环形光源斜斜打在精密电路板上，几块几乎无法用肉眼区分的色块在显示屏上突然界限分明，技术人员长舒一口气——这已经是今天调试的第七个检测工位。
几个老工程师在机器视觉行业摸爬滚打多年，他们最清楚工业相机测对比度这件事情的痛点在哪里：一方面，得让机器“看清楚”那些连人眼都费劲的细微差异；另一方面，还必须在产线上稳定运行，不受环境光变化的影响。
工业相机测对比度不只靠相机本身，而是一整套从光源到镜头再到图像处理算法的系统工程。
在机器视觉检测系统中，图像质量直接决定了最终的检测精度。图像如果模糊不清、对比度低下，即使搭配再高级的软件算法，也难免出现漏检、错检的情况-7。
好的图像能让缺陷特征一目了然，就像黑夜里的明灯一样显眼。这种对比度不仅能凸显缺陷，还能抑制不必要的背景干扰。
在视觉检测中，获取高对比度图像的核心目标很简单：凸显缺陷、抑制干扰。这听起来简单，但在实际工业场景中却充满挑战，因为不同的缺陷类型需要不同的成像策略。
例如表面划痕、凹陷、凸起这类缺陷，通常选用低角度环形光源，让光线水平照射目标，在缺陷处形成明显的阴影-7。而印刷模糊、色差、标签错位这类问题，则需要同轴光源，使光线垂直照射后沿原路返回相机，最大程度减少反光，还原色彩细节-7。
光源在工业视觉系统中扮演着“第一道关卡”的角色。天津大学的一项研究搭建了具有彩色照明光源和工业彩色相机的视觉测量系统，专门研究了如何提高检测目标的图像对比度-1。
他们的研究重点是彩色视觉测量，相比传统的灰度视觉方式，彩色视觉具有更丰富的信息，但在工业应用中仍然较少-1。
研究人员提出了一种间接照明的光源照明方式，利用多波段的LED阵列与高漫反射率的半球形内表面实现均匀照明-1。
这可不是简单的灯光秀。他们根据LED的朗伯体特性和高漫反射表面的双向分布函数，构建了光源的数学模型，通过实测均匀度以及实拍的图像，论证了理论模型的正确性与混光性的实现程度-1。
工业相机测对比度的核心难题之一是光源的色度学特性。通过与标准D65光源对比，研究人员发现三基色分量R:G:B=254:237:90时的色温和色度坐标最接近于D65光源，此时的颜色显现能力最好-1。
相机和镜头的选择直接影响工业相机测对比度的效果。经常有新手工程师问：“选相机像素是不是越高越好？”
其实不然，选择像素的核心是分辨最小细节。有个计算公式值得记住：像素尺寸=检测视野÷相机像素数-7。选择对应像素的工业相机既可以精准查缺陷，避免像素不足丢失细节，又能降低算法处理难度-7。
快门类型也是门学问。对于运动目标，应当选择全局快门，一次性捕捉全画幅；而静态目标，可以选择卷帘快门，成本比全局快门低，适合成本敏感场景-7。
在感光芯片方面，主流CMOS芯片动态范围高、噪声低，在明暗对比强的场景下，能同时保留亮部与暗部细节，不会出现过曝、欠曝的情况-7。传统CCD芯片在低光环境下噪声大，采集的图像中容易出现雪花点，干扰缺陷识别-7。
镜头方面，分辨率匹配是基础。镜头分辨率必须≥相机像素对应分辨率，否则拍出的图像容易丢失微小缺陷细节-7。通常还需要留出20%余量，防止镜头衰减导致的分辨率不足-7。
工业相机测对比度的实际操作中，参数调整是决定成败的关键。增益参数决定了CCD输出信号的放大程度，可以手动或自动调节这一参数，对输出信号进行放大以增加对比度-3。
但过高的增益会导致图像杂乱，影响检测效果-3。这一点新手尤其要注意，别总想着“增益拉满”。
曝光时间也很关键，它决定了芯片受光时长：曝光时间过短会导致光线不足图像暗，丢失缺陷细节；曝光时间过长则会导致细节部分过曝-7。
调试时可以先设定预估的中间值，图像偏暗就增加20%，过曝就减少20%，直至亮度均匀、缺陷与背景灰度差达到最大-7。
补偿参数常被忽视，这一补偿将被加入CCD的输出信号，可以通过手动或自动方式调节-3。加入补偿将提高所有的灰度级，使图像看起来更明亮-3。
伽玛参数则可增加或减少中间灰度级，用于补偿显像管的非线性特性-3。
现代工业视觉系统离不开强大的软件支持。VisionPro软件中的CogIPOneImageTool1工具就专门用于对单张输入图像执行像素级的预处理操作-5。
这些操作包括亮度调整、滤波降噪、形态学处理、几何变换等-5。它是图像预处理流程的核心工具之一，作用是优化原始图像的质量，为后续的检测、测量、分析工具提供更清晰、更易处理的图像数据-5。
在亮度/对比度调整方面，该工具提供了加/减常量、乘以常数、像素映射、量化、均衡等多种操作-5。均衡功能尤其有用，它基于图像的灰度直方图，将原本集中在某一区间的灰度值，均匀拉伸并重新分配到0~255的全灰度范围-5。
通过调整每个灰度值的像素占比，实现自动增强图像对比度的基础运算-5。这对于处理过暗或过亮、灰度集中的图像特别有效-5。
卷积操作则是图像滤波与特征提取的核心算子。通过不同卷积核的选择，可以实现均值核、高斯核、拉普拉斯核、Sobel核等多样化效果-5。这为工业相机测对比度提供了更多技术手段。
工业相机测对比度在实际应用中会遇到各种意想不到的挑战。大视场光学系统中，就不可避免地会发生像面照度不均匀的现象，表现为中心照度的亮度大于边缘照度，进而导致中心与边缘视场的对比度测量基准不同-4。
根据朗伯定律，像面照度按轴外角的余弦4次方的比例减少-4。实际上，由于渐晕现象，边缘照度还会更低。使用广角和大口径镜头时，视场角更大，这一现象特别明显-4。
为了解决这个问题，有研究者提出了新的对比度测试方法。通过获取待测试区域的边缘视场在理想状态下的区域对比度、中心视场在理想状态下的对比度以及待测试区域的边缘视场在实际情况下的区域对比度，然后计算得出最终对比度值-4。
这种方法能够排除各区域亮度不均匀性对对比度的影响，提高测试准确性-4。对于VR、MR、AR等大视场角图像播放设备的测量尤为重要。
调试车间里，不同颜色的光源轮番亮起，从白光到红光再到蓝光，显示器上的电路板图像不断变换着对比度表现。机器视觉工程师记录下每一组参数，这些数据将成为产线上千百次检测的标准。
工厂里生产线上工业相机安静地工作着，它们捕获的图像对比度恰到好处，将产品表面微米级的划痕从复杂背景中“揪”出来。车间墙壁上贴着产品合格率的统计图表，曲线一路向上攀升。
