4. 光源与光学方案对处理负担的影响
在 CV-X 这类视觉处理系统中，很多人把优化焦点放在算法参数、滤波核、边缘阈值上，却忽略了一个更根本的事实：图像质量的上限由光源与光学方案决定，算法只是在既有图像上做补救。如果打光方案让目标与背景的灰度差只有 20～30 个灰阶，那么后续无论怎么调阈值、加形态学、上亚像素，都要付出成倍的算力去"猜"边界；反之，如果打光把对比度做到 150 个灰阶以上，边缘本身就干净锐利，算法可以用最简单的二值化和一维投影就完成定位。本节要讲清楚的是：光源与光学方案如何直接决定后续算法的复杂度与处理时间，以及如何通过打光优化把处理负担降下来。
一、对比度是"算法负担"的第一决定因素
先建立一个可量化的认识。假设检测对象是一个金属件上的黑色字符，背景是拉丝金属表面。用普通环形光正面照射时，金属表面产生镜面反射，背景灰度可能达到 200，而黑色字符灰度约 60，对比度约 140；但如果金属表面有油污或反光不均，背景灰度会在 120～230 之间波动，此时固定阈值 130 就会把部分背景误判为字符，算法必须引入动态阈值、局部自适应二值化、甚至深度学习分割来补偿，处理时间从 3 ms 上升到 15 ms 以上。
换一种打光方式：采用低角度条形光（暗场照明），让光线以接近平行于表面的角度掠射。金属拉丝表面的微小划痕和纹理被强烈散射，而平整区域几乎不反射光进入镜头，背景整体压暗到 30～50；黑色字符虽然吸光，但其边缘的漫反射仍能被相机捕捉，字符区域灰度约 80～100。此时对比度虽然绝对值不算极高，但背景一致性大幅提升，灰度波动从 ±55 降到 ±10，固定阈值 65 就能稳定分割，算法只需一次二值化加一次连通域分析，处理时间可压到 2～3 ms。
核心结论：打光优化的目标不是单纯"让图像更亮"，而是让目标与背景的灰度分布尽可能分离且各自集中。分布越集中，阈值越稳定，算法越简单，处理时间越短。
二、不同光源方案对应的算法复杂度差异
CV-X 常用的光源类型包括环形光、条形光、同轴光、背光、圆顶光（穹顶光）和点光源。它们对算法负担的影响差异很大，下面用一张信号链与对比关系图来说明从"光源—成像—算法"的传导路径。
从图中可以清楚看到一条传导链：光源方案决定成像对比度与背景一致性，成像质量决定算法需要多"聪明"才能分割目标，而算法复杂度直接决定处理时间。背光方案之所以在轮廓检测中处理时间最短，是因为透射成像天然形成高对比度剪影，二值化后目标与背景完全分离，不需要任何补偿算法。圆顶光之所以适合高反光曲面，是因为它用漫射光消除了镜面反射的方向性，让整个视场灰度均匀，算法只需一个固定阈值。
三、打光优化的具体操作路径
在实际工程中，打光优化不是"换一个更亮的光源"这么简单，而是要有明确的观察指标和调整方向。以下是一条可操作的路径：
- 先测当前对比度与背景波动。在 CV-X 的实时图像上开启灰度剖面显示，沿目标边缘画一条测量线，读取目标区平均灰度、背景区平均灰度、背景区灰度标准差。如果背景标准差超过 15，说明光照均匀性不足，优先解决均匀性而非对比度。
- 判断反光来源。如果背景亮斑随工件位置变化而移动，说明是镜面反射，应改用同轴光或圆顶光；如果背景整体偏亮但均匀，说明是漫反射过强，可降低光源角度或改用低角度暗场。
- 调整光源角度与距离。以条形光为例，将光源从 45° 逐步降到 15°～20°，观察背景灰度是否下降、目标边缘是否仍然清晰。角度越低，表面纹理越突出，但目标本身的照明可能不足，需要在"背景压暗"与"目标可见"之间找平衡点。
- 必要时引入分时频闪。CV-X 支持多光源分时点亮，一次采集可获取多张不同照明条件下的图像。例如先用低角度光拍纹理，再用同轴光拍平整面缺陷，两张图分别用简单算法处理，总时间可能仍低于单张图用复杂算法补偿的时间。
- 验证算法链是否真的简化。打光调整后，回到算法配置界面，尝试把自适应阈值改回固定阈值，把形态学迭代次数降为 0，观察检测结果是否仍然稳定。如果稳定，说明打光优化真正降低了算法负担；如果不稳定，说明对比度或均匀性仍未达标。
实用判断准则：当背景灰度标准差小于 8、目标与背景灰度差大于 100 时，绝大多数定位与有无检测都可以用固定阈值加简单连通域完成，处理时间通常能控制在 3 ms 以内。如果达不到这个指标，优先继续调光，而不是加算法。
四、一个可参考的打光优化记录表
为了让打光优化可追溯、可复现，建议在调试阶段记录每次调整的光源方案与图像指标。以下是一个示例表格，字段可根据实际项目增减。
| 序号 | 光源方案 | 角度/距离 | 目标灰度 | 背景灰度 | 背景标准差 | 对比度 | 算法链 | 处理时间 |
|---|---|---|---|---|---|---|---|---|
| 1 | 环形光正面 | 45°/80mm | 62 | 198 | 22 | 136 | 自适应阈值+形态学+亚像素 | 18 ms |
| 2 | 环形光+偏振片 | 45°/80mm | 58 | 165 | 14 | 107 | 自适应阈值+连通域 | 9 ms |
| 3 | 低角度条形光 | 18°/60mm | 85 | 42 | 7 | 43 | 固定阈值+连通域 | 4 ms |
| 4 | 低角度条形光+背光辅助 | 18°/60mm + 背光 | 92 | 28 | 5 | 64 | 固定阈值+一维投影 | 2.5 ms |
表中第 1 行是初始方案，虽然对比度数值不低，但背景标准差高达 22，导致算法必须用自适应阈值和形态学来抑制噪声，处理时间 18 ms。第 3 行改用低角度条形光后，对比度绝对值下降到 43，但背景标准差降到 7，灰度分布高度集中，固定阈值就能稳定分割，处理时间降到 4 ms。这个例子说明：对比度的绝对值不是唯一指标，背景的一致性同样关键，甚至更重要。
五、常见误区与注意事项
第一个误区是"越亮越好"。过亮会导致相机传感器饱和，目标与背景同时进入 255 灰阶，对比度反而消失。正确的做法是让背景处于中低灰度区间（30～80），目标处于中高灰度区间（120～200），留出足够的动态范围。
第二个误区是"只调光源不调镜头"。光圈过大导致景深不足，工件高度变化时边缘模糊，算法需要额外的聚焦补偿；光圈过小则进光量不足，需要提高增益，噪声增加，算法又需要滤波。合理的光圈与工作距离配合，能让边缘在景深范围内保持锐利，减少算法补偿。
第三个误区是"忽略环境光"。车间顶灯、窗户自然光会随时间变化，导致背景灰度漂移。加装遮光罩或使用频闪光源与相机曝光同步，可以消除环境光影响，让固定阈值长期稳定。
注意：打光优化后必须重新验证算法阈值和 ROI 是否仍然适用。光源角度或距离的微小变化可能改变目标边缘的灰度梯度，原本合适的阈值可能偏移 10～20 个灰阶。建议每次调整光源后，重新采集 10～20 个样本，确认灰度分布没有重叠，再固化参数。
总结来说，光源与光学方案是视觉处理性能优化的第一道杠杆。把对比度做高、把背景做匀，后续算法就可以从"补偿型"退化为"判断型"，处理时间往往能下降一个数量级。在 CV-X 工程实践中，先花时间调光，再花时间调算法，顺序不能颠倒。