PySFR - Python 空间频率响应分析工具

基于 MATLAB 的 sfrmat5.m 移植的 Python 实现，用于计算图像系统的空间频率响应（SFR）。支持命令行和 GUI 两种操作模式。

项目结构

PySFR/
├── src/                # 源代码目录
│   ├── PySFR.py        # 核心 SFR 计算类（原sfrmat5.py）
│   ├── slantedgeMTF.py # 倾斜边缘 MTF 计算
│   └── test_sfr_comparison.py # SFR 比较测试程序
├── docs/               # 文档目录
│   ├── 待办事项.md     # 项目开发进度跟踪
│   └── 算法比较报告.md # 算法比较报告
├── images/             # 测试图像目录
│   ├── ISO 12233-2023 chart.jpg
│   ├── Plan N 10x-1.bmp
│   ├── Test_edge1.tif
│   └── Test_edge1_mono.tif
├── data/               # 数据输出目录
│   ├── Plan N 10x-1.xlsx
│   └── Test_edge1.xlsx
├── GUI.py              # FreeSimpleGUI 界面（主程序）
└── README.md          # 项目文档

更新日志

v1.0.1 (2026.4.22)

Bug 修复版本

修复内容

• 修复 GUI 界面中图像加载功能，支持中文文件名路径
• 优化图像加载机制，使用 np.fromfile 和 cv2.imdecode 替代 cv2.imread，解决中文路径读取问题

v1.0.0 (2026.4.20)

完整功能版本发布

核心功能

• 基于 MATLAB sfrmat5.m 算法的完整 Python 移植
• 实现 ISO 12233 标准的空间频率响应（SFR）测量
• 支持 RGB 和亮度通道的独立分析
• 4 倍超采样技术提高测量精度
• 窗口函数选择（Tukey 窗、汉明窗）

GUI 界面特性

• 现代化 FreeSimpleGUI 用户界面
• 交互式 ROI 区域选择工具
• 实时结果显示和图表绘制
• "关于"菜单功能，显示版本信息、作者信息和联系方式
• 中文界面支持，所有对话框和按钮文字中文化

算法优化

• 精确的边缘检测和加权拟合算法
• 修复 ESF 在边界位置的异常数据问题
• 优化边缘投影算法，提高精度
• 奈奎斯特频率标识：基于探测器采样间隔计算
• 频率单位一致性保证

数据导出

• 支持 Excel 格式数据导出
• 完整的日志记录和错误处理
• 跨平台兼容（Windows/Linux/macOS）

项目概述

PySFR 是一个用于图像质量评估的 Python 工具，实现了 ISO 12233 标准中定义的空间频率响应（SFR）测量方法。该工具可以分析相机、镜头和其他成像系统的调制传递函数（MTF）。

主要特性

• 多通道支持：支持 RGB 和亮度通道的独立分析
• 边缘检测：自动检测和拟合图像中的边缘
• 超采样技术：使用 4 倍超采样提高测量精度
• 窗口函数：支持 Tukey 窗和汉明窗
• 现代化 GUI 界面：基于 FreeSimpleGUI 的现代化用户界面
• ROI 选择工具：交互式 ROI 区域选择
• 数据导出：支持 Excel 格式数据导出
• 详细日志：完整的日志记录和错误处理
• 跨平台支持：Windows/Linux/macOS 兼容
• 关于菜单：完整的版本信息、作者信息和联系方式
• 奈奎斯特频率标识：基于探测器采样间隔的精确标识
• 中文界面：所有对话框和按钮文字均使用中文
• 实时结果显示：MTF30/MTF10等关键指标实时显示

安装要求

Python 版本

• Python 3.7 或更高版本

依赖包

# 基础依赖
pip install numpy scipy matplotlib opencv-python

# GUI 界面依赖
pip install FreeSimpleGUI Pillow

# 可选：Excel 导出功能
pip install pandas openpyxl

主要依赖说明

• numpy: 数值计算和数组操作
• scipy: 科学计算（FFT、信号处理）
• matplotlib: 数据可视化和图表绘制
• opencv-python: 图像读取和处理
• FreeSimpleGUI: 图形用户界面
• PIL (Pillow): 图像处理支持
• pandas: Excel 数据导出（可选）
• openpyxl: Excel 文件支持（可选）

使用方法

1. GUI 模式（推荐）

# 启动 GUI 界面
python GUI.py

GUI 界面提供以下功能：

• 图像文件选择
• ROI 区域选择
• 参数配置界面
• 实时结果显示
• 数据导出功能

2. 程序化使用（API 调用）

import numpy as np
from src.PySFR import SFRCalculator

# 创建 SFR 计算器实例
sfr = SFRCalculator()

# 非 GUI 模式（直接传入数据）
image_data = np.array(...)  # 你的图像数据
status, dat, e, sfr50, fitme, esf, nbin, del2, is_dpi = sfr.calculate_sfr(
    io=1,                    # 非 GUI 模式
    del_input=0.01,          # 采样间隔（mm）
    a=image_data,            # 图像数据
    npol=5,                  # 多项式拟合阶数
    wflag=0                  # 窗口函数选择（0=Tukey, 1=Hamming）
)

# 处理返回结果
if status == 0:  # 成功
    print(f"SFR计算成功 - SFR50: {sfr50}")
    # 使用 dat, esf, fitme 等结果
else:
    print("SFR计算失败")

3. 测试程序

项目包含测试程序用于验证算法准确性：

# 运行 SFR 比较测试
python src/test_sfr_comparison.py

测试程序功能：

• 比较不同算法的 SFR 计算结果
• 验证边缘检测和拟合精度
• 测试多通道处理能力

输出结果说明

函数返回一个包含多个结果的元组：

• status: 处理状态（0=成功，1=失败）
• dat: SFR 数据矩阵 [频率, R, G, B, Lum]
• e: 采样效率数组
• sfr50: SFR 为 50% 时的频率值
• fitme: 边缘拟合参数
• esf: 边缘扩散函数数据
• nbin: 分箱因子
• del2: 超采样间隔
• is_dpi: 是否为 DPI 输入模式

算法原理

1. 边缘检测和拟合

• 使用一维导数检测边缘位置
• 多项式拟合边缘轮廓
• 自适应窗口函数优化边缘定位

2. 边缘扩散函数（ESF）计算

• 投影和分箱技术将 2D 边缘数据转换为 1D ESF
• 4 倍超采样提高空间分辨率

3. 线扩散函数（LSF）计算

• 对 ESF 进行微分得到 LSF
• 应用窗口函数减少频谱泄漏

4. 调制传递函数（MTF）计算

• 对 LSF 进行傅里叶变换得到 MTF
• 校正离散导数响应
• 归一化处理

示例图像

项目包含几个测试图像：

• images/ISO 12233-2023 chart.jpg: ISO 标准测试图
• images/Plan N 10x-1.bmp: 平面测试图像
• images/Test_edge1.tif: 边缘测试图像
• images/Test_edge1_mono.tif: 单通道边缘测试图像

参数配置

默认参数

# 亮度权重（R, G, B）
guidefweight = np.array([0.213, 0.715, 0.072])

# 多项式拟合阶数
defnpol = 5

# 分箱因子
nbin = 4

# Tukey 窗参数
defalpha = 1.0
maxalpha = 1.0
minalpha = 0.5

可调参数

• npol: 边缘拟合的多项式阶数（1-5）
• wflag: 窗口函数选择（0=Tukey, 1=Hamming）
• weight: RGB 到亮度的转换权重
• alpha: Tukey 窗的形状参数

日志和调试

程序使用 Python 的 logging 模块提供详细的运行日志：

• 日志级别：INFO
• 输出：控制台和 PySFR.log 文件
• 编码：UTF-8

与 MATLAB 版本的比较

相同点

• 核心算法实现，包括精确的像素投影、窗口函数和边缘拟合
• 输入输出格式
• 参数设置和默认值
• 边缘检测和拟合方法
• SFR 计算流程

不同点

• Python 面向对象实现（SFRCalculator 类）
• 改进的错误处理和日志记录
• 双模式界面（FreeSimpleGUI + 命令行）
• 支持 Excel 数据导出
• 跨平台兼容性
• 独立的 ROI 选择工具类
• 修复了 ESF 在边界位置的异常数据问题
• 优化的边缘投影算法，提高了精度
• 现代化的 FreeSimpleGUI 界面
• 模块重命名：核心模块从 sfrmat5.py 重命名为 PySFR.py

应用场景

1. 相机测试: 评估相机系统的图像质量
2. 镜头评估: 分析镜头的分辨率和对比度
3. 图像处理算法验证: 测试图像处理算法对图像质量的影响
4. 科学研究: 光学系统和成像质量的研究

注意事项

1. 图像质量: 建议使用高质量、无压缩的图像文件
2. 边缘对比度: 边缘对比度应大于 20% 以获得准确结果
3. ROI 选择: 选择包含清晰边缘的区域进行分析
4. 采样间隔: 正确设置像素尺寸或 DPI 值

许可证

基于 Peter Burns 的 MATLAB 版本 sfrmat5.m 移植。

原始 MATLAB 代码版权信息：

• 作者: Peter Burns, pdburns@ieee.org
• 基于 sfrmat4，适配多项式边缘拟合
• 最后更新: 2023年2月27日
• 支持 ISO 12233 第4版

作者和贡献

• 原始 MATLAB 版本: Peter Burns
• Python 移植: imyu37
• 项目维护: wanyong_37@hotmail.com

参考文献

1. ISO 12233:2023 - Photography - Electronic still picture imaging - Resolution and spatial frequency responses
2. Burns, P.D., "Slanted-Edge MTF for Digital Camera and Scanner Analysis", IS&T's 2000 PICS Conference
3. sfrmat5.m MATLAB 实现文档