4. 图像质量要求

做工业缺陷检测这些年，我踩过最大的坑，就是以为算法能搞定一切。后来发现，很多时候模型表现不好，不是算法不行，是图像质量本身就有问题。说白了，你给模型喂的图是模糊的、过曝的、全是噪点的，它怎么可能学得会？

这一章，我们就聊聊图像质量那几个关键指标——分辨率、对比度、景深、噪声。它们怎么影响检测，以及我们在采集和标注时该怎么把控。

4.1 分辨率：不是越高越好，够用就行

分辨率决定了你能看到多小的缺陷。这个道理很直观——像素不够，小缺陷就糊成一团了。

但我要说一个反常识的观点：分辨率不是越高越好。我见过不少项目，一上来就采购2000万像素的工业相机，结果模型训练慢、推理卡顿，精度还没提上去。

为什么？因为分辨率高了，视野不变的情况下，每个像素对应的物理尺寸变小了。但光照、镜头分辨率、运动模糊这些因素跟不上，反而引入了更多噪声。

怎么确定合适的分辨率？

我个人习惯用这个公式来算：

最小缺陷尺寸（mm） / 像素当量（mm/pixel） ≥ 3 ~ 5 个像素

举个例子：你要检测0.1mm的划痕，像素当量如果是0.02mm/pixel，那划痕在图像上只占5个像素。勉强够用。如果像素当量是0.05mm/pixel，划痕只占2个像素，那就很难检出来了。

缺陷类型	最小缺陷尺寸	推荐像素当量	最低分辨率要求
划痕/裂纹	0.05 - 0.2 mm	0.01 - 0.04 mm/pixel	500万 - 1200万像素
脏污/异物	0.2 - 1.0 mm	0.04 - 0.2 mm/pixel	200万 - 500万像素
变形/尺寸偏差	0.5 - 2.0 mm	0.1 - 0.4 mm/pixel	100万 - 300万像素
颜色/纹理差异	区域性（>1mm²）	0.2 - 0.5 mm/pixel	100万像素以下

4.2 对比度：让缺陷从背景里「跳」出来

对比度这个问题，说白了就是缺陷和背景之间的差异够不够大。你想想看，如果缺陷和背景颜色、亮度都差不多，人眼都看不出来，模型怎么可能学得会？

我遇到过最头疼的一个案例：检测透明玻璃上的微小气泡。玻璃本身是透明的，气泡也是透明的，只是折射率不同。普通光源下，对比度极低，模型准确率只有30%。后来换了暗场照明，气泡在暗背景下变成亮斑，对比度一下就上来了，准确率直接跳到95%。

对比度控制的几个要点

• 照明方式决定对比度：明场、暗场、背光、同轴光，不同缺陷适合不同照明。划痕适合暗场，脏污适合明场。
• 光源颜色有讲究：用互补色可以增强对比度。比如检测红色塑料上的划痕，用蓝色光源，划痕会更明显。
• 标注时注意对比度变化：同一类缺陷在不同光照下对比度可能不同。标注时要覆盖这些变化，不然模型会学偏。

4.3 景深：别让边缘模糊了真相

景深这个概念，搞过摄影的都懂。但在工业检测里，它往往是被忽视的。说白了，景深就是图像中清晰成像的深度范围。如果被检测物体有高度差，或者表面不平整，景深不够就会导致部分区域模糊。

举个例子：检测一个带有凸起焊点的电路板。焊点高度可能比板面高出0.5mm。如果景深只有0.3mm，那要么焊点清晰、板面模糊，要么板面清晰、焊点模糊。无论哪种情况，缺陷都可能在模糊区域被漏掉。

景深控制的实用建议

• 小光圈 = 大景深：但光圈太小会引入衍射，反而降低分辨率。一般工业镜头建议光圈在F4-F8之间。
• 远心镜头是神器：远心镜头景深大、畸变小，特别适合有高度差的物体。我做过一个手机中框检测项目，用了远心镜头后，边缘清晰度提升了一个档次。
• 多焦距采集：如果景深实在不够，可以考虑在不同焦距下采集多张图像，然后做景深合成。但这样会增加数据量和采集时间。

4.4 噪声控制：别让模型学了一堆「假缺陷」

噪声，是工业图像里最让人头疼的问题之一。传感器噪声、电路噪声、环境光干扰、运动模糊……这些都会在图像里引入随机的像素变化。

你想想看，如果噪声的形态和缺陷很像，模型就会把噪声当成缺陷来学。我见过一个案例，模型把传感器热噪声误判为划痕，准确率惨不忍睹。

常见的噪声类型及应对

噪声类型	产生原因	对检测的影响	控制方法
高斯噪声	传感器热噪声、弱光环境	降低图像清晰度，小缺陷被淹没	增加光照、降低ISO、多帧平均
椒盐噪声	传感器坏点、传输干扰	产生虚假的亮/暗点，易误判为缺陷	坏点校正、中值滤波
条纹噪声	CMOS读出电路、电源干扰	产生规律性条纹，干扰纹理检测	硬件屏蔽、频域滤波
运动模糊	物体或相机运动过快	边缘模糊，缺陷变形	缩短曝光时间、使用频闪光源

噪声控制的几个原则

• 源头控制优先：能通过硬件解决的，就别指望算法。增加光照、降低ISO、使用屏蔽线缆，这些比任何去噪算法都有效。
• 去噪要适度：过度去噪会损失细节，尤其是小缺陷的边缘信息。我建议在采集端做轻度去噪，保留大部分细节，训练时再用数据增强模拟噪声。
• 标注时标注噪声区域：如果图像中有明显的噪声区域，标注员应该标记为「噪声」，而不是忽略。这样模型可以学会区分噪声和真实缺陷。

4.5 四个要素的权衡：没有完美的图像，只有合适的图像

讲到这里，你可能已经发现了：分辨率、对比度、景深、噪声，这四个要素是相互制约的。提高分辨率可能降低信噪比，增加景深可能降低分辨率，增强对比度可能引入更多噪声。

所以，在实际项目中，我们要做的不是追求每个指标都最优，而是找到最适合当前检测任务的平衡点。

我一般会按这个顺序来权衡：

1. 先确定最小缺陷尺寸，算出所需分辨率
2. 再根据物体形态，确定景深要求
3. 然后设计照明方案，优化对比度
4. 最后控制噪声，确保信噪比在可接受范围

嗯，这套流程我用了好几年，基本没出过大问题。当然，每个项目都有它的特殊性，灵活调整才是关键。