2. 镜头与成像（第7—14问）
网络署名：LanQS · 作者及著作权人：兰青松 · 版权说明
7. 镜头的焦距、光圈（F值）、工作距离、视野之间有什么关系？如何根据工作距离和视野计算所需焦距？
镜头参数之间构成一组相互牵连的成像约束。焦距决定放大关系，工作距离限定安装边界，传感器尺寸决定像方承载范围，光圈则在进光量、景深和分辨率之间重新分配余量。 工程上讨论镜头选型，如果只报一个焦距数字，往往是不够的。
7.1 什么是镜头的基本光学参数及其物理意义？
镜头选型涉及五个基本光学参数：焦距、工作距离、视野、光圈和传感器尺寸。
- 焦距：镜头光学中心到像面的距离，决定视角和放大倍率。焦距越长，视野越窄，目标在传感器上铺得越大。
- 工作距离：镜头前端到目标表面的安装距离。工作距离越远，同焦距同传感器下视野越大。
- 视野：当前参数组合下相机能覆盖的物方范围（宽度 × 高度）。
- 光圈（F 值）：焦距与有效孔径之比，决定进光量和景深。F 值越小，通光越多但景深越浅；F 值越大，景深越深但曝光需求越高，小像元系统中过度收小光圈还会加重衍射损失。
- 传感器尺寸：虽常被归为相机参数，但它与焦距共同决定最终视野，镜头选型中必须一并考虑。
这五个参数之间构成相互牵连的约束：改变其一，其余至少一个会联动变化。工程上讨论镜头选型，如果只给出一个焦距数字而不配套工作距离和传感器尺寸，往往无法判断方案是否成立。
7.2 焦距与视野之间有什么直接关系？
在工作距离和传感器尺寸固定时，焦距与视野近似成反比。短焦镜头覆盖范围更大，适合大视野观察；长焦镜头视野更窄，但能让单位目标尺寸占据更多像素。工业检测里，这一关系通常直接体现在像素精度与安装空间的博弈上：想看得更细，就要么拉长焦距，要么减小视野，要么增大传感器尺寸。
焦距的变化还会连带影响景深和畸变风险。短焦距镜头虽然容易获得大视野，但边缘畸变和照明均匀性通常更值得警惕；长焦距镜头则对安装抖动、对焦精度和机械稳定性更敏感。
7.3 工作距离如何影响视野范围？
在焦距和传感器尺寸不变时，工作距离增大，视野也会随之增大。这是相似三角形关系的直接结果。对于现场安装空间受限的项目，这一点尤其关键，因为很多“理论上合适”的焦距，落到设备里后可能根本没有足够工作距离来实现目标视野。
工程上常见的误区，是先按经验挑一个镜头，再试图靠前后挪动相机去凑视野。若设备空间已经固定，正确顺序应当是先锁定工作距离边界，再反推焦距，而不是把工作距离当成最后再调的自由变量。
7.4 光圈（F值）如何与其他参数相互作用？
光圈不直接改变视野，却会改变系统是否“能把这个视野拍清楚”。F 值越小，通光量越大，弱光条件下更容易获得短曝光；但景深会变浅，焦外模糊加重。F 值越大，景深增加，目标厚度变化的容忍度变好，不过曝光时间常常需要加长，且在小像元、高分辨率系统中，过度收小光圈会触发更明显的衍射损失。
因此，光圈参数在镜头选型中更像是一个系统平衡旋钮。它和照明、曝光、传感器像元尺寸、运动速度一起决定最终图像质量，而不是孤立存在。
7.5 如何用公式表达这些参数之间的关系？
在常见机器视觉场景中，若工作距离远大于焦距，且镜头并未工作在强近摄或显微区间，焦距、工作距离、传感器尺寸与视野之间可用近似式表示为：
其中，\(f\) 为镜头焦距，\(WD\) 为工作距离，\(S\) 为传感器在对应方向上的有效尺寸，\(FOV\) 为同一方向上的物方视野。若做横向视野计算，就应使用传感器横向尺寸；若做纵向视野计算，则应使用纵向尺寸，不能把传感器对角线尺寸直接代入。
7.6 如何根据已知的工作距离和视野计算所需焦距？
计算步骤并不复杂，但每一步的定义必须对齐。先确定目标在图像中需要覆盖的物方宽度或高度，也就是 \(FOV\)；再确认设备允许的工作距离 \(WD\)；随后查到相机传感器在对应方向上的实际尺寸 \(S\)。三者代入式（7-1），即可得到理论焦距。
例如，若目标横向视野要求为 200 mm，工作距离为 500 mm，传感器横向尺寸为 8 mm，则理论焦距为：
得到理论值后，还要落到标准镜头规格上。若市场上更常见的是 16 mm、20 mm、25 mm，则通常会优先考虑 20 mm，并结合实际畸变、安装余量和视野边界做验证，而不是把计算值当作无需修正的最终答案。
图7-1 焦距、工作距离、传感器尺寸与视野的几何关系
7.7 在实际应用中需要考虑哪些修正因素？
理论焦距只是第一轮筛选结果。广角镜头的桶形畸变、长焦镜头的视野压缩、传感器保护玻璃引入的边缘表现变化，都可能让实际可用视野与理论值出现偏差。若任务对边缘测量精度敏感，通常会在计算视野之外额外留出安全边界。
另一个常被低估的因素是分辨率目标。视野满足了，不代表像素精度一定满足；焦距算对了，也不代表景深足够。镜头选型通常至少要与像素精度、景深、畸变和照明四个约束一起联审。
7.8 如何选择合适的镜头参数组合？
更稳妥的流程是：先根据检测精度反推所需像素精度，再确定视野范围；在设备空间内锁定工作距离；按照式（7-1）得到初始焦距；随后检查该焦距下的景深、畸变、照明布置和机械安装空间，必要时联动调整传感器尺寸或照明方案。
对于多数工业项目，中等光圈区间通常更容易兼顾成像质量和景深，例如 f/4 到 f/8 常见，但各系统应根据自身像元和分辨率确认最适合的光圈。像元尺寸更小、分辨率更高的系统，对衍射更敏感，光圈需要谨慎选择，过小的光圈可能让图像细节被衍射软化。
7.9 有哪些常见的应用场景和对应的参数选择策略？
大视野外观检测通常采用较短焦距与适中的工作距离，先保证覆盖范围，再通过高分辨率传感器补足像素密度。精密尺寸检测则更倾向于较稳定的放大关系和更严格的畸变控制，必要时还会转向远心镜头。对于近距显微观察，简单套用式（7-1）就不再可靠，往往需要参考镜头厂商给出的工作距离曲线、放大倍率和 MTF 数据。
参数选择策略没有统一模板，但有一条经验几乎总是成立：先把任务量化，再谈镜头型号。只说“想看清楚一点”或“想拍大一些”，不会导向稳定选型。
表7-1 镜头主要参数变化对系统表现的影响
| 参数变化 | 对视野的影响 | 对景深的影响 | 对进光量/曝光的影响 | 工程含义 |
|---|---|---|---|---|
| 焦距增大 | 视野减小 | 通常变浅 | 无直接增加 | 放大目标细节，但安装和对焦更敏感 |
| 工作距离增大 | 视野增大 | 通常变深 | 无直接增加 | 有利于景深，但设备空间要求更大 |
| F 值增大 | 不直接改变视野 | 变深 | 进光量下降 | 有利于厚度容忍度，但可能拉长曝光 |
| 传感器尺寸增大 | 同焦距下视野增大 | 无必然单独结论 | 无直接增加 | 可扩大覆盖范围，但镜头像场需匹配 |
8. 什么是镜头的景深？哪些因素影响景深？在检测厚度不一致的物体时，如何保证成像清晰？
景深讨论的是“在什么距离范围内，失焦还没有坏到影响任务结果”。它不是一个绝对锐利与绝对模糊之间的硬边界，而是围绕容许弥散圆、检测精度和判定算法共同定义出来的工程清晰范围。对消费摄影而言，景深更多关乎画面风格；对机器视觉而言，它直接关系到边缘定位、缺陷对比和尺寸测量的稳定性。
8.1 什么是镜头的景深？
当镜头准确对焦于某一距离平面时，该平面前后仍有一段距离范围能够保持"可接受清晰"，这段范围就是景深。所谓"可接受"，是指失焦斑尺寸没有超过系统允许的容许弥散圆，或者说还没有明显破坏当前任务所需的空间分辨能力——这是由容许弥散圆和检测精度共同定义的工程清晰范围。
景深通常分为前景深和后景深，两者并不对称。在大多数常见成像条件下，后景深会比前景深更长，因此对焦平面并不位于总景深的中点位置。
图8-1 景深的形成与前后清晰范围
8.2 哪些因素影响景深？
景深主要受光圈、焦距、工作距离和容许弥散圆影响。近似条件下，总景深常写为：
其中，\(N\) 为 F 值，\(c\) 为容许弥散圆直径，\(s\) 为对焦距离，\(f\) 为焦距。这个式子揭示出几条最常见的工程规律：光圈收小，景深增加；焦距变长，景深减小；对焦距离拉远，景深通常增加。
式(8-1) 为总景深的对称近似式，仅在对焦距离远小于超焦距 \(H=f^2/(Nc)\) 时成立；前后景深的不对称需用更完整的前/后景深分式表达。接近超焦距时该近似不再适用。
不过，式（8-1）只适合常规近似讨论。若工作距离不再远大于焦距，或镜头工作在高倍率、显微、远心等特殊区间，就应回到更完整的光学模型。容许弥散圆也不是一个凭经验随意填写的数，它与像元尺寸、测量精度和判定算法密切相关。若系统做的是粗略有无判断，允许的失焦范围会比微小缺陷检测宽得多。
8.3 在检测厚度不一致的物体时，如何保证成像清晰？
检测厚度不一致物体时，第一步是先判断厚度变化的几何性质——是整体倾斜平面还是真正的三维起伏。这一步决定后续方向：若目标只是一个整体倾斜的平面，沙姆定律往往比盲目缩小光圈更有效；若目标是真正的三维起伏，缩小光圈、增加工作距离、降低放大倍率或使用多焦点合成才是更常见路径。
最直接的方法仍是适度收小光圈。它通常最容易实施，也不需要改变系统结构，但代价是曝光时间可能增加，运动模糊和照明压力随之上升，过小光圈还会引入衍射软化。对于静态目标，可以采用焦点堆叠，在不同焦点位置采集多张图像并合成全清晰结果；对于倾斜平面，可通过沙姆定律使镜头平面、像平面与目标平面交于一线，从而扩大该平面上的有效清晰范围。
图8-2 厚度起伏目标的清晰策略
8.4 实际应用中的综合考虑
工业检测里保证“清晰”从来不是只靠镜头完成的。照明强度和照明方向、曝光时间、目标速度、平台振动、相机像元尺寸以及算法对模糊的容忍度，都会改变最终的有效景深。对动态目标来说，景深够了却曝光过长，仍会因为运动模糊而失去边缘精度；对高分辨率系统而言，理论景深够了却衍射过强，也会让细节变软。
因此，针对厚度不一致目标的更可靠做法，是把问题拆成三个层面：目标的真实高度分布有多大，关键检测特征位于哪一层，系统允许牺牲多少节拍和多少光通量。只有把这三点说清楚，景深方案才有可能真正落地。
9. 什么是远心镜头？它和普通镜头相比有什么优势？在什么场景下必须使用？
远心镜头在工业视觉中被广泛关注，核心原因是普通镜头在尺寸测量和轮廓判定中会产生透视误差，当精度要求达到一定水平时，这些误差已超出可接受范围。当测量结果依赖边缘位置、放大倍率稳定性和遮挡关系时，远心镜头解决的是几何成像中的透视偏差，关注的焦点是尺寸和位置的精确性，而非一般意义上的清晰度。
9.1 什么是远心镜头，它的光学原理是什么？
远心镜头是一类通过特殊光学设计，使主光线在物方、像方或两侧近似平行于光轴的镜头。最常见的是物方远心镜头，它让来自不同物距位置的主光线在进入镜头时保持近似平行，从而在一定工作范围内抑制透视缩放效应。普通镜头中常见的“近大远小”现象，在远心镜头的有效工作区内会显著减弱。
从几何成像角度看，远心镜头的价值在于放大倍率稳定。当目标在小范围内前后移动时，图像中的尺寸变化远小于普通镜头，这对尺寸测量和轮廓提取尤为关键。
从光学设计上看，远心镜头将孔径光阑精确放置在前组焦面，使入射光瞳位于无穷远处——"telecentric"一词源于希腊语 tele（远）和 centre（光瞳中心）。这一设计的物理代价是前组镜片直径必须不小于被测物体视场的对角线尺寸。
9.2 远心镜头与普通镜头的主要区别是什么？
普通镜头依赖透视投影成像，物体离镜头更近时，投影尺寸会变大；远心镜头则尽量把这种物距变化引起的放大率波动压低。两者的差异并不只体现在“图像看起来是否自然”，而是体现在边缘位置是否随高度漂移、孔径边界是否被侧壁遮挡改变、尺寸测量是否因姿态变化而波动。
在普通镜头下，立体工件的上表面和下表面往往会对应不同的放大率；对深孔、台阶、外轮廓和薄片边缘而言，这种差异很容易把本来稳定的阈值和测量流程变成漂移源。远心镜头的工作目标，就是降低这种几何不一致。
图9-1 普通镜头与远心镜头的成像几何差异
以一个典型数值场景做定量对比：标准镜头（f=12mm，1/3英寸传感器，检测20mm高物体，工作距离s=200mm）在物体沿光轴移动1mm时，像高变化量约为 dH=(ds/s)×H=1/200×20=0.1mm。而远心度约0.1°(0.0017rad)的优质远心镜头在同等位移下仅产生 dH=ds×θ=1×0.0017=0.0017mm的误差，约为标准镜头的1/60。
9.3 远心镜头的核心优势有哪些？
远心镜头最突出的优势，是在有效工作区内提供更稳定的放大倍率和更低的透视误差。对尺寸测量来说，这意味着工件轻微高低变化、夹持高度波动或平台平面度误差，不会立刻转化成明显的尺寸漂移。对于背光测量，它还能改善轮廓边界的一致性，使边缘定位算法更容易保持稳定。
另一个常见优势是畸变控制通常更严格。很多远心镜头在设计上会重点压低几何畸变，因此在高精度测量场景里更容易建立稳定标定关系。与此同时，远心镜头对照明方式也更"挑剔"，它常与平行背光、同轴光或更严格控制的照明结构搭配使用，系统整体一致性会比普通镜头方案更高。
从规格上看，高质量远心镜头畸变通常控制在0.1%以内（普通机器视觉镜头可达1%~10%）。需要注意，即使0.1%的畸变，在高分辨率相机下仍可能接近1个像素的误差，高精度测量中仍需软件标定做残余校正。此外，远心镜头的放大倍率在景深范围内保持恒定；平行主光线消除了透视误差（深孔和圆柱腔体的上下边缘会完美重叠而非呈现同心圆）；配合平行背光时边缘定位更清晰；主光线平行还带来均匀的探测器照度。
9.4 远心镜头在哪些具体场景下是必须使用的？
只要测量结果直接依赖几何尺度，而目标又存在高度差、姿态波动或厚度起伏，远心镜头就应当被严肃考虑。典型场景包括精密外径测量、引脚宽度与间距检测、玻璃边缘和薄片轮廓测量、冲压件外形尺寸检测、深孔口径与位置判断，以及芯片、基板和精密零件的轮廓分析。
"必须使用"并不意味着所有高精度检测都自动需要远心镜头，而是指普通镜头引入的透视误差已经足以破坏判定稳定性。若工件高度变化极小、允许误差较宽、视野较大且主要做外观识别，普通镜头仍可能足够。判断标准是透视误差是否已经进入误差预算的主导项，而非镜头名称。
一个更直接的工程判据：当物体厚度超过视场对角线尺寸的1/10，或需要在物体的不同平面上完成多种测量时，就应当考虑远心方案。
9.5 远心镜头有哪些类型和分类？
按远心特性所在位置，远心镜头可分为物方远心、像方远心和双远心。机器视觉中最常见的是物方远心，因为它直接服务于被测物体侧的几何稳定成像。双远心镜头则在物方和像方都控制主光线角度，性能更强，但代价也更高，体积通常更大。
按应用目的划分，还可分为偏测量型、偏检测型和显微型远心镜头。不同型号在放大倍率、像场、工作距离、远心度和 NA 上差异很大，因此不能把“远心镜头”当成一个单一能力标签。
9.6 使用远心镜头时需要注意哪些技术要点？
远心镜头的几个关键参数包括工作距离、视野、放大倍率、远心度、景深、分辨率和适配照明方式。很多选型失误的原因在于忽略了一项边界，例如视野够了但工作距离不够，或者放大倍率合适但照明无法形成稳定背光轮廓。
在实际调试中，照明往往与镜头同等重要。远心镜头配合平行背光时，优势最容易体现；若照明方向杂乱、轮廓阴影复杂，远心镜头的几何优势会被严重削弱。系统还应核对相机像元尺寸与镜头分辨率是否匹配，否则即使透视误差降低，边缘仍可能因采样不足而不稳定。
9.7 远心镜头的局限性是什么？
远心镜头的局限并不隐蔽。它通常更贵、更大、更重，照明要求更高，视野扩展成本也更高。对大视野系统而言，远心镜头的尺寸和价格往往增长很快，这也是为什么很多项目宁可在算法或工装上补偿，也不一定直接选用远心方案。
此外，远心镜头不能替代所有系统误差控制。若平台振动、背光不稳、边缘毛刺大或相机采样不足，再好的远心镜头也不能凭空消除这些问题。把所有测量不稳定都归咎于"未采用远心方案"，同样是不严谨的。
从光学原理上看，这一局限无法绕开：前组直径必须不小于被测物体视场对角线，视野越大，镜头体积和成本增长越快，这是物理约束而非制造工艺问题。工作距离也是固定的——偏离标称工作距离后畸变和放大率都会变化。
9.8 如何选择适合的远心镜头？
选择远心镜头时，通常应先确定测量精度和最小特征尺寸，再确定视野、工作距离和放大倍率，随后核对像场是否覆盖传感器、分辨率是否覆盖像元尺寸、照明结构是否能够实现稳定轮廓。若工件高度波动较大，还应关注远心工作范围和景深是否足够。
一个更成熟的做法，是把远心镜头纳入整套测量链路验证，而不是只做静态样片试看。真正需要核对的是：工件高度变化后，测量结果是否仍稳定；更换批次后，轮廓阈值是否仍稳定；现场照明变化后，边缘位置是否仍稳定。这些问题只有系统测试才能回答。
选型应遵循固定的优先级：最大物体尺寸→最小前组直径→远心度(<0.1°为优质)→畸变(<0.1%为优质)→景深是否覆盖高度公差→最后再匹配放大倍率和传感器。
引用出处：本章远心镜头的光学原理、定量对比数据、远心度与畸变规格，均参考 Opto Engineering 官方教程 Telecentric Lenses Tutorial（www.opto-e.com/en/resources/tutorials/telecentric-lenses-tutorial）。
10. C接口和CS接口镜头的区别是什么？接错了会怎样？
C 接口与 CS 接口的讨论看起来像机械兼容问题，实质上是成像基准距离问题。它们的螺纹规格相同，因此"能拧上"单独看并不可靠——决定是否能正常聚焦的，是法兰距是否与镜头设计值一致。
10.1 C接口和CS接口的基本定义和起源是什么？
C 接口和 CS 接口都是小型镜头系统中常见的螺纹安装标准，广泛用于工业相机、监控相机和部分专用成像设备。两者机械螺纹规格相同，都是 1 英寸 32 牙，因此从外观上看很容易被误判为可直接互换。
它们区别的核心在于镜头安装面到传感器成像面的基准距离不同。这个距离一旦不匹配，镜头的后续对焦调节范围就可能完全失效。
10.2 法兰距（Flange Focal Distance）的具体数值差异是多少？
C 接口的法兰距为 17.526 mm，工程上常简写为 17.5 mm；CS 接口的法兰距为 12.526 mm，工程上常简写为 12.5 mm。两者的关键差值是 5 mm，这正是常见 C/CS 转接环厚度的来源。
这个 5 mm 差值并不大，但在成像系统里已经足以让焦平面明显偏离传感器位置。对无限远或常规工作距离成像而言，这个误差远远超出可容忍范围。
10.3 为什么法兰距的差异如此重要？
镜头设计时默认了一个从安装面到像面的固定基准。若相机实际提供的法兰距比镜头要求更短或更长，镜头形成的清晰像面就不会落在传感器上。此时出现的不是“稍微有点虚”，而是经常根本无法通过对焦环把画面拉回到清晰状态。
对 C 和 CS 系统来说，差异虽然只有 5 mm，但对于小型镜头而言已经是非常大的安装误差。工程上判断接口是否兼容，第一反应不应是“螺纹能不能装”，而应是“法兰距是不是对上了”。
图10-1 C接口与CS接口的法兰距差异及常见装配结果
10.4 C接口和CS接口的物理兼容性如何？
从螺纹规格看，两者具有机械兼容性；从光学基准看，两者并不天然兼容。最常见的适配路径，是在 CS 相机上通过 5 mm 转接环使用 C 镜头。这样做的本质，是把相机提供的法兰距从 12.5 mm 补到 17.5 mm。
反向适配则复杂得多。若把 CS 镜头装到 C 相机上，相机本身提供的法兰距已经比 CS 镜头需求更长，通常不能靠简单加件来“补救”。这也是为什么现场常见的标准化建议几乎都是“CS 机身配 C 镜头加环”，而不是两边都能随意互转。
10.5 如果将C接口镜头直接安装到CS接口相机会发生什么？
最直接的结果是无法正确聚焦。因为相机提供的像面基准比 C 镜头设计值短了 5 mm，镜头形成的清晰像面落不到传感器位置上。实际画面通常会持续发虚，即便调焦环转到极限，也可能得不到可用清晰度。
某些结构紧凑的系统中，还可能出现机械干涉风险，例如镜头尾部与机身内部结构距离过近。是否会发生干涉，取决于具体相机和镜头结构，不能一概而论，但这类风险在现场并不值得拿设备去试。
10.6 如果将CS接口镜头安装到C接口相机会发生什么？
将 CS 镜头装到 C 相机上时，相机给出的法兰距（17.5 mm）比 CS 镜头设计值（12.5 mm）长约 5 mm，导致镜头的像面落在传感器之前约 5 mm 处。结果同样是无法在设计范围内正确聚焦——无限远和常规远距离成像完全无法合焦，仅极近距离可能勉强成像。
这类误装有时会让用户误以为"画面能出来，只是有点糊"，实际上问题在于安装基准本身错误。若继续围绕曝光、增益或软件锐化去排查，只会浪费调试时间。
10.7 如何正确判断和选择接口类型？
最可靠的方法仍然是查看相机和镜头的规格书，确认接口类型和法兰距要求。现场若没有文档，也可检查机身或镜头外壳标识。对于已经混装过配件的设备，还应注意前端是否存在遗留转接环，因为同一台相机在不同阶段可能被不同人员改装过。
若系统成像异常，且对焦环无论如何都无法进入清晰状态，排查顺序中应尽早加入接口和转接环检查。这个问题在工程现场比很多人想象得更常见。
10.8 转接环的工作原理是什么？
转接环本质上是一个精确厚度的机械垫片，其任务是把镜头安装面整体前移或后移到正确位置。对 C 镜头和 CS 相机的组合而言，5 mm 转接环把原本约 12.5 mm 的机身法兰距补到约 17.5 mm，使镜头按设计工作。
因此，转接环有明确的使用边界。它只能在几何关系允许的前提下补足基准距离，无法解决所有接口混配问题，也无法替代镜头本身的像场、后焦和机械结构匹配。
10.9 在实际应用中，哪些领域主要使用哪种接口？
C 接口在工业视觉、显微成像、科学实验和部分医疗设备中很常见，因为工业镜头生态成熟，可选焦距和成像等级丰富。CS 接口更多见于监控、安防和体积较紧凑的摄像系统，它的机身结构通常更短，更有利于小型化。
不过，这种应用分布是常见经验而非绝对规则。具体设备是否采用 C 或 CS，仍要看厂家设计路径和目标市场。工程上更关键的是识别当前设备实际使用的标准，按行业印象推断可能出错。
10.10 现代发展趋势如何？
尽管出现了更多新型镜头接口，C 接口在工业视觉领域仍然保持很强生命力，原因并不复杂：标准成熟、兼容广、镜头资源丰富。CS 接口在紧凑型系统里也仍有稳定应用。对于很多项目而言，是否继续使用 C/CS，并不取决于“新不新”，而取决于现有镜头资源、空间结构和成像需求是否匹配。
实际选型时，如果系统需要更大像场、更高稳定性或更特殊的机械结构，也可能转向 F 接口、M42 或其他接口体系。但这属于更高层级的系统设计问题，与 C/CS 的法兰距兼容关系是两件不同的事。
11. 什么是镜头畸变？它对测量精度有什么影响？如何校正？
11.1 什么是镜头畸变？它的物理本质是什么？
镜头畸变的本质可以概括为一句话：畸变 = 像素位置与真实物理位置的映射关系被改写了。它不同于散焦和模糊——散焦是边界发虚，噪声是灰度起伏，而畸变是物方原本应保持直线或比例关系的结构在图像中出现弯曲、拉伸或压缩。图像可能仍然清晰，但原本相距 10 mm 的两点，落到图像里后不再按理想比例映射到应有位置。这种偏移来自镜头对离轴光线的成像不完全满足理想投影模型，尤其在视场边缘更容易累积。
对普通观察任务而言，轻微畸变可能只是画面观感上的变化；对尺寸测量、边缘定位、圆度判断和拼接定位而言，畸变会直接进入误差预算。只要测量结果依赖像素坐标的物理意义，畸变就需要单独建模和验证，而不能仅当作光学细节处理。很多初学者容易把它理解成"图像稍微变形了一点"，但工程上的含义要具体得多。系统依据像素坐标判断尺寸、角度、孔距或装配偏差时，每一个像素背后默认对应着某个物理位置。畸变一旦存在，这种对应关系在全视场内不再保持一致，测量结果也就不再稳定。
图11-1 径向畸变的典型形态对比
11.2 镜头畸变有哪些主要类型？各自的表现特征是什么？
工程上最常见的是径向畸变和切向畸变。径向畸变沿视场中心向外的半径方向起作用，桶形畸变和枕形畸变都属于这一类，它们的区别不在于名字本身，而在于离图像中心越远时，图像点究竟是被继续向外推开，还是被拉回中心方向。对读者来说，最实用的辨认方法不是去背公式，而是看那些原本应当保持笔直的边界线在画面边缘的弯曲方向。
桶形畸变的典型表现是边缘直线向外鼓出，整幅画面像被从中心向四周撑开，因此越靠近边缘，原本平直的网格越容易呈现外凸形态，广角镜头中较常见。枕形畸变则相反，边缘直线会向内收拢，画面仿佛被从四角往中心拉回，长焦或部分复杂变焦结构中更容易出现。鱼眼镜头所呈现的强烈弯曲，本质上也可视为大视场下的极端径向畸变，只是通常需要单独的投影模型描述，不能直接沿用普通小畸变镜头的简化判断。
切向畸变与镜头装调误差关系更紧。若透镜组中心轴线不完全重合，或镜头与传感器相对姿态存在偏斜，图像点会沿切向发生偏移，局部结构会表现为不对称扭曲。它不像典型桶形或枕形那样具有很强的整体对称性，往往不会表现成规整的“向外鼓”或“向内收”，而更像某个方向上的局部拉斜、偏移或剪切，因此在高精度系统中更依赖实际标定结果，而不能凭经验估计。
11.3 镜头畸变对测量精度会产生怎样的具体影响？
畸变最直接的后果，是同一物理尺寸在图像不同位置对应不同的像素尺度。如果系统仍按统一像素当量换算，中心和边缘的测量结果就会分离。对孔径、外轮廓、直线度和圆度等几何特征来说，误差往往不是一个固定偏置，而是随位置变化的非线性误差场。换一种更便于理解的说法，未校正畸变会让系统默认使用一把“刻度不均匀的尺子”：在视场中心，这把尺子可能还比较准；到了边缘，同样的像素间距代表的物理长度却已经悄悄变化。
第二类影响来自形状判断。圆可能被测成椭圆，平行边界可能出现弯曲，直线拟合残差会在边缘区域突然放大。更麻烦的是，畸变还会破坏测量一致性：即便工件本身不变，只要它在画面中的落点改变，结果也可能改变。对自动化检测而言，这会让算法阈值和补偿参数失去稳定基础。工程上最棘手的往往不是某一次测得不准，而是同一件工件在不同工位、不同批次或不同落点下出现漂移，这种漂移很容易被误判为机械不稳、治具偏移或算法波动，实际上根源可能只是几何畸变没有被充分处理。
图11-2 畸变导致的位置相关测量误差
11.4 如何通过数学模型描述镜头畸变？
工业视觉中最常用的是 Brown-Conrady 模型。设 \((x,y)\) 为归一化理想像点坐标，\(r^2=x^2+y^2\)，则径向畸变可写为：
其中 \(k_1,k_2,k_3\) 为径向畸变系数。切向畸变常写为：
其中 \(p_1,p_2\) 为切向畸变系数。对初学者而言，式（11-1）和式（11-2）不必急于背诵，更重要的是理解它们分别在描述什么：径向项刻画的是点越远离光轴，偏移通常越明显；切向项刻画的则是装调不理想时，图像点会沿非对称方向发生附加偏移。实际校正时，软件依据上述模型做逐像素反向映射，再通过插值重建无畸变图像，这不是简单的线性拉伸。也正因如此，校正后的图像边缘分辨率、插值平滑程度和有效视场范围都可能发生变化，"几何被拉正"不应被误认为是"图像质量在所有方面都同步提高了"。系数的物理意义和符号方向要以具体软件库为准，尤其在 OpenCV、MATLAB 或厂商 SDK 之间比较参数时，必须确认坐标归一化和映射约定是否一致。
引用出处：Brown-Conrady 畸变模型的标准定义与 5 系数向量 \((k_1,k_2,p_1,p_2,k_3)\) 参见 OpenCV 4.x 官方文档——Camera Calibration and 3D Reconstruction 模块，畸变公式与参数说明（docs.opencv.org/4.x/d9/d0c/group__calib3d.html）。
OpenCV 把这个模型表示为一行5列的畸变系数向量：distCoeffs=(k1,k2,p1,p2,k3)，k3主要用于鱼眼或超大视场镜头。在调用 cv2.calibrateCamera() 时，返回的 dist 数组就是这个5系数的向量。工业相机通常只需 k1,k2,p1,p2 四个参数即可满足校准需求。
11.5 张正友标定法是如何工作的？它有哪些优势和局限？
张正友标定法（Zhang, 2000, A Flexible New Technique for Camera Calibration）以平面标定板（通常为棋盘格）为基准，拍摄多张不同位置和角度的图像，从中同时求解相机内参、畸变系数和每幅图的外参。OpenCV 中对应的核心函数是 cv::calibrateCamera()，其典型流程如下：
- 准备标定板——打印或固定高精度棋盘格（如 7×6 内角点），标定板应尽量平整。
- 多角度拍摄——保持相机不动，将标定板放在不同位置、不同倾斜角度下分别拍摄。图像数量至少 10 张才能稳定收敛。
- 构建 3D 物点——将标定板定义在 Z=0 平面上，按实际方格尺寸给出每个角点的世界坐标 \((X,Y,0)\)。
- 提取 2D 角点——用
cv::findChessboardCorners()检测棋盘格内角点，再用cv::cornerSubPix()精化至亚像素精度。 - 执行标定——调用
cv::calibrateCamera()输入全部物点和像点，返回相机内参矩阵mtx（含 \(f_x,f_y,c_x,c_y\)）、畸变系数dist（5 个系数 \(k_1,k_2,p_1,p_2,k_3\)）、旋转向量rvecs和平移向量tvecs。 - 评估精度——用
cv::projectPoints()将物点按标定参数投影回图像，计算投影点与实测角点之间的 L2 范数，再对所有图和点取算术平均，得到平均重投影误差（RMS）。该值越接近零，标定结果越可靠。
张正友标定法之所以被广泛采用，一方面是因为它不依赖昂贵的三维标定设备，仅凭平面标定板即可获得较完整的内参和畸变参数；另一方面是因为 OpenCV、MATLAB 等工具已提供成熟、易操作的封装，降低了入门门槛。局限也同样明确：角点检测质量直接决定结果上限，标定板平整度、光照均匀性、边缘覆盖范围和姿态多样性都会影响拟合稳定性。重投影误差虽能反映参数对当前数据的一致性，却不一定代表真实世界的测量精度，因此高要求的项目还需结合已知尺寸的标准件或精密平移台做二次验证。若镜头是鱼眼、大视场或特殊投影结构，普通 pinhole + Brown 模型往往不够，需切换到 cv::fisheye 等更合适的广角模型。
引用出处：OpenCV 4.x 官方文档，Camera Calibration and 3D Reconstruction 模块——
cv::calibrateCamera()、cv::projectPoints()、畸变模型（Brown-Conrady）的定义与使用说明（docs.opencv.org/4.x/d9/d0c/group__calib3d.html）。
在 OpenCV 中，完整流程对应：用 cv2.findChessboardCorners() 检测棋盘格内角点，cv2.cornerSubPix() 精化至亚像素，cv2.calibrateCamera() 一次性求解内参矩阵 mtx（含 fx,fy,cx,cy）、畸变系数 dist（k1,k2,p1,p2,k3）、旋转向量 rvecs 和平移向量 tvecs。该函数返回的 ret 即为 RMS 重投影误差。图像数量至少 10 张才能稳定收敛。
11.6 除了张正友标定法，还有哪些镜头畸变校正方法？
除了基于棋盘格的通用标定，工程上还会使用直线约束法、圆点阵列标定、鱼眼专用投影模型和在线自适应校正。直线约束法适合现场没有标准棋盘格但存在大量直边结构的场景；圆点阵列在某些高精度测量中更利于中心定位；鱼眼镜头通常要采用等距投影、等立体角投影（equisolid angle）等专用模型。
还有一种思路是从源头降低畸变，而不是完全依赖软件补偿。例如选择低畸变工业镜头、增大工作距离、缩小有效视场，或者在测量场景中直接采用远心镜头。软件校正可以显著改善几何关系，但无法补回原本不存在的光学分辨率。
11.7 在实际应用中如何选择和执行畸变校正？
若任务只是粗略定位或识别，且目标始终位于画面中央的小区域，简单标定往往已足够；若任务涉及整幅画面的尺寸测量、拼接定位或位置一致性比较，就应把畸变校正作为标准流程，而不是可选项。执行时最好覆盖整个视场，尤其不能只拍中心区域，因为模型的约束主要来自边缘。
实际操作中应同时检查三件事：标定板是否足够平整，图像是否有反光和阴影，工作时的焦距、光圈和工作距离是否与标定状态一致。若镜头重新调焦、机台温升明显、镜头或相机被拆装，原先的畸变参数都可能失效，需要重新标定或至少复核。
OpenCV 提供了两条常用路径。cv2.undistort() 一步完成去畸变和插值，适合单张图像或调试验证。cv2.initUndistortRectifyMap() 预计算映射表，再用 cv2.remap() 逐帧应用，批量处理时效率远高于每次调用 undistort。调用 cv2.getOptimalNewCameraMatrix() 时，参数 alpha=0 裁剪全部黑边（保留有效像素），alpha=1 保留全部像素（边缘出现黑边）。
11.8 镜头畸变校正后的效果如何验证？
第一层验证是重投影误差，但它不能代替全部工程判断。重投影误差足够小，只能说明模型对标定样本拟合得不错，并不自动保证实际工件测量也达标。第二层验证应当转到应用层：拍摄标准直线、标准圆和标准尺寸件，比较中心与边缘位置的结果是否一致。
更稳妥的做法，是在真实产线状态下做位置扫描测试。让同一标准件在视场不同区域重复采集，统计尺寸漂移、圆心漂移或边缘残差变化。只有当这些指标在工艺容差内稳定收敛，畸变校正才算真正完成，而不是仅停留在标定流程已完成的层面。
重投影误差的定量计算：cv2.projectPoints() 将标定板 3D 角点投影回像平面，与实际检测角点逐点求 L2 范数，取所有图片所有点的算术平均得到 RMS。工程阈值：一般工业检测 <0.5 pixel 可接受，精密测量宜 <0.3 pixel。误差过大的常见原因：标定板不平整（纸板翘曲）、部分角点漏检、拍摄姿态单一（缺少边缘和倾斜角度）。
引用出处：Brown-Conrady 畸变模型、cv2.calibrateCamera()/cv2.undistort()/cv2.initUndistortRectifyMap() 的用法与参数、重投影误差计算公式，参见 OpenCV 4.x 官方教程——Camera Calibration（docs.opencv.org/4.x/dc/dbb/tutorial_py_calibration.html）。
12. 什么是像素当量（或像元精度）？如何计算？
12.1 像素当量的基本定义是什么？
像素当量描述的是一个像素在物方对应多少实际尺寸，常用单位为 mm/pixel 或 μm/pixel。它把数字图像坐标和真实物理尺寸连接起来，是尺寸换算、位移测量和缺陷定量分析的基础参数。只要系统需要把像素数量换算成物理尺寸，就一定绕不开像素当量。
图12-1 像素当量的物理含义
12.2 为什么像素当量在机器视觉中如此重要？
没有像素当量，视觉系统只能告诉你“边缘相距 126 个像素”，却无法回答这到底是 3 mm、30 mm 还是 300 μm。尺寸测量、孔距判断、位置偏差评估和速度换算，本质上都依赖像素到物理空间的比例关系。它还是系统分辨能力判断的起点：当目标最小缺陷尺寸已知时，是否有足够采样密度，首先要落到像素当量上。很多学生在刚接触机器视觉时，会把“分辨率高”直接等同于“测得更准”，而像素当量正是用来纠正这种直觉的核心概念。相机像素再多，如果要看很大的视场，分到每个像素上的物理区域仍然可能很大；反过来，像素数不算极高，但若视场较小、放大倍率合适，也可能得到很细的物方采样。
12.3 像素当量的基本计算公式是什么？
最直接的定义式是：
其中 \(e\) 为像素当量，\(L\) 为已知物理长度，\(N\) 为该长度在图像中覆盖的像素数。若已知 10 mm 的标准长度在图像中占据 100 pixel，则像素当量为 0.1 mm/pixel。这个定义式看似简单，却要求测量方向、标定位置和边缘提取方式都与实际任务一致，否则换算值会产生系统偏差。
12.4 如何通过视野范围和相机分辨率计算像素当量？
在很多选型阶段，还没有实拍图像，但已经知道系统视场和分辨率，此时可用近似式：
其中 \(FOV\) 为对应方向上的视场尺寸，\(R\) 为同一方向的像素分辨率。若水平方向视场为 50 mm，相机水平分辨率为 1280 pixel，则水平方向像素当量约为 0.039 mm/pixel。这里必须强调“对应方向”四个字：横向视场要除以横向像素数，纵向视场要除以纵向像素数，不能用对角线规格直接混算。
12.5 什么是亚像素精度？它如何提高测量精度？
亚像素精度指的是边缘、角点或特征中心的位置估计可以细分到一个像素以内。它依赖灰度分布拟合、边缘响应模型或相关性优化等算法，因此得到的是更精细的位置估计，而不是增加传感器的实际像素数量。在图像质量足够稳定时，亚像素方法常能把位置估计精度提升到像素当量的数分之一甚至十分之一量级。可以把它理解为：相机本身的网格间距没有改变，但算法根据灰度过渡的形状，推断出边缘更可能落在像素内部的哪个位置。也正因如此，亚像素方法对边缘斜率、对比度、噪声和照明稳定性都很敏感，条件一旦恶化，理论上的高精度就很难在现场重复出现。
不过，亚像素建立在基础采样之上，并不能突破采样下限。若目标特征在原图中只占 1 到 2 个像素，边缘又受噪声、模糊和畸变影响，再强的亚像素算法也难以稳定恢复高精度结果。它提升的是定位精度，前提是基础采样已经为算法提供了足够的灰度分布信息。
12.6 像素当量计算中的关键注意事项有哪些？
像素当量最常见的误区有四类。其一，横纵方向混用，尤其在非正方像元、裁切传感器或缩放链路中更容易出错；其二，忽略镜头畸变，把边缘区域也按统一比例换算；其三，在非实际工作距离下标定，导致上线后比例关系整体漂移；其四，把理论视场计算值当成最终标定值，不再用标准件复核。
若系统涉及远心镜头、倾斜成像或三维重建，还要区分“局部像素当量”和“全局平均像素当量”。前者更贴近真实测量，后者只适合选型估算。
12.7 在实际应用中如何确定合适的像素当量？
合理顺序通常是从任务目标反推：先确定最小缺陷尺寸或允许测量误差，再决定希望该特征至少覆盖多少像素，然后结合视场反推所需分辨率。若以测量为主，像素当量往往要小于目标误差上限；若以识别为主，还要再乘上覆盖系数，保证特征拥有足够形状信息。
例如，若视场为 50 mm，希望对应方向上的像素当量达到 0.01 mm/pixel，则至少需要 5000 pixel 的采样。若目标是可靠分辨 0.01 mm 级特征，而不是仅做长度换算，通常还需按采样定理进一步提高覆盖像素数，工程上常按至少 2 个像素覆盖该特征作为下限，再结合对比度、噪声和边缘清晰度留出余量。
12.8 像素当量与图像分辨率、像元尺寸有何区别？
像素当量是物方单位，表示一个像素代表多少实际尺寸；图像分辨率是数字图像的像素总数；像元尺寸则是传感器上单个感光单元的物理尺寸。三者虽然相关，却不等价。高分辨率相机若搭配大视场镜头，像素当量仍可能很大；小像元传感器若镜头放大不足，也未必能换来更小的物方采样尺寸。实际教学中，最常见的混淆是把这三个量混成一个“清晰度”概念。更准确的区分方式是：分辨率决定你有多少采样点，像元尺寸影响传感器感光能力、满阱电荷和噪声表现，像素当量则决定每个采样点在物方到底覆盖多大区域。三者共同影响系统性能，但分别回答的是三个不同问题。
12.9 现代机器视觉中像素当量的高级应用有哪些？
在二维测量之外，像素当量还会进入速度、加速度和三维深度计算。例如，高速成像中可用“位移像素数 × 像素当量 ÷ 时间”得到实际速度；立体视觉和结构光系统中，像素尺度会进入三角测量模型；显微成像里，像素当量又与放大倍率和数值孔径共同决定最小可分辨结构。
这类高级应用的共同点在于：像素当量不再是孤立系数，而是坐标系统、标定模型和时间同步的一部分。越是高精度系统，越不能把它当作一次计算后永久不变的常数。
13. 线阵相机和面阵相机分别适用于什么场景？为什么纺织品检测常用线阵相机？
13.1 什么是线阵相机和面阵相机，它们在成像原理上有何根本区别？
面阵相机通过二维像素阵列一次曝光得到整幅图像，两个空间维度都在同一时刻采样。线阵相机只拥有一行或几行像素，必须依赖目标与相机之间的相对运动，把连续采集到的线数据拼接成二维图像。这个区别理解清楚后，选型判断会顺畅很多。面阵更像一次把整页纸拍下来，线阵更像用一条精细的扫描线逐行扫完内容。因此线阵能把资源集中在横向高分辨率上，但也把运动控制和时间同步带进了成像链路。
这种差别决定了两者的系统边界。面阵适合静态或间歇运动场景，部署和触发更直接；线阵适合连续运动、大幅宽和超高分辨率任务，但前提是运动同步、行频和照明都要受控。
图13-1 面阵相机与线阵相机的成像方式对比
13.2 线阵相机通常适用于哪些特定场景？其优势是什么？
线阵相机适合连续运动物体的在线检测，例如纸张、薄膜、钢带、纺织品、印刷品和狭长型材表面检测。它的突出优势是：当目标宽度很大而分辨率要求又很高时，可以把横向像素集中到一条线上，通过扫描获得极高的幅宽分辨能力。对于初学者来说，线阵的价值不妨这样理解：同样预算下，如果任务只关心一条宽幅材料的表面，而不需要一次拍到完整二维静态画面，那么把像素资源都压到关键的横向扫描线上，往往比使用超高像素面阵更实际。
它的价值并不只是像素多。线阵系统通常便于与编码器、线光源和节拍控制协同，在连续生产线上可以把采样间距锁定到较稳定的物理步长。只要运动均匀且同步可靠，纵向比例关系也更容易保持一致。换言之，线阵并不是单靠传感器自身取胜，而是更容易和整套连续运动工艺形成匹配；一旦这种匹配建立起来，宽幅、高速、全检这三个通常彼此矛盾的要求，就有可能被放到同一个方案里实现。
13.3 面阵相机通常适用于哪些场景？其优势是什么？
面阵相机更适合静态工位检测、间歇运动目标、抓拍分析和机器人引导等任务。它部署简单，不要求目标持续匀速通过同一条扫描线，很多常规装配检测、条码识别和外观检查都更适合面阵方案。
它的优势在于系统结构直观、算法开发门槛较低、产品选择丰富。对于中小视场、无需极端横向分辨率的任务，面阵通常是性价比更高的默认起点。
13.4 从成像质量角度，线阵和面阵相机在检测连续运动的纺织品时有何不同表现？
在连续运动布匹检测中，线阵相机每一行都在相近的照明和几何条件下采样，更容易获得整幅宽度上一致的亮度和纹理表现。若编码器同步稳定，图像的纵向比例也较容易保持均匀。面阵相机若要覆盖大幅宽布面，则往往既要大视场，又要短曝光，还要控制镜头边缘成像、暗角和运动模糊，系统难度会明显上升。
线阵系统中畸变问题同样需要关注。在线阵系统中，光学系统只需覆盖一条横向扫描线，因此更容易把横向像场、照明和分辨率做得稳定。但镜头本身仍可能存在畸变和像场不均，尤其在大幅宽、低放大率系统中，同样需要标定和验证。
13.5 为什么纺织品检测对分辨率和检测宽度有极高要求？
纺织品缺陷往往尺寸很小，例如断经、断纬、结节、污点和破洞可能只有亚毫米甚至更小；与此同时，布幅又往往达到 1 m 到 3 m 以上。系统既要覆盖整幅布面，又要对微小缺陷保持足够采样密度，这天然形成了大宽度与高分辨率并存的双重约束。这里的难点并不只在“看得清”，而在于要在整幅材料上都维持近似一致的检测能力。若系统只在局部区域分辨率足够高，而边缘区域明显变差，在线全检的工程意义就会大打折扣。
更进一步，纺织检测通常要求在线全检，不能只抽样看局部。这意味着相机系统不仅要能够检出缺陷，还要在产线节拍下持续、稳定地覆盖整幅布面。
13.6 线阵相机如何满足纺织品检测的高分辨率、大宽幅需求？
线阵系统把横向宽度一次性映射到单行像素上，再由布匹运动补出纵向维度。若使用 8192 pixel 线阵相机检测 2000 mm 幅宽布面，则横向像素当量约为 2000 / 8192 ≈ 0.244 mm/pixel；这个数值表示幅宽与像素数之间的换算关系，系统还需结合纵向采样密度和算法验证才能确认是否具备稳定检出亚毫米缺陷的能力。若目标缺陷尺寸继续减小，通常还需要更高横向像素数，或采用多相机拼接方案。
这正是线阵方案适合纺织的原因：面对几米宽的目标，若想维持较小像素当量，单台面阵相机很快会遇到像素数、镜头像场和照明均匀性的综合压力，而线阵更容易把资源集中在真正关键的横向分辨率上。
13.7 除了分辨率，线阵相机在纺织品检测中还有哪些技术优势？
线阵检测通常与线光源天然匹配，照明能量集中在当前扫描区域，因此在亮度均匀性、对比度稳定性和功率利用率上都有优势。它还便于逐行处理，系统无需等待整帧图像完全形成后再开始分析，这对高速在线检测有现实价值。
另一项优势是同步控制能力。通过编码器触发，图像纵向采样间距可以直接对应实际位移，这让缺陷定位、长度估算和报警回查更容易与产线坐标系统一。
13.8 有没有纺织品检测场景下面阵相机可能更适用？
有。若检测对象是小尺寸静态布样、成衣局部工位、终检工位中的印花和辅料完整性，面阵相机往往更灵活。若任务需要三维结构信息，例如毛球高度、褶皱起伏或表面轮廓，则结构光和三角测量类面阵系统也可能更合适。
这说明纺织检测常用线阵，是因为目标在连续运动、大幅宽和高采样密度方面的需求，而非纺织领域只能用线阵。真正起决定作用的仍是目标是否连续运动、幅宽是否很大、采样密度要求是否极高，以及系统是否具备稳定同步条件。
14. 线阵相机的"行频"是什么？如何根据产线速度和检测精度计算所需的最小行频？
14.1 什么是线阵相机的"行频"？
行频是线阵相机每秒能够采集多少行图像的能力指标，单位通常为 Hz 或 kHz。面阵系统用帧率描述整幅图像采集速度，线阵系统则用行频描述纵向采样节拍。它决定了目标在运动方向上的空间采样密度，因此直接关系到纵向像素当量和运动模糊控制。很多学生第一次接触线阵时，会把行频简单理解为“相机刷新的速度”，这个理解不算错，但还不够。更准确地说，行频决定的是目标每移动一小段距离，系统有没有机会再采一行数据；如果这个机会不够密，图像纵向就会变粗，细小缺陷也可能在运动方向上被漏掉。
图14-1 线阵相机行频与产线速度、纵向精度的关系
14.2 行频与产线速度、检测精度之间的关系是什么？
设目标在运动方向上的速度为 \(v\)（mm/s），纵向像素当量为 \(p_v\)（mm/pixel），则二者满足：
其中 \(f\) 为行频。若希望在运动方向上达到更细的采样，即更小的 \(p_v\)，就必须提高行频；若产线速度上升而行频不变，则纵向采样会变粗，图像可能出现拉伸、压缩或漏采样。式（14-1）的工程含义很直观：单位时间内目标走得越快，而你采到的行数又不增加，那么每一行之间跨过的实际距离就越大；反过来，想让每一行之间的实际间隔变小，就只能让系统采得更快。把式（14-1）改写后，可得到任务所需的最小行频：
其中 \(d_{\min}\) 为最小目标特征尺寸，\(k\) 为希望该特征在纵向覆盖的像素系数。这个结果给出的，是检测任务至少要求系统达到的采样速度。若把它翻译成更实用的判断，就是先问自己：想看的最小缺陷有多大，希望它在纵向至少占几个像素；再问产线跑多快；这两个问题一旦确定，所需行频就大致被锁定了。
14.3 行频还受哪些物理约束？
式（14-2）给出的是任务侧对行频的下限要求，但系统能否真正工作在该频率，还受曝光时间和读出时间限制。若把单行周期记为 \(1/f\)，则通常还要满足：
这里 \(t_{\mathrm{exp}}\) 为曝光时间，\(t_{\mathrm{read}}\) 为单行读出及相关死区时间。换言之，行频一端受工艺速度驱动，另一端受相机、接口和照明条件共同限制。如果计算得到的需求值高于系统可提供的稳定行频，说明整套方案已经逼近或超过物理边界，需要重新审视工艺速度、行频余量和照明配置。
14.4 完整的线阵相机选型计算流程是怎样的？
更稳妥的流程通常分为五步：先确定幅宽和最小缺陷尺寸，再根据横向分辨率需求选线阵像素数；随后确定纵向允许像素当量，代入式（14-2）得到最小行频；然后检查相机接口带宽、曝光时间、编码器同步方式和处理链路是否支持；最后再留出工程余量，而不是把理论极限当工作点。这个流程的价值在于避免只凭某一个参数做决定，例如只盯着“8K 线阵”“80 kHz 行频”这样的宣传指标。真正可落地的方案，必须让横向分辨率、纵向采样、照明能量、同步精度和数据吞吐同时闭合。
如果系统既要求高速度又要求小纵向像素当量，照明常常会成为真正瓶颈，因为短曝光需要更高瞬时照度。很多线阵方案真正受限的因素往往是光源和同步条件无法在目标速度下长期稳定运行。
14.5 实际应用案例：如何计算具体数值？
以产线速度 \(v=2000\) mm/s、视场宽度 \(W=500\) mm、最小缺陷尺寸 \(d_{\min}=0.5\) mm、覆盖系数 \(k=2\) 为例。横向所需像素数约为：
纵向像素当量取：
则最小行频为：
这意味着相机在纵向至少要稳定工作在 8 kHz，工程上通常还会再预留 10% 到 20% 余量，并同步核对曝光、带宽和触发链路。
14.6 行频计算中的常见误区和注意事项
第一个常见误区，是只看相机手册上的最大行频，不看实际可用行频。若接口带宽、采集卡缓存、主机处理能力或光源同步能力不足，标称值就无法转化为持续稳定运行。第二个误区，是把纵向采样和运动模糊混为一谈。纵向像素当量取决于位移与行频，而运动模糊取决于曝光期间目标移动了多远，两者相关但并不等价。前者回答的是“采样够不够密”，后者回答的是“边缘会不会在一次曝光里被拖宽”，两者都影响缺陷检出，但需要分别计算、分别控制。
若目标速度为 \(v\)，曝光时间为 \(t_{\mathrm{exp}}\)，运动模糊长度可写为：
通常至少要让 \(L_{\mathrm{blur}} < p_v\)，否则即使行频满足采样要求，边缘仍会因曝光过长而变宽。
14.7 行频与系统其他参数的协同设计
行频要与光源、镜头、同步和数据链路一起设计。高行频意味着更短的单行周期，照明必须在更短时间内提供足够能量；镜头要保证该分辨率下仍有足够对比度；编码器和触发控制要保证等位移采样；接口与主机还要能够承受“行频 × 横向像素数 × 位深”对应的数据量。
因此，线阵系统调不顺时，不应把问题都归咎于相机。很多时候真正需要调整的是光源功率、触发方式、缓存策略或目标运动稳定性。