机器视觉里，光学到底在忙什么？

同样一套相机和算法为什么有人拍得清清楚楚你却只拍到一片白很多机器视觉项目输在的不是模型也不是相机而是光学没有被真正设计。光一旦没打对后面的识别、定位、测量都会被拖进泥潭。在工业机器视觉里我们经常遇到这些问题该亮的区域不亮。该黑的地方不黑。边缘发虚。细节被高光盖住。整张图像灰蒙蒙一片。这时候第一反应往往是调曝光、换镜头、改算法。但很多时候真正的问题是光没有按你希望的方式进入相机。今天就从机器视觉的角度把几个常见但非常关键的光学现象串起来散射、反射、透射、吸收、衍射。看懂它们你会更容易理解为什么有些图像天然好处理。为什么有些图像怎么调都别扭。为什么一个光源角度就能决定检测成败。01 散射图像发灰很多时候是光“走散了”散射可以理解为光在传播过程中“走歪了”。当光经过不均匀介质时比如雾气、粉尘、油污、粗糙表面、磨砂材料原本应该直线传播的光会被颗粒、凹凸结构不断改变方向。这些偏离原路径的光就是散射光。在机器视觉图像里散射经常表现为有雾、有油、有粉尘时图像整体发灰。对比度下降黑不下去白也不够干净。表面变得更“柔”边缘不再锐利。磨砂、粗糙材料上光线不再集中而是被打散。散射并不一定是坏事。关键看你要什么。如果目标是获得柔和、均匀的照明散射反而很有价值。比如使用扩散板、磨砂罩就是有意识地增加散射让光变得更均匀、更不刺眼。但如果你要的是高对比、硬边缘、清晰轮廓散射就可能成为干扰源。环境中的雾气、油污、粉尘、杂散光都可能让图像变得“灰”和“软”。一句话想要均匀可以利用散射想要锐利就要控制散射。02 反射高光、白斑、细节丢失的根源之一当光照到两种介质的分界面上比如空气到金属、空气到玻璃一部分光会返回原来的介质。这就是反射。在机器视觉里反射是最常见、也最容易“折磨人”的现象之一。因为不同表面对光的反应完全不同。大体可以分成三类镜面反射、漫反射、方向反射。镜面反射亮得很明显也最容易挡住细节镜面反射通常发生在光滑表面。比如抛光金属、玻璃、油亮表面。这类表面会让反射光非常集中。光怎么入射就会按照相对明确的方向反射出去。它的优势是亮度高。但问题也很明显容易产生强高光。容易过曝。容易出现白斑。容易把缺陷、纹理、边缘全部盖住。在金属件检测、玻璃检测、油亮包装检测中如果光源角度没有设计好相机看到的可能不是产品细节而是一片刺眼的亮斑。这时候再强的算法也很难发挥。因为相机没看到算法就无从判断。漫反射更适合看清纹理和缺陷漫反射通常发生在粗糙表面。当光照到凹凸不平的表面上每一个微小凸起都像一个小镜面把光反射到不同方向。结果是图像亮度更均匀。高光更少。表面纹理更容易呈现。缺陷更容易被相机捕捉。所以在很多工业检测场景中我们会主动利用漫反射。比如使用漫射光源。比如增加白色漫反射背景。比如让光线变得“平而不刺眼”。对于机器视觉来说好的光不一定要亮。更重要的是该突出的地方突出该压下去的地方压下去。方向反射真实工业现场最常见的情况现实中的材料往往不是纯镜面也不是纯漫反射。更多时候它们介于两者之间。这就是方向反射也叫非朗伯反射。它的特点是各个方向都有反射光。但某些方向会明显更亮。角度稍微变化图像效果可能完全不同。很多塑料件、喷砂金属、涂层表面都属于这一类。这类材料最考验现场调试能力。你需要通过调整光源角度、相机角度、安装位置让有用的反射进入相机让干扰性的眩光避开相机。机器视觉调光本质上不是“把现场照亮”。而是控制哪些光能进相机哪些光必须挡在外面。03 透射与吸收光能不能穿过去决定你能不能看见轮廓当光照到透明或半透明材料上比如玻璃、滤光片、薄塑料会同时发生几件事一部分光被反射。一部分光被材料吸收。一部分光透过材料到达另一侧。这里就涉及两个概念透射光经过折射后从物体另一侧出来。吸收光被材料“吃掉”能量转化为热等形式。在机器视觉里透射和吸收非常实用。典型应用包括背光成像。把光源放在被测物后方通过透射形成轮廓、孔洞、外形边界。很多尺寸测量、孔位检测、轮廓检测都依赖这种方式。滤光片。让特定波长的光通过把不需要的环境光压下去提高图像信噪比。颜色和明暗识别。材料呈现什么颜色本质上与不同波长光的吸收、反射比例有关。某些波长被吸收得多某些波长反射或透射得多相机看到的颜色和亮度就会不同。所以面对透明、半透明材料不要只问“怎么照亮”。更要问哪些光会穿过去哪些光会被吃掉哪些光会反回来04 衍射在高精度场景里光并不总是老老实实走直线衍射指的是光在传播过程中遇到障碍物或小孔时会出现“绕过去”的现象。它会让光偏离理想的直线传播也会让阴影边界不再绝对锋利。在普通工业视觉项目中衍射的存在感可能没有反射、散射那么强。但在一些高精度场景里它非常关键。比如微小结构检测。精密光栅成像。显微成像。细小孔、细线、微结构测量。在这些场景中衍射会影响分辨率极限。细线和小孔的成像形态。边缘是否清晰。是否出现条纹、干涉条带等现象。当测量精度要求越来越高光的“绕行能力”就不能再被忽略。因为你看到的边缘未必就是几何意义上的真实边缘。05 机器视觉不是只看算法而是先让相机“看对”回到最核心的问题这些光学现象跟机器视觉有什么直接关系答案很简单光如何散射、如何反射、如何透射、如何被吸收、如何发生衍射最终决定了相机到底能不能看清目标。机器视觉的第一步不是识别。而是成像。成像质量不好后面所有算法都会变得被动。落到实际项目中光学设计至少会影响三件事。第一选光源。用背光、环形光、条形光还是同轴光要让光更柔和还是更有方向性要压高光还是要突出轮廓第二选辅助材料。是否需要扩散板是否需要滤光片是否需要偏振片是否需要更换背景材料这些选择都会直接改变相机接收到的光。第三选角度。相机与光源的空间关系决定了你看到的是镜面高光还是漫反射细节。很多项目不是缺设备也不是缺算法。而是光源、相机、物体三者之间的角度没有被真正设计。最后说一句机器视觉里的光学不是课本上的抽象概念。它就在每一次过曝里。就在每一片白斑里。就在每一张发灰的图像里。也在每一个稳定、清晰、容易处理的好图像里。真正可靠的视觉方案往往不是先问“用什么算法”。而是先问相机到底能不能看到该看的信息光打对了图像就有了基础。图像对了算法才有空间。算法有效了系统才有稳定性。机器视觉项目里光学不是配角。它常常是决定成败的第一步。1. 你在项目中遇到过“算法怎么调都不稳最后发现是光源问题”的情况吗欢迎在评论区聊聊。2. 你觉得机器视觉调试中最难处理的是高光、阴影还是透明材料留言说说你的现场经验。3. 如果你正在做视觉检测项目可以把这篇转给团队里的光源、相机、算法同事一起看。光学打好了后面会省很多事。