1. 课程导入与视觉系统成像链路

在开始讨论镜头、光源、滤镜和相机之前，先建立一条完整的成像链路概念，是后续所有选型工作的基础。Cognex In-Sight 是一类智能相机（Vision System），它把图像采集、图像处理、通信输出集成在一个机身内。但“智能”并不意味着前端光学可以随意处理——恰恰相反，In-Sight 的算法能力越强，越依赖前端提供稳定、可重复的图像输入。如果进入传感器的光信号本身对比度不足、畸变过大或存在反光干扰，再强的算法也只能在噪声中做低效补偿。

因此，本课程把光学选型放在整个视觉项目的“信号源头”位置。一个典型的 In-Sight 视觉项目，其信号路径可以概括为：被测物 → 照明光源 → 被测物反射/透射 → 镜头 → 滤镜 → 图像传感器 → In-Sight 处理器 → 通信输出。这条链路中，光源决定了“被测特征能否被照亮并形成差异”，镜头决定了“特征能否被清晰、无畸变地投射到传感器”，滤镜决定了“哪些波段的光被保留”，传感器决定了“光信号如何转换为数字灰度”，处理器则负责“从数字图像中提取判定结果”。

理解这条链路的关键在于：每一级都会对最终图像质量产生不可逆的影响。光源选错，后面用算法补偿会非常吃力；镜头畸变过大，标定和测量精度就无从谈起；滤镜选错，可能把有用的特征波长直接滤掉。因此，光学选型不是“买一个能装上的镜头”，而是根据被测特征、精度要求、节拍和现场环境，反向推导出光源、镜头、滤镜和安装参数的组合。

光学选型在项目中的位置

一个完整的 In-Sight 项目通常按以下顺序推进：需求分析 → 光学选型 → 相机/处理器选型 → 算法配置 → 通信集成 → 现场验证。光学选型处在第二环，但它实际上会反向约束后面的所有环节。例如，如果被测特征宽度为 20 mm，要求检测精度 0.05 mm，那么视野（FOV）至少需要覆盖 20 mm 以上，同时像素分辨率要满足：

所需像素数 ≈ FOV / 精度 = 20 mm / 0.05 mm = 400 像素
考虑亚像素和余量，实际建议 ≥ 800 像素覆盖特征宽度

这个结果会直接决定你选择多少万像素的 In-Sight 型号，以及镜头的放大倍率。如果先买了相机再配镜头，很容易出现“视野不够”或“精度不够”的返工。因此，本课程反复强调：先定光学，再定相机，最后调算法。

常见成像问题分类与优化目标

现场成像问题虽然表现多样，但大致可以归为四类，每类都有对应的光学优化方向：

• 对比度不足：特征与背景灰度接近，算法难以分割。优化方向包括调整光源角度（低角度掠射增强表面纹理）、更换波长（如红色光对某些材料对比度更好）、使用背光形成轮廓剪影。
• 反光与过曝：金属、玻璃、塑料表面产生镜面反射，局部像素饱和。优化方向包括使用偏振片、漫射板、同轴光源，或调整光源入射角避开反射角。
• 模糊与失焦：图像边缘不锐利，测量重复性差。优化方向包括缩小光圈增加景深、调整工作距离、更换远心镜头消除透视误差。
• 畸变与视野不符：图像边缘弯曲或视野覆盖不了被测物。优化方向包括选用低畸变镜头、远心镜头，或重新计算焦距与安装距离。

从信号链角度理解优化顺序

当现场出现成像问题时，建议按信号链从源头往后排查：先确认光源是否稳定、角度是否合适，再检查镜头是否对焦、光圈是否合理，然后确认滤镜是否匹配，最后才考虑调整相机曝光或算法参数。这个顺序的原因是：前端光信号的质量决定了后端处理的上限。如果光源本身不稳定，后面无论怎么调曝光和阈值，图像都会波动。

举个教学示例：假设检测一个金属表面的字符，初始使用环形光源垂直照射，图像中字符区域出现强烈反光，灰度值达到 250 以上，而背景只有 80 左右，字符边缘被反光淹没。此时如果直接调低曝光，背景会变得更暗，字符与背景的对比度反而下降。更合理的做法是：将环形光源改为低角度照射，或加装偏振片，让金属表面的镜面反射被抑制，字符的刻痕阴影被增强。调整后，字符区域灰度约 60，背景约 180，对比度明显提升，算法阈值分割变得稳定。这个示例说明：光学调整往往比算法调整更根本、更有效。

本课程后续将围绕光源、镜头、滤镜、安装与调试逐项展开，每一节都会结合 In-Sight 的实际参数和现场判断方法，帮助你把这条成像链路真正打通。