使用分辨率测试卡检测相机性能时，调节手机摄像机的光学元件的空间的限制，会发现手机相机的数据图像发生相当大的变化。其实这一点也不奇怪，这是因为相机中心到边缘平均信号均匀性，清晰度和噪声的典型性能通常类似于DSC的变焦镜头的最宽设置。图1是在均匀曝光下手机相机分辨率测试卡拍摄示例。作为一般规则，我们建议成像性能标准明确地解决这种变化。

图1：手机摄像机（绿色记录）均匀场的图像示例。轮廓标签显示保存文件中的分数级别，其中参考值为246.3（8位编码）。

该示例还用于说明在传送成像性能时硬件和软件之间的连接。由于无法对这些成像产品的子系统设置进行控制，因此我们只能观察到净效应。考虑具有图1光学衰减特性的相机，在保存数字图像文件之前，已经有可以补偿可预测特性的产品，例如图像处理中的这些特征。补偿是应用于分辨率测试卡检测到图像数据位置相关时补偿增益或校正矩阵的形式。通过这种补偿，却放大了输送图像中像素到像素的图像噪声，特别是在积极地进行校正时。效果1,2代表错误传播的特殊情况。如果x是输入图像阵列（N x M），g是补偿增益矩阵，则可以写入均匀性校正，

yij = gi, j xi, j , where i = 1, ..., N and j =1, ..., M .

(1)

如通过标称均匀曝光的像素到像素标准偏差所描述的图像噪声被变换

σ y = gi, jσ x ,

(2)

其中σx，σy是用来描述位置（i，j）处或附近的图像噪声。在这种情况下，补偿要求修正增益，在帧边缘附近g = 1.66（1 / 0.6），其将图像噪声放大相同的因子。该示例用于说明某些类型的相机内图像处理如何预期引入需要被并入到手机相机的成像性能标准中的图像内变化。

分辨率测试卡还提供了基于倾斜边缘图像特征分析的ISO方法3,4是边缘梯度分析的一个特殊情况。边梯度法的基本步骤如图1所示，其中输入是对高质量边缘特征的系统响应。对于数码相机或扫描仪，这将是边缘或场景对象的打印测试对象的数字图像。从边缘图像中，需要估计图像转换的边缘扩展函数。 从该边缘轮廓，通过估计一阶导数来找到线扩展函数。 该函数的计算傅里叶变换的模量，在缩放之后，是测量的空间频率的归一化信号调制函数。 这就是2014版ISO分辨率测试卡标准中要求的空间频率响应（SFR）检测。

 

通常，输出调制（SFR）除以相应的输入边沿（测试目标）调制，逐频率，以产生测量的系统MTF。当不考虑输入边缘调制时，分辨率测试卡测量的模量仍然可以提供相对于输入目标边缘和其他相关操作条件的有用测量。我们将符合标准的参考单输出调制，归一化为零频率下，作为空间频率响应（SFR）的单位。该比率将被称为估计或测量的MTF。由于该标准不需要对输入目标调制的补偿，所以不能将SFR称为MTF。 然而，在这一点上的区别对于扫描仪而言通常比数码相机更重要。

区分SFR和MTF的第二个原因是因为有几种建立的MTF测量方法。MTF长期以来一直用于描述光学和照相系统中的图像信号传输。基于边缘特征，周期信号，随机噪声和其他信号等几种已经开发了的测量方法。在理论上，这些方法中的每一种可以产生相同的结果。然而，数字成像技术的实际方面，包括图像采样，信号量化和图像处理，导致各种方法的结果之间的差异。每个方法的细节和测量变化的来源都超出了这种处理，每种方法可以说是提供MTF的一种估计值。也就是说，当收集足够的数据时，样本均值接近固定随机过程的平均值。当以这种（统计）方式观察时，我们得出结论，几种测量方法提供有用的SFR评估，但没有提供MTF。

上述情况是采用指定测试方法，术语定义和分析程序的国际标准的相当普遍的原因。 ISO 12233分辨率测试卡基于倾斜边缘特征的SFR分析指定了用于评估数字相机分辨率的特定方法的情况。