然重要，但它只决定能拍多大，不决定能拍多清楚。我见过不少1600万像素的模组，拍出来还不如别人800万的清晰——问题就出在MTF上。
MTF（Modulation Transfer Function，调制传递函数），是衡量镜头+传感器组合对细节还原能力的核心指标。它描述的是：从黑到白的边缘，系统能保留多少对比度。
举个例子。你拍一张黑白条纹的测试卡。理想情况下，黑白边界应该锐利分明。但实际成像后，边界会变模糊，黑色没那么黑，白色没那么白。MTF就是量化这个“模糊程度”的。
| 空间频率 | 物理含义 | 典型MTF值（安霸平台） |
|---|---|---|
| 低频（如0.5 lp/mm） | 大块明暗区域 | 0.9~1.0（几乎无损） |
| 中频（如10 lp/mm） | 中等纹理细节 | 0.5~0.7（可接受） |
| 高频（如30 lp/mm） | 精细细节 | 0.2~0.4（开始模糊） |
| 奈奎斯特频率 | 传感器极限 | 0.1以下（不可分辨） |
为什么MTF比像素数更关键？因为像素只决定采样密度，而MTF决定了光学+电子的综合传递能力。你想想看，一个2000万像素的传感器配个劣质镜头，高频信息在光学阶段就丢失了，像素再多也救不回来。
在安霸平台上，ISP Pipeline里的锐化模块会直接影响MTF表现。锐化加多了，MTF曲线会“翘尾”，看起来清晰但容易产生振铃伪影。我曾经在一个安防项目中，客户投诉画面边缘有“鬼影”，查了半天发现是锐化强度设得太高，导致MTF在奈奎斯特频率附近异常抬升。
3.2 信噪比与动态范围：暗与亮的博弈
信噪比（SNR）和动态范围（DR），这两个指标经常被混为一谈。其实它们关注的是不同维度：SNR看的是画面干不干净，DR看的是暗部和亮部能不能同时保留细节。
信噪比，单位是dB。公式很简单：20 * log10(信号 / 噪声)。信号就是像素值，噪声包括光子散粒噪声、读出噪声、暗电流噪声等。安霸平台在低照度下会启动多帧融合降噪，SNR能提升6~10dB。
动态范围，描述的是传感器能同时记录的最亮和最暗区域的比值。人眼的动态范围大约120dB，而普通CMOS传感器只有60~70dB。安霸的HDR（高动态范围）方案通过长短帧融合，可以做到100dB以上。
| 场景 | 典型SNR | 典型DR | 安霸优化手段 |
|---|---|---|---|
| 白天室外（1000 lux） | 45~50 dB | 70~80 dB | 基础ISP参数 |
| 室内灯光（100 lux） | 35~40 dB | 65~75 dB | 2D/3D降噪 |
| 黄昏（10 lux） | 28~33 dB | 60~70 dB | 多帧融合+局部色调映射 |
| 夜间（1 lux以下） | 20~25 dB | 55~65 dB | 长曝光+AI降噪 |
我个人的习惯是，在评测安霸平台时，先测SNR再测DR。因为SNR是基础——如果画面本身都是噪点，动态范围再高也没意义。具体做法：用X-Rite ColorChecker或灰阶卡，在固定光照下拍20帧，取平均信号值和标准差，算出SNR。
动态范围测试有个坑：很多人直接用单帧的直方图宽度来估算DR，这是不对的。因为传感器响应是非线性的，特别是HDR融合后，直方图会被压缩。正确做法是用不同曝光时间拍多帧，拟合出传感器的响应曲线，再计算DR。
3.3 色彩还原与白平衡：让世界恢复本色
色彩还原和白平衡，是图像质量里最“主观”的指标。为什么说主观？因为不同人对“红色正不正”的感受不一样。但作为工程师，我们需要客观量化。
白平衡，本质是消除光源色温的影响。安霸平台内置了多种AWB（自动白平衡）算法：灰度世界法、色温估计法、神经网络法。我建议在评测时，至少测试D65（6500K）、D50（5000K）、A光源（2856K）和TL84（4000K荧光灯）四种光源下的表现。
色彩还原，用CIE Lab色差ΔE来量化。ΔE < 3，人眼基本看不出差异；ΔE在3~6之间，专业用户能察觉；ΔE > 6，普通用户也会觉得颜色不对。
| 光源类型 | 色温 | 典型ΔE（安霸平台） | 评价 |
|---|---|---|---|
| D65（日光） | 6500K | 2.5~4.0 | 优秀 |
| D50（标准日光） | 5000K | 3.0~5.0 | 良好 |
| A光源（白炽灯） | 2856K | 4.0~6.5 | 可接受 |
| TL84（荧光灯） | 4000K | 3.5~5.5 | 良好 |
白平衡还有一个容易被忽略的点：光源的显色指数（CRI）。CRI低的LED灯，光谱不连续，AWB算法容易误判。我曾经在一个智能家居项目中，客户用了一款CRI只有70的LED灯，结果AWB在暖色场景下总是偏绿。后来我们换用高CRI光源测试，问题就消失了。
3.4 噪点与纹理：鱼和熊掌的取舍
噪点和纹理，是图像质量里最矛盾的一对。降噪太强，纹理细节被抹掉，画面像塑料；降噪太弱，噪点满天飞，画面脏兮兮。安霸平台的ISP提供了多级降噪参数，包括空域降噪、时域降噪和AI降噪。
噪点类型主要有三种：
- 亮度噪点：像素值的随机波动，看起来像颗粒感
- 色度噪点：颜色信息的随机偏差，表现为彩色斑点
- 固定模式噪声（FPN）：传感器固有的暗电流差异，表现为竖条纹或网格
纹理保留，通常用MTF或主观评分来评估。安霸平台有一个“纹理保留指数”的内部指标，通过分析高频区域的能量衰减来量化。
具体操作步骤：
- 在固定光照下（如100 lux），拍一张灰卡，计算全画面标准差作为噪点水平
- 拍一张ISO 12233卡，计算MTF50值作为纹理保留指标
- 逐步增加降噪强度，记录每个档位的噪点值和MTF50值
- 绘制“噪点-MTF”曲线，找到拐点——即降噪增益开始显著影响纹理的位置
安霸平台还有一个“自适应降噪”功能，会根据场景亮度自动调整降噪强度。我建议在评测时，分别测试低照度（5 lux）、中等照度（100 lux）和高照度（1000 lux）三个场景，确保自适应算法在不同光照下都能合理工作。
这四个维度不是孤立的。分辨率差，MTF低，纹理保留自然差；SNR低，噪点多，又会掩盖细节；白平衡不准，色彩还原就无从谈起。在安霸平台上做图像质量评测，我建议按照“先基础后高级、先客观后主观”的顺序来：先测MTF和SNR这些硬指标，再调色彩和噪点这些偏视觉感受的参数。