解析力 （1 ）TV line/MTF/SFR
基本概念
成像系統的解析力一直是攝像頭最關鍵的指標之一。所有用戶拿到一張照片的時候首先看到的是照片清楚不清楚，這里的清楚說得就是解析力。但是如何評價一個成像系統的解析力也是大家一直在探討的問題。目前主流的辦法主要有三種TV line檢測，MTF檢測，和SFR 檢測。
TV line
TV line主要用於主觀測試，也有一些讀取TV line的軟件如HYRes。但是總體來說沒有一個具體的標准。大多數公司是以人的讀取為標准。不同人的讀取，以及狀態的不同都會導致讀取值的不穩定。而且如ISO12233 chart 實際上我們讀出的線對數只能代表讀出位置的狀況。尤其中心的TV line跨度很大，很難反映一個成像系統。
MTF
MTF是Modulation Transfer Function的英文簡稱，中文為調制傳遞函數。是指調制度隨空間頻率變化的函數稱為調制度傳遞函數。個傳遞函數最開始是為了說明鏡頭的能力。在各個攝像頭鏡頭中經常采用MTF描述鏡頭的MTF曲線，表明鏡頭的能力。這些曲線是通過理想的測試環境下盡量減少其它系統對鏡頭的解析力的衰減的情況下測試得出的。但是其實MTF也可以涵蓋對整個成像系統的解析力評價。在這里咱們就不多討論這個問題了，如果有興趣可以開另外一篇文章討論。
SFR
SFR是 spatial frequency response (SFR) 主要是用於測量隨着空間頻率的線條增加對單一影像的所造成影響。簡言之SFR就是MTF的另外一種測試方法。這種測試方法在很大程度上精簡了測試流程。SFR的最終計算是希望得到MTF曲線。SFR的計算方法和MTF雖然不同但是在結果上是基本一致的
測量方法
現在我們來看一下傳統的MTF是怎么測量出來的，后面我們再針對SFR的原理和MTF的關系進行一些介紹。在以后的文章中我們在介紹一些MTF和SFR測試需要注意的問題。 從上面我們知道MTF是描述不同空間頻率下的調制函數。那么什么是空間頻率呢？通常，描述頻率的單位是赫茲(Hz)，比如50Hz、100MHz之類的。但空間頻率的表述習慣用“每毫米線對”。（LP/mm），就是每毫米的寬度內有多少線對。每兩條線條之間的距離，以及線條本身的寬度之比是個定值，目前我國分辨率的標板規定，這個定為公因子是20√10≈1.122等比級數。一般MTF的計算離不開線對。下面這個圖就是一張不同頻率的線對測試圖 ，可以看到圖卡本身黑色和白色的對比是很清楚的。
實際拍攝的時候，就像上圖一樣頻率越高（越細）的線對就越模糊。這就是我們實際拍攝場景中到一定小的紋理的就拍攝不清楚的原因。而MTF的計算就是計算線對間最亮和最暗線對的對比度。計算公式為
MTF = (最大亮度 - 最小亮度) / (最大亮度 + 最小亮度)
所以MTF的計算不會出現大於1的情況。像下面的圖表示的這樣，當我們測試了很多不同頻率下的MTF值。通過將這些值和空間頻率進行一一的對照。通過這條曲線我們就能知道現在的成像系統在什么樣的空間頻率下的對比度如何。
SFR是怎么測試和計算的呢。首先SFR不需要拍攝不同的空間頻率下的線對。它只需要一個黑白的斜邊（刀口）即可換算出約略相等於所有空間頻率 下的MTF。如何通過一個斜邊計算出大家可以去看下ISO12233-2000那篇文檔，里面說的很詳細。具體的流程如下圖。
其實簡單得來說呢，SFR是通過這條斜邊的圖進行超采樣的到一條更加細膩的黑白變換的直線（ESF）。然后通過這條直線求導得到直線的變化率（LSF）。然后對將這個變化率進行FFT變換就能得到各個頻率下的MTF的值。這里面的ESF，LSF，都是什么呢?
點擴展函數PSF(Point Spread Function)、線擴展函數LSF(Line Spread Function)和邊緣擴展函數ESF(Edge Spread Function)是SFR 計算中的幾個重要的概念。點擴展函數PSF是點光源成像后的亮度分布函數，如下圖所示，用PSF(X,Y)表示。點擴展函數是中心圓對稱的，通常以沿x軸的亮度分布PSF(X,Y)作為成像系統的點擴展函數。
當獲取點光源像的亮度分布函數PSF(X,Y)后，對其進行二維傅里葉變換即可得MTF (u，v)。因此，從理論上講，從PSF也是獲取MTF的一個方法。但是，在實際的應用中，由於地面點光源強度很弱，此方法一般較少采用。相對於PSF來說，LSF的能量得到了一定程度的加強。SFR計算MTF就通過ESF來得到LSF然后進行FFT得到MTF各個頻率的值的。這幾者之間的關系如下圖。
說實話光從這幾個數學公式還是不好理解為什么ESF可以求出MTF。換一種角度理解LSF就是一條線上（ESF） 的變化的過程。對於任意一條線由黑變白的過程是由不同頻率的黑白線對組成。因此可以反過來通過分析一條線得到這些頻率下的 （FFT）。
轉自：https://zhuanlan.zhihu.com/p/20726167
解析力 （2）空間采樣 和 奈奎斯特
MTF曲線的橫坐標是空間頻率。一般使用黑白交替的線對來表示空間頻率。而空間頻率的單位一般是線對每毫米(lp/mm)，周期每毫米（cycles/mm）,周期每像素（cycles/pixel），線寬每圖像高（LW/PH Line Widths per Picture Height），線對每圖像高（lp/ph）。其中lp/mm是目前使用最多的單位。cycles/pixel是在數碼相機中的成像系統的。數碼相機下一個像素就是1 cycles/pixel，兩個像素就是0.5 cycles/pixel，4個像素是0.25 cycles/pixel.其它單位的計算如下，縱向是已知橫向是未知。
當知道了空間頻率的單位之后又有了一個問題。到底用什么樣的空間頻率去評價MTF合適呢？這個時候經常能看到一個名詞奈奎斯特（Nyquist）頻率，這是來自采樣定律。奈奎斯特和成像有什么關系呢？ 數字相機的Sensor在成像過程中就相當與對鏡頭成的模擬像進行空間數字采樣。 奈奎斯特采樣定理是指在進行模擬與數字信號的轉換過程中，當采樣頻率大於信號中最高頻率的2倍時，采樣之后的數字信號完整地保留了原始信號中的信息，但是一般實際應用中保證采樣頻率為信號最高頻率的5～10倍。數碼相機的Nyquist取決於pixel 的大小.根據前面給出的空間頻率單位轉換公式。
對於給定的Pixel size的sensor
Nyquist 頻率= 1000[µm]/（pixel_pitch [µm]X2）
評價MTF使用的奈奎斯特頻率（Nyquist頻率）是離散信號系統采樣頻率的一半，也就是一個方向上的像素數一半。采樣定理指出，只要離散系統的奈奎斯特頻率高於被采樣信號的最高頻率或帶寬，就可以避免混疊現象。但這只是理論上。我們先看下一個接近奈奎斯特頻率的頻率的采樣過程。當然下面的成像過程都是基於一個理想的沒有MTF衰減的鏡頭的情況下。我們實際的像素對正弦圖卡的采樣過程可以模擬為
而在采樣理論中的采樣過程中類似下圖。兩個采樣點之間的周器和數字成像系統的像素一樣。但是希望采樣點能夠盡量小。
采樣定理中的只要小於奈奎斯特頻率頻率都可以被采樣還原是有兩個條件的。
- 采樣點的盡量小，而我們的像素大小實際上接近於
- 重建信號的過程需要以一個低通濾波器或者帶通濾波器將在奈奎斯特頻率之上的高頻分量全部濾除，同時還要保證原信號中頻率在奈奎斯特頻率以下的分量不發生畸變。
這兩者在圖像系統中都很難滿足。因此很多時候即使采樣過程中信號的最大頻率小於奈奎斯特頻率頻率依然無法很好的得到采樣還原。
即使選取一個略小於奈奎斯特頻率頻率的正弦圖卡。當發生相差的時候像素就很有可能無法正確采樣出來實際圖卡的原來的形狀。但是多數情況下使用理想的采樣模型是可以將原有信號正確的采樣出來的，下面兩張圖是相差的影響對實際像素的采樣影響。
前面提到當頻率高於奈奎斯特頻率的時候會產生混疊現象。混疊(aliasing) 在信號也稱為疊頻；在成像上稱為疊影，疊影會產生偽紋也就是平常說的摩爾紋。下面的就是一個高於Nyquist頻率的頻率產生偽紋的采樣情況。
從采樣的一般規律來說如果要消除上面這些相差和混疊的影響就需要提高采樣的頻率。對於常用的采樣頻率我們可以參考示波器。示波器是一個常用的采樣系統，一般示波器的采樣頻率在被采樣頻率的5到8倍。但是數字成像系統不同於示波器的是采樣的頻率在感應器被確定了之后就已經定了。更多的我們是希望知道原有圖像在什么頻率下分析成像系統的品質更合適。圖像采樣的過程中肯定是頻率越低的圖像越清晰。但是一般什么頻率的圖像是采樣的清晰度是應該可以很好的分辨呢。根據如下圖一樣的仿真和經驗，一般能很好分辨的頻率在每個線對4個像素左右，也就是1/2奈奎斯特頻率.。下面兩張圖是在1/2 Nyquist頻率采樣的情況
沒有相差的1/2 Nyquist頻率采樣的情況
有相差的1/2 Nyquist頻率采樣的情況
我們可以看到在1/2 Nyquist下即使有相差，也可以基本上還原原有圖像的形狀了。但是這只是仿真像素的采樣過程中，在實際測試過程中由於鏡頭，噪聲和測試環境影響在1/2奈奎斯特頻率附近測試MTF值很不穩定。因此也經常選取更低1/4奈奎斯特頻率作為MTF測試值所選取的頻率。不過MTF的評價並不是簡單的看一個頻率就可以評價一個成像系統的效果，MTF曲線是一個整體。
轉自：https://zhuanlan.zhihu.com/p/20726175
鏡頭MTF測試解析
成像清晰度是鏡頭優劣的重要指標之一，在鏡頭制造業筆者見過簡易的逆投影以及更精准的鏡頭MTF測試，本文要講述的是后者設備測試原理及如何通過測試數據判斷鏡頭的品質。
測量MTF的設備，首先需要一個極微小發光體，通過被檢測鏡頭成像，然后選擇合適的高倍物鏡放大並成像到設備CCD上，將圖像傳輸到電腦用專用軟件分析光強度分布，最終通過傅里葉變換計算得出MTF。
測試光源
MTF 測試中常用三種發光體：點，狹縫，刃邊。以下將逐一介紹如何用這三種光源。
點光源
一個理想的點光源可以看成是XY方向上無限小的物體，其能量分布用二維脈沖函數δ(x, y)來表示。理想的點光源經過由像差的光學系統后，所成的像會形成一個彌散斑，其光強分布即光學系統的脈沖響應，也被稱作點擴散函數PSF(x, y)。如下圖所示。
我們用一個與位置有關的函數h(x, y)來表示脈沖響應的光強分布，用“*”表示成像過程的卷積操作，則一個理想輸入f(x, y)經過光學系統成像后再像面的強度分布g(x, y)可以表示成：
g(x, y) = f(x, y)*h(x, y)
對上式兩端分別進行二維傅里葉變換，有
G(fx, fy) = F(fx, fy)H(fx, fy)
式中，G(fx, fy)，F(fx, fy)和H(fx, fy)分別是g(x, y)，f(x, y)和h(x, y)的傅里葉變換，fx和fy是頻域中沿兩個坐標方向的空間頻率。函數H(fx, fy)就是我們要求得到的光學傳遞函數（OTF）。OTF是一個包括實數和虛數兩部分的復變函數，可以寫成下述公式：
OTF(fx, fy) = |H(fx, fy)|expφ(fx, fy)
其中，實數部分|H(fx, fy)|就是我們要得到的MTF。
狹縫光源
因為點光源提供的能量較弱，而且得到理想的點光源也比較困難，所以常用的方法是用狹縫來產生線光源。如下圖，多個點光源（間隔無限小）假設沿y方向排列形成一維光源，各發光點不相干，則等效狹縫可以看成y方向為常量，以x為變量的delta函數。可以用下式表示：
f(x,y) = δ(x)l(y)
狹縫的沿X方向的光強度分布就是線擴散函數LSF，所以狹縫成像的光強度分布g(x, y)可以表示成：
g(x, y) = LSF(x) = f(x, y)*h(x, y) = [δ(x)l(y)]*PSF(x, y)
刃邊光源
如果在某些條件下狹縫提供的能量還是不夠，那么就需要用到刃邊作為光源體，通過邊緣擴散函數ESF求導得到LSF，間接計算出MTF。
點光源、狹縫、刃邊的測試方法除了提供能量不同之外，差異還包括點光源可以同時計算任意角度的多個方向的MTF，狹縫和刃邊一次只能計算一個方向的MTF。由於CCD采集信號噪聲的影響，狹縫相比點光源有更高的測量精度，刃邊比狹縫多了一次求導，會使得噪聲增加。所以三者相比之下，狹縫LSF是比較穩定的測量MTF方法，德國trioptics公司使用的就是狹縫LSF測量法。
MTF分析實例
因為暫時沒有模擬LSF圖像的方法，下面筆者以點光源模擬成像和模擬計算MTF的數據來說明如何分析MTF。
選用鏡頭規格 1/2.6” I.H=3.432mm, F2.2, FL=4.42mm。
鏡頭放置在測量設備上（假設點光源在物體側），設備機構如果事先有校正，測試開始后，應該很容易找到中心視場成像如下，隨后設備會測量中心點像的離焦MTF，過程模擬如下：
a) 搜索到中心視場的點像，記錄下此時defocus位置P0
b) 從P0 - 0.03位置開始攝取點像並計算MTF，假定step為0.01，測到P0 + 0.03。 （如果焦深很大，則P0兩側的defocus測定范圍也要相應的擴大）
7個defocus位置的MTF近似繪制MTF through focus曲線，設備軟件計算出peak位置，並移動物鏡對焦在peak位置上
如果測量的是mtf vs field(0~1.0field，step 0.1field)，那么接下來測量過程如下：
因為是點光源，所以T.S兩個方向一次全部計算出來了，各視場MTF連起來曲線如下:
這個過程同樣可以輸出mtf vs frequency如下：
如果要測量周邊視場的mtf through focus曲線，則每個視場都要重復步驟b。
1.0field T.S example
各defocus的MTF連起來即為下圖。
以上即為MTF實際測量的過程，原理很簡單。鑒於以上MTF及點像是鏡頭設計值輸出，下面輸出一組包含tolerance的數據。為簡化輸出，field設定+/- 0.8, +/-0.6, +/-0.4, center。
其MTF vs field數據如下，是顆很差的鏡頭，尤其是T方向差。
各視場MTF through focus數據如下：
從mtf through focus曲線看出，像面tilt是MTF NG的主要原因。以+/- 0.8F為例，我們看看through focus的點像如何。
從上圖很容易看出，Y軸方向代表T，-0.8field在defocus-0.01是Y方向光線匯聚最佳的，而+0.8field在defocus 0.02的時候Y方向最匯聚，但是X方向卻發散，意味着S方向在defocus +0.01匯聚最佳。要矯正+/- 0.8field，可以選擇傾斜sensor，使sensor image plane 正方向落在defocus 0.01mm位置，而負方向落在-0.01mm，此時系統擁有最佳的組合解析力。因此鏡頭的測試不僅可以鑒別鏡頭的質量也可以為成像系統的設計增加更多依據。
轉自：https://zhuanlan.zhihu.com/p/20735525
解析力（3）拍攝距離和對焦方法對SFR的影響
大多數的文章介紹了讀取MTF的曲線的規律。如下圖不同的曲線位置代表了實際成像在不同頻率下的清晰程序。這種讀的方法是科學。但是實際上SFR曲線和在實際的拍攝效果是否有具體的對應性?或者說日常的測試中SFR測試結果是否和實際拍攝有對應性呢？這個才是很多人所關心的。一直以來實際拍攝TV line和SFR的測試在很多時候是否能夠有對應性也是很多公司在想使用SFR之前的最關心的問題。有些公司在最開始使用的時候發現對應性沒有想象的好后來就停下來了。本篇文章主要是從拍攝距離和對焦方法上對SFR影響以及和TV line對應性上影響。
本文使用的全部是從手機模組取得RAW圖進行對比。排除了ISP處理和tuning對於解析力的影響。
在實際手機攝像頭客觀測試過程中，為了評價方法簡單，現在廠商不會去分析整個SFR的曲線而是單獨的調取1/4Nyquist,或者加上1/2 Nyquist頻率的數值。這樣沒有整個曲線更客觀，而且單獨一點的數值由於測試誤差可能會有小幅波動。但是從整體上來說，當模組的硬件確定了之后SFR曲線的下降斜率差並不大，因此這種測試方法一定程度上可以滿足現在的需求。不過相信隨着以后的發展肯定會有更精細的管控方法。
手機攝像頭模組由於模組的體積和進光量的影響。模組的邊緣視場的解析力會相對低於中心的解析力。目前大多數的手機制造廠在使用TV line測試解析力的時候都會測試邊角和中心的解析力。SFR的測試也是如此，現在大多數的SFR測試都是管控邊角不同視場和中心的SFR值。不過SFR和TV line在管控上面有些不一樣，一般SFR管控是某個位置是否過某個最低的值，而TV line則是極限能看到多少線。借用以前的圖，當某個頻率的SFR值低於一定的時候一般就無法分辨了。目前這個值多數情況認為是20，也有些文章介紹是15左右
首先介紹下目前的比較常見的TV line和SFR測試方法。
比較常見的手機攝像頭多數為4：3的最大分辨率。實際使用最多的ISO12233測試圖卡為16：9，現在多數的做法為拍攝三張圖片來評價中心和邊角。
但是這樣拍攝也會有問題當AF模組拍攝邊角的時候因為中心部分紋理對焦容易有問題。因此有的公司在實拍的時候會在中心左右貼一張有更多紋理的圖片。即使這樣，在評價的時候也很難判斷中心的對焦情況。相對更好的做法是專門根據ISO的樣子設計一張4：3的圖卡。這樣不僅可以減少實際拍攝的過程中的工作量，而且對焦的時候得狀態相對更好判斷。
這里介紹解析力的TV line拍攝，並不是我覺得TV line的拍攝方法很好。TV line的拍攝確實有很多問題。尤其使用ISO12233 chart，判別解析力的位置范圍過寬，中心位置的解析力從中心已經到了0.4視場，邊角的判別在0.6和0.8之前。能判別解析力的位置很少，沒辦法反應整顆模組在不同區域的解析力。但是在很多公司里面由於這些拍攝很直觀簡單，容易被接受，所以依然是使用最多的的主客觀測試的方法。
下面這張圖是一張比較常見的SFR測試塗卡。在對角線上分布着不同的傾斜黑色小方塊。通過取斜邊來計算SFR。
在這里需要注意的是我們測試SFR一般在電子成像上為了計算方便會選用H和V方向。這和數字圖像的存儲方式和計算有關。而且這個和TV line判定的豎直方向和水平方向是一致的，在看對應關系的時候這點也很重要。V方向的斜邊對應水平平行的TV line，H方向的斜邊對應豎直平行的TV line。
就和公眾號上Jerry中說的。每個模組在不同區域的H&V方向的SFR測試可能都不一樣。為了更准確的評價圖像的質量SFR的測試視場和位置也在增加。但是由於很多公司的原有測試人員還在習慣TV line的測試很多人就會有一個問題。SFR的測試結果和TV line是否能有對應關系。為什么我的模組拍攝的SFR 和TV line的對應關系不好？
在這邊文章里我們不討論SFR測試誤差控制不好的問題，因為控制好SFR測試的誤差是SFR測試的最基本一環。能夠影響SFR測試結果的准確的問題很多，如何減少誤差以后可以再分析。
在這里要說明的是一些常見的TV line和SFR拍攝距離和對焦的差異導致的TV line和SFR對應不上的情況。從定焦模組開始，在這里挑選了幾顆模組在兩個不同距離下H方向的SFR的差異。
從數據來看我們可以發現一顆模組在不同距離上的SFR值在變，而且不同位置上的值的高低對應關系也在變化。這多數是由於鏡頭和Sensor匹配后導致的焦點沒有落到sensor平面上導致的。由於SFR值都在變化，因此選取什么值作為和TV line進行比較呢？在這里拍攝距離就很重要了。
對於定焦模組測試的距離和實際拍攝距離決定了SFR和TVline的對應關系。只有相同拍攝距離才能同樣反應相同的清晰程度。比如你在40CM的距離下面拍攝的TV line沒有辦法很好的和60CM的SFR值進行匹配。下面是一些50CM測試SFR和TV line圖片的對應關系。
該邊角0.6視場H方向0.40 V方向 0.38 0.8視場 H方向0.24 V方向0.18
該邊角0.6視場H方向0.59V方向 0.39 0.8視場 H方向0.31 V方向0.23
該邊角0.6視場H方向0.37 V方向 0.47 0.8視場 H方向0.29 V方向0.34
50CM拍攝SFR的定焦模組在邊角部位的SFR和50CMTVline從整體數據來看。隨着SFR值得增大，圖像的清晰程度和TV讀數都有相對增加。
分析完定焦模組，接着來看自動調焦模組。
在分析之前，先看下AA(Adaptive alignment)的過程。AA其實就是利用SFR測試來分析邊角和中心的Through focus曲線，得到鏡頭和Sensor之間的角度偏差。通過矯正角度。使邊角和中心能夠在同時達到比較高的解析力。主要解決模組的tilt問題。
AA前的離焦曲線為
AA后的離焦曲線為
但是一顆模組在焦點附近的中心SFR值隨着馬達位置變化情況的SFR變化可能沒有這么大。而且H和V方向的變化也有不同
當前code值為530，當前SFR水平分數為67，SFR垂直分數為66
當前code值為532，當前SFR水平分數為67，SFR垂直分數為65
當前code值為534，當前SFR水平分數為66，SFR垂直分數為63
當前code值為536，當前SFR水平分數為64，SFR垂直分數為62
當前code值為538，當前SFR水平分數為63，SFR垂直分數為61
當前code值為540，當前SFR水平分數為61，SFR垂直分數為58
下圖是一個經過實際測試得到Through focus圖，可以注意到在定點處並不是一條光滑的曲線，且H和V方向的最高點也有一些差異。
因此如何選取中心對焦的判定方式和消除測試中的不穩定性就成為主要問題。為了SFR測試的准確性一般會采用最小二乘法之類的曲線擬合，並且取H和V方向的SFR值都較大的時候，以減少由於噪聲引起的對焦波動。但是在TV line拍攝的過程中的對焦方法一般是使用AF算法的評價函數計算focus value，多數的時候使用的是不同的濾波器來完成。這和SFR算法目前使用的中心對焦的方法和精度都有差異。因此兩者在對焦同一距離上實際上是存在一定差異的。如果這個差異控制的不好，根據離焦曲線我們可以看出，這會導致兩者在對焦位置和測試距離上的差異導致在有問題的模組在明明在這個位置上的SFR低但是拍攝出來的TV line卻在另外一個位置上有模糊的狀況。下面是最小二乘法的擬合過程。
那么拍攝距離對於SFR和TV line的對應是否有影響呢？我們先看下AF模組鏡頭的MTF模擬在三個距離的測試值。我們可以注意到10M和60CM的數據在0.6和0.8視場的SFR值關系很好。而10CM的SFR值在0.6視場有明顯降低。如果SFR和TV line都在 60CM到 10M間拍攝不會受到這個影響但是如果在10CM測試SFR在1M左右拍攝TV line從模擬數據上來看，對應關系應該不會很好。
下面是在1M拍攝的TV line圖和 10M拍攝的三個邊角的狀況
該邊角0.6視場H方向0.50 V方向 0.55 0.8視場 H方向0.27 V方向0.45
該邊角0.6視場H方向0.47 V方向 0.51 0.8視場 H方向0.28 V方向0.34
該邊角0.6視場H方向0.41 V方向 0.49 0.8視場 H方向0.29 V方向0.37
從定焦和自動對焦的模組來看。在相同的硬件下。如果拍攝距離和對焦算法控制的好SFR值得變化和TV line觀察值的變化還是成正向關系的。
從一定程度上來說管控鏡頭質量的情況下使用多個視場位置1/4Nyquist,或者加上1/2
Nyquist 頻率的數值，或者更詳細的SFR曲線分析可以管控模組的質量。但是如果需要分析解析力不良的原因是tilt，場曲或者是最大解析力不足，Through focus曲線更合適。
其實在模組測試過程中對焦的准確性和一致性和拍攝距離只是其中最基礎保證的一環。能夠影響SFR穩定性的環境因素很多，從外界環境，到拍攝參數的設置都有。只有所有的測試都能穩定，才能得到一個正確的測試結果。換一個朋友說過的一句話，大多數的測試手段都能夠在很大程度上解決大部分手機解析力的問題，關鍵在於執行的時候夠不夠細致。
轉自：https://zhuanlan.zhihu.com/p/37231857