ARVR 模板详解

概述

ARVR模板组专门用于AR/VR显示设备的光学性能测试和评估。该组包含五大核心算法模板：

MTF (Modulation Transfer Function): 调制传递函数测试
SFR (Spatial Frequency Response): 空间频率响应测试
FOV (Field of View): 视场角测试
Distortion: 畸变分析
Ghost: 鬼影检测

技术特点

高精度数值计算
ROI（感兴趣区域）处理
频域分析能力
图像质量评估
可视化结果展示

应用场景

VR头显光学性能评测
AR眼镜显示质量检测
光学镜头MTF测试
显示设备畸变校正
鬼影问题诊断

MTF 模板

简介

MTF（调制传递函数）是评价光学系统成像质量的重要指标，描述了系统对不同空间频率正弦信号的传递能力。

参数说明

MTFParam 参数类

csharp

public class MTFParam : ParamModBase
{
    // Gamma校正值
    [Category("MTF")]
    [Description("Gamma")]
    public double Gamma { get; set; }  // 默认: 0.01
    
    // ROI区域
    [Category("MTF")]
    [DisplayName("ROI X")]
    public int X { get; set; }
    
    [Category("MTF")]
    [DisplayName("ROI Y")]
    public int Y { get; set; }
    
    [Category("MTF")]
    [DisplayName("ROI Width")]
    public int Width { get; set; }
    
    [Category("MTF")]
    [DisplayName("ROI Height")]
    public int Height { get; set; }
    
    // 计算的RECT区域
    [Browsable(false)]
    public System.Windows.Rect RECT { get; }
}

参数详解

参数	类型	范围	说明
Gamma	double	0.0-2.0	Gamma校正系数，影响对比度计算
X	int	≥0	ROI区域左上角X坐标
Y	int	≥0	ROI区域左上角Y坐标
Width	int	>0	ROI区域宽度
Height	int	>0	ROI区域高度

结果数据

AlgResultMTFModel

csharp

[SugarTable("t_scgd_algorithm_result_detail_mtf")]
public class AlgResultMTFModel : EntityBase, IViewResult
{
    public int? Pid { get; set; }
    public int? RoiX { get; set; }
    public int? RoiY { get; set; }
    public int? RoiWidth { get; set; }
    public int? RoiHeight { get; set; }
    public double? Gamma { get; set; }
    public string? Pdfrequency { get; set; }          // 频域数据（JSON）
    public string? PdomainSamplingData { get; set; }  // 采样数据（JSON）
}

使用示例

csharp

// 1. 创建MTF模板
var templateMTF = new TemplateMTF();
templateMTF.Load();

// 2. 创建新的MTF参数
var mtfParam = new MTFParam
{
    Name = "VR头显MTF测试",
    Gamma = 0.45,
    X = 100,
    Y = 100,
    Width = 500,
    Height = 500
};

// 3. 添加到模板
templateMTF.Params.Add(mtfParam);
templateMTF.Save();

// 4. 执行MTF算法（通过算法服务）
var algorithmMTF = new AlgorithmMTF();
algorithmMTF.Execute(mtfParam);

结果可视化

MTF结果包含：

MTF曲线图（调制度随空间频率的变化）
ROI区域标记
频域采样数据
关键指标值（MTF50, MTF20等）

SFR 模板

简介

SFR（空间频率响应）通过分析斜边图像计算MTF，是ISO 12233标准推荐的MTF测试方法。

参数说明

SFRParam 参数类

csharp

public class SFRParam : ParamModBase
{
    [Category("SFR")]
    [Description("Gamma")]
    public double Gamma { get; set; }  // 默认: 0.01
    
    [Category("SFR")]
    [DisplayName("ROI X")]
    public int X { get; set; }
    
    [Category("SFR")]
    [DisplayName("ROI Y")]
    public int Y { get; set; }
    
    [Category("SFR")]
    [DisplayName("ROI Width")]
    public int Width { get; set; }
    
    [Category("SFR")]
    [DisplayName("ROI Height")]
    public int Height { get; set; }
    
    [Browsable(false)]
    public System.Windows.Rect RECT { get; }
}

结果数据

csharp

[SugarTable("t_scgd_algorithm_result_detail_sfr")]
public class AlgResultSFRModel : EntityBase, IViewResult
{
    public int? Pid { get; set; }
    public int? RoiX { get; set; }
    public int? RoiY { get; set; }
    public int? RoiWidth { get; set; }
    public int? RoiHeight { get; set; }
    public double? Gamma { get; set; }
    public string? Pdfrequency { get; set; }
    public string? PdomainSamplingData { get; set; }
}

测试流程

准备斜边图像（通常为黑白边界，倾斜5-10度）
设置ROI区域覆盖边界
配置Gamma参数
执行SFR算法
分析SFR曲线和关键指标

与MTF的区别

特性	MTF	SFR
测试图案	正弦条纹	斜边
标准依据	传统方法	ISO 12233
计算复杂度	较低	较高
精度	中等	高
适用场景	快速评估	精确测试

FOV 模板

简介

FOV（视场角）测试用于测量光学系统的有效视野范围，是AR/VR设备的关键性能指标。

参数说明

FOVParam 参数类

csharp

public class FOVParam : ParamModBase
{
    [Category("FOV")]
    [Description("水平视场角")]
    public double HorizontalFOV { get; set; }
    
    [Category("FOV")]
    [Description("垂直视场角")]
    public double VerticalFOV { get; set; }
    
    [Category("FOV")]
    [Description("对角线视场角")]
    public double DiagonalFOV { get; set; }
    
    [Category("FOV")]
    [Description("检测阈值")]
    public double DetectionThreshold { get; set; }
}

结果数据

FOV测试结果通常包含：

水平视场角（度）
垂直视场角（度）
对角线视场角（度）
有效视区边界坐标
视场分布图

测试方法

网格点测试法
- 在全视场显示网格
- 测量可见网格范围
- 计算视场角
边界扫描法
- 从中心向外扫描
- 检测亮度下降点
- 确定视场边界

Distortion 模板

简介

畸变分析用于评估和校正光学系统产生的几何畸变，包括枕形畸变和桶形畸变。

参数说明

DistortionParam 参数类

csharp

public class DistortionParam : ParamModBase
{
    [Category("Distortion")]
    [Description("网格行数")]
    public int GridRows { get; set; }
    
    [Category("Distortion")]
    [Description("网格列数")]
    public int GridColumns { get; set; }
    
    [Category("Distortion")]
    [Description("标定点数量")]
    public int CalibrationPoints { get; set; }
    
    [Category("Distortion")]
    [Description("畸变模型")]
    public DistortionModelType ModelType { get; set; }
}

畸变模型

径向畸变模型

x_distorted = x_ideal * (1 + k1*r^2 + k2*r^4 + k3*r^6)
y_distorted = y_ideal * (1 + k1*r^2 + k2*r^4 + k3*r^6)

其中：

(x_ideal, y_ideal): 理想坐标
(x_distorted, y_distorted): 畸变坐标
r: 距中心距离
k1, k2, k3: 径向畸变系数

切向畸变模型

x_distorted = x_ideal + [2*p1*x*y + p2*(r^2 + 2*x^2)]
y_distorted = y_ideal + [p1*(r^2 + 2*y^2) + 2*p2*x*y]

其中：

p1, p2: 切向畸变系数

校正流程

Ghost 模板

简介

鬼影检测用于识别和量化光学系统中的二次反射和杂散光现象。

参数说明

GhostParam 参数类

csharp

public class GhostParam : ParamModBase
{
    [Category("Ghost")]
    [Description("检测灵敏度")]
    public double Sensitivity { get; set; }
    
    [Category("Ghost")]
    [Description("背景阈值")]
    public double BackgroundThreshold { get; set; }
    
    [Category("Ghost")]
    [Description("最小鬼影面积")]
    public int MinGhostArea { get; set; }
    
    [Category("Ghost")]
    [Description("对比度阈值")]
    public double ContrastThreshold { get; set; }
}

检测算法

背景提取
- 分析图像整体亮度分布
- 建立背景模型
- 计算背景阈值
异常区域检测
- 识别高于背景的区域
- 过滤噪声点
- 提取候选鬼影
鬼影确认
- 分析形状特征
- 验证位置关系
- 计算鬼影强度

结果指标

鬼影数量: 检测到的鬼影个数
鬼影位置: 每个鬼影的中心坐标
鬼影强度: 相对于主光源的强度比
鬼影面积: 鬼影区域像素数
对比度: 鬼影与背景的对比度

通用特性

ROI 处理

所有ARVR模板都支持ROI（感兴趣区域）处理：

csharp

// 定义ROI
var roi = new System.Windows.Rect(x, y, width, height);

// 验证ROI有效性
private bool ValidateROI(Rect roi, int imageWidth, int imageHeight)
{
    return roi.X >= 0 && roi.Y >= 0 &&
           roi.X + roi.Width <= imageWidth &&
           roi.Y + roi.Height <= imageHeight;
}

// 提取ROI图像
Mat roiImage = sourceImage[new OpenCvSharp.Rect(
    (int)roi.X, (int)roi.Y, 
    (int)roi.Width, (int)roi.Height
)];

结果可视化

ARVR模板结果通过IResultHandleBase处理器进行可视化：

csharp

public class ViewHandleMTF : IResultHandleBase
{
    public override List\<ViewResultAlgType> CanHandle => 
        new List\<ViewResultAlgType>() { ViewResultAlgType.MTF };
    
    public override void Handle(IViewImageA view, ViewResultAlg result)
    {
        // 显示图像
        if (File.Exists(result.FilePath))
            view.ImageView.OpenImage(result.FilePath);
        
        // 绘制ROI
        DrawROI(view, result);
        
        // 显示数据表格
        DisplayDataGrid(view, result);
        
        // 绘制曲线
        DrawMTFCurve(view, result);
    }
}

数据导出

支持多种导出格式：

csharp

// CSV导出
public override void SideSave(ViewResultAlg result, string selectedPath)
{
    string fileName = Path.Combine(selectedPath, $"{result.ResultType}_{result.Batch}.csv");
    var csvBuilder = new StringBuilder();
    
    // 添加表头
    csvBuilder.AppendLine("X,Y,Width,Height,Gamma,Frequency,Value");
    
    // 添加数据
    foreach (var item in result.ViewResults)
    {
        csvBuilder.AppendLine($"{item.RoiX},{item.RoiY},...");
    }
    
    File.WriteAllText(fileName, csvBuilder.ToString(), Encoding.UTF8);
}

使用指南

基本工作流程

最佳实践

1. ROI选择

MTF/SFR: 选择包含清晰边界的区域
FOV: 覆盖整个视场
Distortion: 确保网格完整性
Ghost: 包含可疑反射区域

2. 参数调优

csharp

// MTF参数优化
var mtfParam = new MTFParam
{
    // Gamma值建议范围: 0.01-1.0
    Gamma = 0.45,  // 接近sRGB标准
    
    // ROI应避免边缘区域
    X = imageWidth * 0.1,
    Y = imageHeight * 0.1,
    Width = imageWidth * 0.8,
    Height = imageHeight * 0.8
};

3. 结果验证

csharp

// MTF结果验证
public bool ValidateMTFResult(AlgResultMTFModel result)
{
    // 检查频率数据完整性
    if (string.IsNullOrEmpty(result.Pdfrequency))
        return false;
    
    // 解析频率数据
    var frequencies = JsonConvert.DeserializeObject<double[]>(result.Pdfrequency);
    
    // 验证MTF曲线单调递减
    for (int i = 1; i < frequencies.Length; i++)
    {
        if (frequencies[i] > frequencies[i-1])
            return false;  // MTF应随频率递减
    }
    
    return true;
}

常见问题

Q1: MTF值偏低

可能原因:

ROI选择不当
Gamma值设置错误
图像质量差

解决方案:

csharp

// 调整Gamma值
param.Gamma = 0.45;  // 尝试标准值

// 优化ROI
param.Width = Math.Min(param.Width, 1000);  // 限制ROI大小
param.Height = Math.Min(param.Height, 1000);

Q2: 鬼影误检测

可能原因:

灵敏度过高
背景阈值不合适

解决方案:

csharp

// 降低灵敏度
ghostParam.Sensitivity = 0.5;

// 提高背景阈值
ghostParam.BackgroundThreshold = 0.1;

// 增加最小面积过滤
ghostParam.MinGhostArea = 100;

Q3: 畸变校正效果不佳

可能原因:

标定点不足
畸变模型选择错误

解决方案:

csharp

// 增加标定点
distortionParam.GridRows = 15;
distortionParam.GridColumns = 15;

// 尝试更高阶模型
distortionParam.ModelType = DistortionModelType.FullRadialTangential;

性能优化

1. 并行处理

csharp

// 批量处理多个ROI
Parallel.ForEach(roiList, roi =>
{
    var result = ProcessMTF(roi);
    results.Add(result);
});

2. 缓存优化

csharp

// 缓存频繁使用的数据
private static Dictionary<string, double[]> _frequencyCache = new();

public double[] GetCachedFrequency(string key)
{
    if (!_frequencyCache.ContainsKey(key))
    {
        _frequencyCache[key] = CalculateFrequency();
    }
    return _frequencyCache[key];
}

ARVR 模板详解 ​

目录 ​

概述 ​

技术特点 ​

应用场景 ​

MTF 模板 ​

简介 ​

参数说明 ​

MTFParam 参数类 ​

参数详解 ​

结果数据 ​

AlgResultMTFModel ​

使用示例 ​

结果可视化 ​

SFR 模板 ​

简介 ​

参数说明 ​

SFRParam 参数类 ​

结果数据 ​

测试流程 ​

与MTF的区别 ​

FOV 模板 ​

简介 ​

参数说明 ​

FOVParam 参数类 ​

结果数据 ​

测试方法 ​

Distortion 模板 ​

简介 ​

参数说明 ​

DistortionParam 参数类 ​

畸变模型 ​

径向畸变模型 ​

切向畸变模型 ​

校正流程 ​

Ghost 模板 ​

简介 ​

参数说明 ​

GhostParam 参数类 ​

检测算法 ​

结果指标 ​

通用特性 ​

ROI 处理 ​

结果可视化 ​

数据导出 ​

使用指南 ​

基本工作流程 ​

最佳实践 ​

1. ROI选择 ​

2. 参数调优 ​

3. 结果验证 ​

常见问题 ​

Q1: MTF值偏低 ​

Q2: 鬼影误检测 ​

Q3: 畸变校正效果不佳 ​

性能优化 ​

1. 并行处理 ​

2. 缓存优化 ​

相关资源 ​

ARVR 模板详解

目录

概述

技术特点

应用场景

MTF 模板

简介

参数说明

MTFParam 参数类

参数详解

结果数据

AlgResultMTFModel

使用示例

结果可视化

SFR 模板

简介

参数说明

SFRParam 参数类

结果数据

测试流程

与MTF的区别

FOV 模板

简介

参数说明

FOVParam 参数类

结果数据

测试方法

Distortion 模板

简介

参数说明

DistortionParam 参数类

畸变模型

径向畸变模型

切向畸变模型

校正流程

Ghost 模板

简介

参数说明

GhostParam 参数类

检测算法

结果指标

通用特性

ROI 处理

结果可视化

数据导出

使用指南

基本工作流程

最佳实践

1. ROI选择

2. 参数调优

3. 结果验证

常见问题

Q1: MTF值偏低

Q2: 鬼影误检测

Q3: 畸变校正效果不佳

性能优化

1. 并行处理

2. 缓存优化

相关资源