2、图像质量评价体系：客观指标（MTF/SNR/动态范围）与主观评测方法

做图像质量调优，第一件事不是调参数，而是先搞清楚——什么叫「好」。

你可能遇到过这种情况：明明客观指标跑出来很漂亮，但给产品经理一看，他说「这画面看着不舒服」。反过来，有时候主观感觉挺通透的，一测 MTF 却掉得厉害。

所以这一章，咱们把评价体系拆开揉碎了讲。客观指标是尺子，主观评测是眼睛。两把武器都得会用。

2.1 客观指标：用数据说话

客观指标的好处是——可重复、可对比、可量化。你调了一版参数，跑一遍实验室数据，是涨是跌一目了然。

2.1.1 MTF（调制传递函数）——清晰度的硬指标

MTF 说白了就是衡量镜头+传感器能把「黑白条纹」还原到什么程度。100% 是完美还原，0% 是完全糊成一片。

我习惯看两个关键频率点：

• MTF50：对比度下降到 50% 时的空间频率。这是最常用的清晰度指标，单位是 LW/PH（线宽每像高）。
• MTF30：对比度下降到 30% 时的频率。这个点更接近人眼对细节的感知下限。

MTF 的测量通常用 ISO 12233 测试卡。你想想看，一张卡上布满了不同频率的黑白条纹，算法去算每个频率的对比度衰减。流程大概是：

1. 拍摄测试卡，保证光照均匀、对焦准确。
2. 提取 ROI 区域（通常是卡的中心和四角）。
3. 用软件（比如 Imatest、HYRes）计算 MTF 曲线。
4. 读取 MTF50、MTF30 数值。

嗯，这里要注意：MTF 是镜头+传感器+ISP 的联合结果。你调了 ISP 的 sharpening 强度，MTF 数值会变，但那是「假清晰」——真实分辨率并没有提升。所以做对比时，一定要关掉 sharpening 再测 raw MTF。

2.1.2 SNR（信噪比）——画面干净度的标尺

SNR 就是信号和噪声的比值，单位 dB。数值越高，画面越干净。

我见过不少工程师只看 SNR 值，其实更关键的是 SNR 随亮度的变化曲线。暗光下 SNR 掉到 30dB 以下，噪点就开始明显了。

2.1.3 动态范围——能看清暗处和亮处的能力

动态范围（DR）是 sensor 能同时记录的最亮和最暗区域的比值。单位是 dB 或 stops（档）。

公式很简单：DR = 20 * log10(满阱容量 / 读出噪声)。但实际调优中，我更关注 HDR（高动态范围）模式下的融合效果。

举个例子：你拍一个逆光场景，天空不过曝、人脸不欠曝，这就是动态范围的作用。普通 sensor 的 DR 大概在 60-70dB，好的能做到 80dB 以上。

2.2 主观评测：人眼才是最终裁判

客观指标再漂亮，最终是给人看的。主观评测就是让真实用户（或者你这样的专家）来打分。

2.2.1 主观评测的维度

我一般把主观评测分成 5 个维度：

• 清晰度：边缘是否锐利，细节是否丰富。注意和 MTF 的区别——主观清晰度还受 sharpening 算法影响。
• 色彩还原：肤色是否自然，蓝天是否偏紫。我习惯用色卡（ColorChecker）做参考。
• 噪声水平：亮噪、彩噪、条带噪。不同噪声类型给人的感受完全不同。
• 亮度均匀性：画面四角有没有变暗（lens shading），有没有局部过曝或欠曝。
• 动态范围：高反差场景下，暗部和亮部的细节保留情况。

2.2.2 评测方法：双盲测试与 A/B 对比

主观评测最怕「先入为主」。你知道 A 是竞品、B 是自己家的，打分就会偏。所以正规做法是：

1. 双盲测试：评测者不知道哪张图是哪台设备拍的。
2. 随机顺序：每次展示的顺序随机打乱。
3. 多场景覆盖：至少包含白天、室内、暗光、逆光 4 个场景。
4. 多人打分：至少 5 人以上，取平均分。

2.3 客观与主观的关联：怎么对齐？

你可能会问：MTF 高就一定清晰吗？不一定。我遇到过 MTF 很高但主观感觉「数码味」重的案例——原因是 sharpening 过强，产生了 overshoot。

所以我的做法是：

• 用客观指标做 筛选（MTF < 1500 的直接淘汰）。
• 用主观评测做 定稿（在合格品里选最舒服的）。

说白了，客观指标是下限，主观感受是上限。

2.4 知识体系总览

下面这张图帮你理清整个评价体系的脉络：

2.5 实战建议：建立你的评价基线

最后，给你几个落地建议：

• 建立黄金样本库：每次调优前，先拍一组「标杆场景」的 raw 图。这样你调完参数后，可以回滚对比。
• 客观指标自动化：写脚本批量跑 Imatest 或自研工具，别手动一张张测。
• 主观评测标准化：固定显示器（色准 Delta E < 2）、固定环境光（500 lux）、固定评测人员。