企业官网建设流程全解析

简介：本资源是面向图像科学与光学工程领域研究者的ImageJ插件工具，专用于定量评估成像系统空间分辨率性能。它通过计算空间频率响应（SFR）即调制传递函数（MTF），支持分析至2倍奈奎斯特频率，适用于相机、镜头等光学设备的实验室级图像质量验证与科研对比。压缩包共含4个文件（14KB），包括核心可执行jar包、两个关键Java字节码文件（SE_MTF_2xNyquist.class及其内部Complex复数运算类）、原始Java源码（便于理解傅里叶变换实现逻辑）及标准META-INF元数据目录，结构精简、开箱即用。已有853人学习下载，用户可直接在ImageJ中加载运行，获取MTF曲线图；结合源码还可深入掌握SFR算法原理、自定义采样策略或适配特定靶标图像，显著提升光学测试的标准化与可复现性。 做图像质量评估的人，电脑里多半会存着几张斜边测试图，还有一个能算MTF的ImageJ插件。SE_MTF_2xNyquist.jar 就是这样一个藏在ImageJ生态里的工具包，专门用来从刀口斜边（slanted edge）图像里算调制传递函数，而且直接把可评估的频段推到2倍奈奎斯特频率。它解决的问题很具体：你有一张带有斜边的显微图像或相机分辨率测试卡照片，想量化这台成像系统在哪个空间频率上还有多少对比度、分辨率极限到底在哪，那么用这个JAR就能快速得到MTF曲线和关键指标。适合自己做图像质量实验室、做镜头评测、做显微成像系统验证的工程师，也适合刚接触MTF概念但不想从零写代码的学生。

如果你和我一样，之前习惯用Imatest或第三方软件做MTF分析，应该能理解这种小插件的价值——它不依赖昂贵软件许可证，直接在ImageJ里打开图像、框选区域、点两下菜单就出结果。这篇文章我会把SE_MTF_2xNyquist.jar从原理到实操、从参数设置到常见坑位全部过一遍，尽量把那些文档里不会写的细节也讲清楚。

1. 先搞清楚这个插件到底解决什么问题

1.1 什么是MTF，为什么做图像质量评估绕不开它

MTF全称是Modulation Transfer Function，调制传递函数。通俗点说，它描述的是一个成像系统对“明暗条纹”的传递能力。想象一下你拍一张黑白条纹卡，条纹从稀到密排列，稀条纹阶段黑白分明、对比度接近100%；随着条纹越来越密，每个条纹在传感器上占的像素越来越少，黑白之间的灰度差会逐渐变小，最终变成一片均匀的灰色。这个“对比度随空间频率下降”的关系，就是MTF曲线。

在成像系统评估里，MTF几乎是通用的语言。镜头厂商用它衡量分辨率，相机评测机构用它对比不同机身的成像锐度，显微成像领域用它验证物镜和光路是否达标。一个简单的判定逻辑是：MTF越高，说明系统在对应频率下保留的细节越多。而MTF曲线降到50%或10%时对应的空间频率，往往被用作“有效分辨率”和“极限分辨率”的参考点，这就是大家常说的MTF50、MTF10。

要算MTF，工程上有很多种方法：点光源法、狭缝法、随机纹理法，以及最普及的斜边法（slanted edge method）。斜边法的核心是用一个黑白交界的斜边作为目标，通过分析边缘扩散函数（ESF），求导得到线扩散函数（LSF），再做一次傅里叶变换，取模归一化后就是MTF。这个方法之所以成为主流，是因为它比点光源法更容易在实际场景中搭建：不需要一个直径几微米的高亮度点光源，只需要一个边缘锐利的刀口，任何打印出来的黑白边界、显微测试芯片上的金属边缘，都能胜任。

1.2 SE_MTF_2xNyquist.jar 的定位

这个JAR插件的名字把关键信息都写在脸上了：SE代表slanted edge，MTF代表它计算的目标，2xNyquist代表评估频段延伸到两倍奈奎斯特频率。在ImageJ生态里，MTF插件并不少，但很多插件只能输出到奈奎斯特频率为止，或者需要复杂的预处理步骤。SE_MTF_2xNyquist.jar 的思路更直接：打开一张斜边图像，框选出包含斜边的矩形区域，设置好像素尺寸等参数，运行后直接输出MTF曲线，同时给出奈奎斯特频率位置、MTF50、MTF10等参考值。

它的好处是你不用离开ImageJ这个环境。处理一批测试图像时，我可以把图像栈整体打开，循环跑插件，自动保存结果，整套流程可控性很强。而且对于没有商业软件授权的实验室，这套方案完全免费，代码逻辑是透明的，出问题还能自己改。

需要说明的是，不同地方流出的SE_MTF_2xNyquist.jar版本可能略有差异。有些版本基于ISO 12233标准实现，有些则针对显微镜应用做了调整，界面布局和输出字段不一定完全一样。我第一次拿到这个插件时，界面和网上的截图就对不上，后来发现是版本号差了一代，关键参数少了两个。这一点后面讲工具选型时还会再说到。

1.3 为什么是2xNyquist：分辨率尺度的边界感

奈奎斯特频率是传感器数字采样能力的物理边界，数值上等于像素尺寸倒数的二分之一，即f_Nyquist = 1 / (2 * p)。对于像素尺寸p=1微米的传感器，奈奎斯特频率就是0.5周期/微米。理论上，超过这个频率的信号会被混叠，变成低频赝像，所以很多人认为评估到奈奎斯特频率就够了。

但在实际图像质量测试中，只测到奈奎斯特频率往往不够。原因有两层：第一，许多成像系统带有光学低通滤镜和降采样处理，系统的响应在奈奎斯特频率之上仍有残余信号，这部分信号会影响混叠效应，也反映了光学系统的真实潜力。第二，在显微成像场景下，物镜的光学分辨率往往高于传感器采样率，系统处于过采样状态，此时有效的分辨率极限可能高于传感器奈奎斯特频率，测量到2倍奈奎斯特频率才能完整描述光学系统的截止特性。

所以SE_MTF_2xNyquist.jar把频率轴延伸到2倍奈奎斯特频率，本质上是为了让对方看到“光学端”的完整表现。我自己的使用习惯是：先看Nyquist处的MTF值判断系统是否锐利，再看MTF10对应的频率判断极限分辨率，最后才看曲线上有没有异常凸起，比如混叠峰或振铃。

2. 环境准备与工具选型

2.1 ImageJ/Fiji怎么选，Java版本要匹配

SE_MTF_2xNyquist.jar本质上是Java程序，运行在ImageJ的插件框架里。所以第一步是准备一个能用的ImageJ环境。如果你只是偶尔测几张图，官方发布的ImageJ 1.53系列就足够；如果你想同时用很多现代插件，做批量处理、机器学习分割之类，建议直接用Fiji，因为Fiji把一堆常用插件和依赖都预装好了，省得自己配。

Java版本是个容易踩坑的地方。ImageJ 1.x的经典版本内置Java 8，兼容性最好；新版Fiji如果搭载Java 17甚至Java 21，部分老JAR插件可能因为类库版本问题加载失败。SE_MTF_2xNyquist.jar如果编译时间较早，依赖的还是旧版ImageJ API，在Java 17环境里可能出现“NoClassDefFoundError”或“UnsupportedClassVersionError”。我的建议是先确认JAR包的编译版本，用文本查看器或反编译工具看MANIFEST.MF，再用java -version确认当前Java环境，必要时切换到Java 8运行Fiji，稳定性最高。

另外有一个让人很迷惑的细节：ImageJ的插件不一定非要放在plugins目录才能运行。你可以直接使用Plugins -> Install Plugin... 选择某个JAR文件，ImageJ会记住它，并在当前会话中加载。这个方法适合临时测试，但下次重启ImageJ后插件入口可能消失，所以正式使用还是建议放进plugins目录，与插件名保持一致。

2.2 把JAR插件装载进ImageJ的3种方式

第一种方式最简单，把下载好的SE_MTF_2xNyquist.jar直接复制到ImageJ安装目录下的plugins文件夹中，重启ImageJ，插件就会出现在Plugins菜单里。如果插件自带菜单宏，可能出现新的子菜单项；如果插件没有继承PlugIn接口，可能需要通过Plugins -> Macros -> Run... 手动调用入口类，这种情况较少，但遇到过。

第二种方式是临时加载：Plugins -> Install Plugin...，对话框里选择你的JAR文件，ImageJ会弹出提示告诉你插件已经安装。这种方式对定位问题很有用，因为你可以加载一个JAR后立即测试，如果报错说明依赖缺失，换成其他版本再试。

第三种方式适合开发者：把这个JAR放进Fiji的plugins目录后，在Fiji的脚本编辑器中用Java调用插件类。比如有插件入口类SE_MTF_2xNyquist_，你可以通过IJ.runPlugIn("SE_MTF_2xNyquist_", args)来强制执行，这样在批量宏里就能控制参数和输出路径。相比手动点按钮，这种方式可重复性更强。

2.3 怎么快速确认JAR包有没有被加载成功

加载完插件后，最快的验证方式是看ImageJ菜单里是否出现了对应入口。如果菜单里没有任何变化，可以在ImageJ的日志窗口（Window -> Log）里看有没有报错信息。常见的失败原因是JAR包和当前ImageJ版本API不兼容，或者JAR包内class文件版本过高。

想看更底层的信息，可以用反编译工具配合JAR读取工具。比如用JD-GUI或CFR反编译JAR，查看MANIFEST.MF中Main-Class、插件入口类名，确认类文件编译版本是Java 8还是Java 11。另外一个非常实用的小技巧是直接在命令行用jar tf SE_MTF_2xNyquist.jar列出JAR内容，看看有没有.class文件、图标资源和配置文件，这个命令不依赖任何GUI工具，在Windows、macOS、Linux上都有，几秒钟就能判断JAR包是否完整。

我检查插件时还有一个土办法：把JAR拖进压缩软件里打开，能直接看到com/xxx/... 这样的目录结构。如果主类名带下划线后缀，比如SE_MTF_2xNyquist_，这基本说明它是按ImageJ插件规范写的，可以放心安装。

3. 斜边法测MTF的核心细节与实操要点

3.1 斜边法原理：为什么不用点光源和狭缝

很多人第一次接触MTF测量时会想：为什么不直接用点光源，测一下点扩散函数，再做傅里叶变换，不是更直接吗？理论上确实如此，但实际操作中，制造一个足够小、亮度足够高的点光源非常困难。点光源的尺寸如果大于一个像素，相当于给PSF叠了一层低通滤波，测出来的MTF会被严重低估。狭缝法同理，需要极其精密的机械加工和光学对中。

斜边法则绕开了这个难题。一条斜边在空间上的边缘位置是亚像素级的，即使像素网格是离散的，通过倾斜边缘，可以在不同行获得不同相位的边缘采样，从而重建出平滑的ESF。这个过程叫“过采样”，等效于用一个比实际像素更密的计算网格去逼近边缘响应。然后对ESF求导，就得到LSF，再对LSF做FFT，得到的就是MTF。这种方法的优势是：目标容易制备、不要求对中、能承受一定程度的边缘粗糙度，是ISO 12233标准推荐的做法。

需要特别说明的是，斜边角度不能太小也不能太大。角度太小，每行边缘位移量很少，过采样倍率夸张但实际ESF容易受噪声影响；角度太大，等效过采样率不足，反而可能丢失亚像素信息。实践经验是5到10度最佳。我经常用一个简单办法检查：把图像放大到像素级，看边缘是否在每一行都略有平移，如果平移太均匀但幅度很小，说明角度太接近水平了。

3.2 拍一张“能算出MTF”的图：样本、照明、对焦的讲究

插件能不能算出理想结果，一半取决于图像质量。MTF分析对图像的敏感度超乎大多数人的直觉，哪怕是很小的对焦偏差，都会导致曲线整体下移。所以实操的第一步不是跑插件，而是确认原图是否具备分析条件。

首先是目标选择。最低限度是一条黑白边界明显的斜边，边界上不能有反光、污点、印刷模糊。如果是打印的测试卡，建议用激光打印或专业胶片输出，喷墨打印的边缘羽化会把MTF拉低。如果是显微镜测试样品，可以用定制的分辨率芯片，上面有金属铬边缘，边缘陡峭程度远高于打印图案。

其次是照明。斜边两侧的灰度要均匀，亮度中心区域不能过曝。我习惯先把直方图拉出来看一下，确保高光侧和暗光侧的灰度分布都在有效范围内，而不是把直方图推到0或255上。因为MTF计算依赖边缘处的对比度，过曝会让边缘饱和，产生假性锐利或振铃。

最后是对焦。电子取景辅助可以放大到100%再对焦，微调对焦环直到边缘最锐利。一个不严谨但很实用的经验：当我连续拍三张图，MTF50的偏差在2%以内时，基本可以认为对焦是稳定的。如果偏差超过5%，多半是景深不够或震动造成的，需要重新调整。

3.3 插件界面参数解读与关键设置

不同版本的SE_MTF_2xNyquist.jar参数稍有差别，但核心参数比较接近。启动插件后一般会要求你先选择一个矩形ROI，这个ROI要完整包含斜边区域，且两边各留出足够的均匀灰度区域。ROI太小会导致过采样点数不足、MTF曲线噪声很大；ROI太大则可能包含非均匀区域，影响边缘定位精度。

进入参数对话框后，有几个关键项必须理解：

• Pixel Size（像素尺寸）：传感器单个像素的实际物理尺寸，单位通常是微米。这个值直接影响空间频率轴的单位，如果填错，所有频率值都会失真。像素尺寸可以从相机规格中找到，也要考虑物镜放大倍率的影响，此时有效像素尺寸 = 传感器像素尺寸 / 放大倍率。
• Edge Angle（斜边角度）：有些版本会自动检测边缘角度，有些版本需要手动填写。手动填写时要注意填写的是斜边相对竖直方向的角度，而不是相对水平方向，填反了结果会完全不对。
• Oversampling Factor（过采样倍率）：由ROI宽度和边缘角度共同决定，等效采样间距越小，MTF频率范围越高。一般不推荐手动调整，除非你明确知道自己在做什么。如果ROI太窄，这个值会被迫变小，导致频率范围不足，曲线可能在到达2xNyquist之前就提前截止。
• Output Type：选择输出MTF曲线、保存CSV数值或两者都要。通常我建议选“曲线+CSV”，因为CSV可以后续做统计分析，曲线用来快速目视检查。

3.4 输出结果：MTF曲线、MTF50/MTF10、截止频率怎么看

插件运行后，会弹出MTF曲线图，横轴通常是空间频率（周期/毫米或周期/微米），纵轴是MTF值，范围0到1。曲线上往往会画一根竖线，标记奈奎斯特频率的位置。如果你的图像是过采样状态，曲线会延伸到1倍奈奎斯特频率之后，直到2倍奈奎斯特频率附近，这正是SE_MTF_2xNyquist.jar的核心价值。

解读时我习惯按这个顺序来：

第一眼看曲线形状。正常的MTF曲线应该是平滑单调下降的，低频处接近1，高频处逐渐趋近0。如果曲线在某个频率突然上扬，可能是混叠信号或图像处理痕迹；如果曲线在低频就低于0.6，说明系统整体对比度偏低，不一定是分辨率问题，也可能是照明不均匀或边缘对比度本身不足。

第二看MTF50。MTF50表示系统保留50%对比度时的空间频率，是“有效锐度”的直观指标。对比不同镜头或不同对焦位置时，我优先看这个数值。

第三看MTF10。MTF10通常被视为极限分辨率的实用替代值，低于这个频率的细节肉眼基本无法辨认了。如果MTF10正好落在1倍奈奎斯特频率附近，说明系统采样率匹配得还不错；如果MTF10远低于奈奎斯特频率，说明光学分辨率没有完全发挥传感器的潜力。

4. 从测试卡到报告：一次完整的操作流程

4.1 具体操作步骤（以显微镜物镜MTF为例）

下面我用一个显微镜场景演示完整流程。假设我在测一个10倍物镜的MTF，传感器像素尺寸是3.45微米，图像是2048x2048的灰度TIFF。目标放在载物台上，是一个有斜边图案的测试芯片。

第一步，预览图像并选择ROI。在ImageJ里打开TIFF后，按快捷键Ctrl+Shift+R创建矩形选区，把斜边夹在中间，左右两侧的均匀区各占约四分之一。ROI宽度我一般控制在200到400像素，高度至少100像素。宽度太小会导致边缘延长数据不足，最终曲线噪声大；高度太小则行数不够，同样会引起曲线抖动。

第二步，对ROI区域做预处理。我通常会先执行Process -> Enhance Contrast -> Normalize，把灰度拉伸到全动态范围。这一步不是必须的，但如果原始图像亮度偏低，MTF曲线在高频段会显得噪声很大。注意不要用Sharpen或Unsharp Mask，任何锐化操作都会改变MTF的真实值。

第三步，运行插件。Plugins菜单里找到SE_MTF_2xNyquist，选择“SE_MTF_2xNyquist”入口。如果菜单里没看到，可以打开宏编辑器（Plugins -> Macros -> Edit...），输入run("SE_MTF_2xNyquist");执行一次，看是否报错。

第四步，填写参数。先填Pixel Size：这里要填的是“有效像素尺寸”，因为10倍物镜会把传感器像素投影到物方，所以有效像素尺寸 = 3.45微米 / 10 = 0.345微米/像素。注意物镜的实际放大倍率往往不是标称的10倍，最好用标尺图像标定过的实际值。如果填0.345，频率轴单位就是周期/微米，奈奎斯特频率约1/(2*0.345)≈1.449周期/微米。插件如果支持自动检测边缘角度，就让它自动检测；不支持就手动填上一个接近实际角度，比如7度。点击OK，等待输出。

第五步，检查输出。曲线弹出后，我会看奈奎斯特频率处的MTF值是否在合理范围，MTF50和MTF10是否平滑。如果曲线在末端有明显噪声，说明ROI宽度不足，可以回到原图重新选大一点区域再跑一次。

4.2 批量处理多组图片的小技巧

如果只有一张图，手点菜单没问题。但实际做镜头评估时，我经常一次拍几十张不同对焦位置、不同光照条件下的图，这时候手点就太慢了。ImageJ的宏功能可以帮我们做批量处理。

一个最简单的宏思路是：

// 批量运行SE_MTF插件 dir = getDirectory("选择图像目录"); list = getFileList(dir); for (i = 0; i < list.length; i++) { if (endsWith(list[i], ".tif")) { open(dir + list[i]); run("Select All"); // 假设插件使用当前ROI，先选定整个图像 run("SE_MTF_2xNyquist"); // 等待结果窗口出现后保存，需要根据实际窗口名称调整 saveAs("Results", dir + "MTF_" + list[i] + ".csv"); close(); } }

这里有几个细节要注意：如果插件弹出了参数对话框，宏运行时会停住等待手动确认，所以无法全自动。如果插件支持调用时传参数，可以在宏里写run("SE_MTF_2xNyquist", "pixel=0.345 angle=7")这样的字符串，前提是参数名和插件内部定义完全一致。这个方法需要你查看插件的源码或已保存的参数宏记录来确认。

批量处理的另一个选择是写Python脚本，用pyimagej库调用同一个JAR。这样能更好地控制线程和文件路径，适合在服务器上跑，但配置成本也更高，不太适合新手。

4.3 生成和导出结果报告

插件输出结果通常是两部分：一张MTF曲线图像和一个数据表。数据表我经常直接保存为CSV，然后用Excel或Python做后续分析。有几个字段是必须留意的：空间频率、MTF值、奈奎斯特频率、MTF50、MTF10。如果CSV里没有MTF50和MTF10，你需要自己在数值表里找最接近0.5和0.1的频率点，或者做插值估算。

另外，MTF曲线图也可以直接用于报告。在ImageJ里，曲线图通常是个独立的Plot窗口，你可以用File -> Save As -> PNG或TIFF导出，也可以右键复制到剪贴板放进实验室报告。为了保证可追溯性，建议在同一张图里标注测试条件：镜头型号、光圈、像素尺寸、灯源色温、ROI位置。这些信息可以写在ImageJ的Overlay文字里，也可以导入CSV文件名。

我自己的习惯是每次测试生成一个文件夹，里面包含原始图和对应的CSV、PNG曲线图，文件名带上参数标签，比如MTF_10x_Aperture5.6_Ang7.csv。这样几个月后翻记录，不用打开原始图像也能快速重现整个测量过程。

5. 踩坑记录：常见报错、原因和对应处理

5.1 加载JAR常见异常及处理

插件加载失败是使用JAR类插件时最常遇到的一类问题，而且报错往往不直观。最典型的几类如下：

排查时有个很实用的方法论：先分清楚是“没加载”还是“加载了但运行出错”。如果菜单里根本没有入口，属于前者；如果菜单有入口但点击后没反应或报错，属于后者。两者的排查路径完全不同。

我用过一个方法，把JAR包里的class文件解压出来，用javap -c className查看字节码，能确认插件是否引用了某个不存在的类文件。这个方法虽然有点硬核，但在面对依赖问题时很有效。如果你不熟悉javap，也可以用JD-GUI或CFR做图形化反编译，操作更直观。

5.2 结果异常排查速查表

即使插件正常跑了，输出的MTF曲线也可能出现各种“看起来不对”的情况。下面是我整理的一套排查速查表：

遇到结果异常时，我的一条长期经验是：不要急着调参数，先把原始图和ROI区域截图放大看一下。很多问题的根源在图像本身，比如斜边边缘有一条细线状污渍、ROI边界压到了另一个高对比物体，这些细节在缩略图里根本看不见。把边缘区域放大到200%到400%，绝大多数异常都能找到视觉线索。

5.3 几个容易被忽略的经验点

最后分享几个我在实际使用中总结出来的、不太写在文档里的经验。

第一，关于斜边方向。如果可能，让斜边稍微倾斜而不是完全水平或垂直。完全水平或垂直的斜边与像素网格对齐，会失去过采样优势，MTF计算时会退化成普通边缘方法，频率范围也达不到2xNyquist。倾斜角度5到10度的目的，是让边缘跨越多个行时产生亚像素位移，从而重建出更高频的信息。

第二，关于色彩图像。如果输入的是RGB彩图，最好先转成灰度图再测MTF。直接对RGB图像运行插件，有些版本会自动取亮度通道，有些版本会报错。理论上，不同通道的MTF可能有细微差异（因为色差），但常规测试里我们更关心亮度通道的综合表现。转换方法：Image -> Type -> 8-bit。

第三，关于JAR包来源。网上同一个插件版本可能被不同人重新打包，有的会在MANIFEST里添加额外依赖，有的甚至混入无关类，导致运行行为不一致。我拿到一个不熟悉的JAR，第一件事是用jar tf列出内容，再用反编译工具看入口类源码，确认没有可疑的代码逻辑。这样既能了解插件是否适合当前图像类型，也能避免运行到来历不明的第三方代码。

第四，关于“2xNyquist”这个特性。如果你发现输出曲线的频率轴不是2倍于奈奎斯特频率，先别急着怀疑插件出错。频率范围受限于过采样倍率，而过采样倍率与ROI宽度和斜边角度相关。如果想分析到2倍奈奎斯特频率，ROI的宽度必须足够大。以10度斜边为例，达到2倍奈奎斯特频率需要至少约20个像素跨度的过采样窗口，边缘两侧还要留出用于拟合的均匀区。所以，ROI宽度低于100像素时，曲线末端很可能达不到2倍奈奎斯特频率，这不是插件缺陷，而是数学上的必然约束。

6. 从工具到方法：一点额外的思考

很多时候，大家把一个JAR插件当成了“黑盒”，输入图像、输出指标，但中间发生了什么并不清楚。SE_MTF_2xNyquist.jar的价值恰恰在于它把MTF从“商业软件里的按钮”变成了“能看见每一步过程的代码”。因为JAR包反编译后能看到算法细节，你可以自己验证斜边角度检测逻辑、边缘拟合方法、频率轴归一化方式，甚至根据自己系统的特点做二次开发。这一点是我自己特别看重的：当我需要向别人解释“为什么这个MTF值是0.38”时，我能把每一步计算的依据讲清楚，而不是只说“软件算出来的”。

而且，用ImageJ加JAR插件还有一个额外的好处：整个流程直接嵌入到科研数据的处理链条里。比如我用显微镜拍了一组细胞图像，先做分割、统计，再对同一系统的标定卡做MTF分析，两者可以在同一个软件生态里完成。关联性做得好的话，图像质量的变化可以和实验数据直接对应起来。

我自己现在的工作流基本稳定为：用Fiji加载SE_MTF_2xNyquist.jar，做一个固定的宏批处理，每次测试后自动输出CSV和曲线图，配合一个简单的Python脚本汇总所有测试点的MTF50变化趋势。这套流程一旦搭好，后续只需要重复拍图、跑宏，结果自动归档，效率比手动操作提升了不止一个量级。如果你也经常和分辨率测试打交道，我建议你花点时间把这个插件研究透，不要只停留在点菜单的阶段——把JAR包反编译出来、把参数背后的计算逻辑弄懂，这对你理解和评估一套成像系统会有很大帮助。

本文还有配套的精品资源，点击获取