4. OpenMV曝光控制API
在机器视觉项目中，曝光时间直接决定了图像传感器收集光子的时长，是影响图像亮度、动态范围以及运动模糊程度的核心参数。OpenMV Cam 基于 MicroPython 环境，提供了简洁而强大的 API 来控制摄像头传感器。本章将深入剖析 set_exposure 及相关 API 的底层逻辑、参数范围、调用时机，并结合实战场景讲解如何通过代码精准控制曝光，从而为后续的补光策略和白平衡调整打下坚实基础。
4.1 曝光控制的核心原理与API体系
曝光时间（Exposure Time）是指图像传感器感光像素累积电荷的时间窗口。在 OpenMV 中，曝光控制并非孤立存在，而是与增益（Gain）、白平衡（White Balance）共同构成"曝光三角"。理解 set_exposure 之前，必须先明确其在整个图像采集链路中的位置。
OpenMV 的曝光 API 主要封装在 sensor 模块中，其底层通过 I2C 总线与摄像头传感器（如 OV7725、MT9M114）通信，写入传感器寄存器中的曝光行数（Exposure Lines）或直接写入时间值。MicroPython 层将这一过程抽象为以微秒（µs）为单位的整数参数，极大降低了开发门槛。
核心API清单：
sensor.set_auto_exposure(enable)：开启或关闭自动曝光。参数为True或False。关闭自动曝光是手动设置曝光值的前提。sensor.set_exposure(exposure_us)：直接设置曝光时间，单位为微秒（µs）。例如sensor.set_exposure(10000)表示曝光 10 毫秒。sensor.get_exposure()：返回当前曝光时间（微秒）。在自动曝光模式下，该函数返回实时调整后的值，可用于监控。sensor.set_exposure_gain_db()：部分固件版本支持同时设置曝光和增益，但通常建议分开控制。
值得注意的是，set_exposure 并非在所有传感器上都支持任意值。其实际可设范围受限于传感器型号、帧率设置（FPS）以及像素格式（Pixformat）。例如，在 640x480 分辨率下，OV7725 的最大曝光时间受限于帧间隔，若设置过大会导致帧率下降。
4.2 参数范围与传感器差异
不同 OpenMV 型号搭载的传感器不同，曝光参数范围差异显著。下表汇总了常见传感器的曝光参数范围及注意事项：
| 传感器型号 | 常见OpenMV型号 | 曝光范围（微秒） | 最大分辨率 | 备注 |
|---|---|---|---|---|
| OV7725 | OpenMV M7/M9 | 1 ~ 500,000 (500ms) | 640x480 | 低照度下噪声较大，建议配合补光 |
| MT9M114 | OpenMV M4 | 1 ~ 1,000,000 (1000ms) | 1280x960 | 动态范围较好，但长曝光易发热 |
| OV5640 | OpenMV RT1062 | 1 ~ 300,000 (300ms) | 2592x1944 | 高分辨率下曝光范围受限 |
在实际工程中，我们通常不会用到极限值。曝光时间过长（>100ms）会导致图像拖影严重，且传感器发热增加暗电流噪声。曝光时间过短（<100µs）则可能导致图像亮度不足，需要依赖高增益或强补光。
重要提示： 在调用 set_exposure 之前，必须先调用 sensor.set_auto_exposure(False)。否则，自动曝光算法会不断覆盖你手动设置的值，导致参数"失效"。这是初学者最常见的错误之一。
4.3 操作流程：从初始化到手动曝光控制
正确的手动曝光设置流程应遵循以下步骤，每一步都不可省略：
- 初始化传感器：调用
sensor.reset()进行复位，确保传感器处于默认状态。 - 设置像素格式与分辨率：使用
sensor.set_pixformat(sensor.RGB565)或sensor.GRAYSCALE，以及sensor.set_framesize(sensor.QVGA)等。分辨率会影响曝光范围上限。 - 关闭自动曝光：执行
sensor.set_auto_exposure(False)。此时传感器停止自动调节。 - 设置初始曝光值：根据环境光预估一个初始值，例如室内日光灯下可设为
20000（20ms）。 - 采集图像并分析：使用
sensor.snapshot()获取图像，通过img.get_statistics()查看亮度均值（Mean Luminance）。 - 迭代调整：若亮度过低（均值<80），则增大曝光值；若过高（均值>180），则减小曝光值。每次调整后重新采集分析。
import sensor
import image
import time
# 初始化
sensor.reset()
sensor.set_pixformat(sensor.GRAYSCALE) # 灰度图更利于亮度分析
sensor.set_framesize(sensor.QVGA) # 320x240
# 关闭自动曝光
sensor.set_auto_exposure(False)
# 手动设置曝光时间：20ms
sensor.set_exposure(20000)
# 采集并分析亮度
img = sensor.snapshot()
stats = img.get_statistics()
print("亮度均值:", stats.mean())
# 根据亮度调整曝光
if stats.mean() < 80:
sensor.set_exposure(40000) # 增大曝光
elif stats.mean() > 180:
sensor.set_exposure(10000) # 减小曝光
4.4 实战案例：流水线工件检测中的曝光锁定
在某工业视觉检测项目中，需要检测传送带上的金属工件表面划痕。现场环境存在两个挑战：一是传送带速度较快，曝光时间过长会导致运动模糊；二是环境光受上方行车影响，亮度波动剧烈。
初始现象： 使用默认自动曝光时，图像亮度忽明忽暗，且工件边缘出现拖影，导致划痕检测算法误判率高达 30%。
分析过程： 通过 get_exposure() 监控发现，自动曝光在 5ms 到 30ms 之间频繁跳变。当曝光时间超过 15ms 时，传送带上的工件在图像中产生约 3 像素的位移模糊，严重影响边缘提取精度。
解决方案： 采用"固定曝光+补光补偿"策略。
- 首先，将曝光时间固定为 8ms（
sensor.set_exposure(8000)），确保运动模糊控制在 1 像素以内。 - 然后，在传送带两侧加装白色 LED 条形光源，通过 PWM 调光将照射区域亮度稳定在 120 lux。
- 最后，由于曝光时间缩短导致图像整体偏暗，适当提升增益至 200（
sensor.set_gainceiling(200)），并关闭自动白平衡，固定色温。
结果对比： 调整后，图像亮度均值稳定在 150±10，划痕检测准确率提升至 97%，误判率降至 2% 以下。同时，由于曝光时间固定，算法无需处理亮度突变，处理帧率从 25 FPS 提升至 40 FPS。
复盘经验： 在动态场景中，优先锁定曝光时间，再通过补光解决亮度问题，而非依赖自动曝光。自动曝光适合静态场景，在运动场景中必须手动控制。
4.5 常见误区与调优建议
在实际项目开发中，关于曝光控制存在几个高频误区，需要特别注意：
误区一： 认为曝光值越大图像越清晰。实际上，曝光时间过长会导致运动模糊和传感器发热，反而降低图像质量。应优先保证曝光时间小于运动模糊阈值。
误区二： 忽略帧率与曝光的关系。当设置较长曝光时，帧率会相应下降。例如，曝光 100ms 时，理论最高帧率仅为 10 FPS。若需要高帧率，必须缩短曝光时间。
调优建议： 使用 sensor.get_exposure() 实时监控实际曝光值，确认设置是否生效。在调试阶段，可将曝光值、增益值、亮度均值通过串口打印，形成数据曲线，便于分析系统稳定性。
此外，对于光照变化频繁的场景，可以考虑"区间自动曝光"策略：通过代码周期性地读取环境亮度，当亮度突变超过阈值时，重新计算并设置曝光值。这比完全自动曝光更可控，比完全固定曝光更适应环境变化。
总结而言，set_exposure 是 OpenMV 光照调试中最关键的 API 之一。掌握其参数范围、调用顺序和与增益、补光的配合关系，是构建稳定视觉系统的基石。在实际项目中，务必结合具体场景进行系统化调优，而非孤立地调整单一参数。