1. 成像链全景与工程目标
工业视觉系统输出的每一帧图像，都不是"相机拍下来的画面"这么简单。从被测物表面的光辐射出发，到最终进入算法的一张数字图像，中间要经过照明、光学成像、光电转换、模拟前端、量化编码等多个环节。这条链路我们称为成像链（Imaging Chain）。理解成像链的意义在于：图像质量的任何缺陷，都可以在链路上找到它的来源环节，而不是笼统地归因于"相机不好"或"算法不行"。
成像链的典型构成可以按信号形态划分为三段：光域、模拟电域和数字域。光域包含光源、被测物反射/透射特性、镜头；模拟电域包含传感器光电转换、模拟增益、相关双采样（CDS）与模数转换前端；数字域包含量化、黑电平校正、去马赛克、伽马与输出接口。每一段都有各自的传递特性，最终图像是这些传递特性级联的结果。
从工程目标看，工业视觉对图像质量的诉求可以归纳为四类：对比度、分辨率、信噪比和几何保真度。对比度决定"缺陷能不能被看见"，分辨率决定"多小的缺陷能被分辨"，信噪比决定"看见的东西是否稳定可靠"，几何保真度决定"测量结果是否可信"。这四者并非彼此独立——提高放大倍率可以提升分辨率，但会缩小视场、降低进光量，进而恶化信噪比；增大光圈可以提升信噪比，却会压缩景深。成像链设计的本质，就是在这些相互制约的参数之间，为具体任务找到可行的工作点。
不同任务类型对成像链的侧重点差异很大。以常见的三类任务为例：
| 任务类型 | 核心诉求 | 成像链关键环节 | 典型判据 |
|---|---|---|---|
| 缺陷检测 | 缺陷与背景的对比度 | 照明方式与波长选择 | 缺陷信噪比 ≥ 3~5 |
| 尺寸测量 | 边缘锐度与几何保真 | 镜头畸变、远心度、像素当量 | 测量重复性 ≤ 1/10 公差 |
| 定位引导 | 特征稳定性与实时性 | 照明均匀性、曝光一致性 | 定位重复精度 ≤ 1/5 像素 |
以缺陷检测为例，假设某金属表面需要检出宽度约 0.05 mm 的划痕。若选用 500 万像素（2448×2048）、2/3" 靶面的相机，配 35 mm 镜头，工作距离 300 mm，则视场约为 2448×0.00345×300/35 ≈ 72 mm（按像元 3.45 μm 估算），像素当量约 72/2448 ≈ 0.029 mm/pixel。划痕仅占约 1.7 个像素，处于可检出边缘。此时若改用同轴落射照明并选择蓝光（450 nm），金属表面对短波反射更集中，划痕散射与镜面反射的差异被放大，对比度可显著提升；若仍用白光环形光，划痕可能被淹没在漫反射背景中。这说明照明环节的调整往往比更换相机更有效。
成像链设计也有明确的边界。它不能突破物理极限：衍射极限决定了给定光圈下的最小可分辨尺寸；光子散粒噪声决定了给定曝光下的信噪比上限；传感器的满阱容量决定了动态范围的天花板。工程上能做的是在这些极限之内，通过合理的链路配置逼近极限，而不是幻想通过后期处理"修复"一张信息已经丢失的图像。
从系统视角看，成像链的每一级都可以用一个传递函数或参数集来描述：照明提供辐照度分布，被测物提供反射率分布，镜头提供点扩散函数（PSF）与 MTF，传感器提供量子效率与噪声模型，ADC 提供量化台阶。最终图像是这些环节的卷积与叠加结果。掌握这条链路，意味着当图像出现对比度不足、边缘模糊、噪声偏大或灰度非线性时，能够沿着链路逐级排查，定位到真正的问题环节，而不是盲目更换硬件或反复调参。