3. 图像采集与预处理诊断

在HALCON视觉系统中，图像采集是整条处理链的源头。如果采集到的图像本身存在曝光不足、对比度低、畸变、噪声或丢帧等问题，后续无论使用threshold、edges_sub_pix还是深度学习模型，都难以稳定得到正确结果。因此，采集与预处理诊断的核心思路是：先判断图像质量是否满足任务需求，再逐层排查光源、镜头、相机参数和采集接口，而不是急于修改算法参数。

一、光源与照明方式对图像质量的影响

光源决定了被测物与背景之间的对比度，也直接影响后续分割和特征提取的稳定性。常见照明方式包括环形光、条形光、同轴光、背光和穹顶光。环形光适合表面纹理和划痕检测；同轴光适合高反光平面上的字符或标记；背光用于轮廓和尺寸测量，能获得高对比度边缘；穹顶光则用于曲面或高反光工件的均匀照明。

诊断时先观察图像直方图。若灰度集中在低亮度区，说明曝光不足或光源功率偏低；若灰度集中在高亮度区并出现大面积饱和，说明过曝，细节被截断。一个实用的判断依据是：目标区域与背景区域的灰度差应至少达到50～80灰度级，且目标内部灰度标准差不宜过大，否则说明照明不均匀。例如在背光测量中，理想边缘的灰度过渡应在2～3像素内完成；若过渡超过8像素，则可能是光源发散或镜头景深不足。

二、镜头参数与成像质量的关系

镜头的焦距、光圈、工作距离和景深共同决定成像清晰度和视野范围。焦距f、工作距离WD、传感器尺寸s与视野FOV满足近似关系：FOV = s × WD / f。例如传感器宽度为8.4 mm、工作距离300 mm、焦距25 mm时，视野宽度约为100.8 mm。若实际需要80 mm视野，则应缩短工作距离或增大焦距。

光圈影响景深和进光量。光圈越大（F值越小），进光量越多，但景深越浅。对于有高度差的工件，若景深不足，会出现部分区域模糊。诊断时可观察图像中不同高度区域的清晰度差异，必要时缩小光圈并增加光源功率补偿。此外，镜头畸变会导致边缘直线弯曲，影响尺寸测量。HALCON中可用calibrate_cameras和camera_calibration进行标定，得到内参和畸变系数，再用change_radial_distortion_cam_offline校正图像。

三、相机参数与采集接口异常排查

相机参数主要包括曝光时间、增益、触发模式、像素格式和传输速率。曝光时间过短会导致图像偏暗，过长则可能引入运动模糊。增益可以提高亮度，但会放大噪声。一般原则是：优先增加曝光时间或光源功率，增益尽量保持在较低水平。对于运动物体，曝光时间应满足t ≤ 运动模糊允许量 / 运动速度。例如允许模糊0.1像素、像素当量0.05 mm、运动速度200 mm/s时，曝光时间应小于25 μs。

HALCON采集接口异常通常表现为：open_framegrabber返回错误、grab_image超时、图像全黑或全白、帧率不稳定。排查顺序建议如下：

• 检查相机是否被其他进程占用，关闭Halcon采集助手或其他取流软件；
• 确认接口类型与参数，如GigE Vision需检查IP网段、巨帧和带宽；USB3 Vision需检查供电和线缆质量；
• 用info_framegrabber查询可用采集接口和参数范围；
• 检查触发模式：软触发需确认grab_image_async与set_framegrabber_param中触发源设置一致；硬触发需检查接线和电平；
• 观察grab_image返回的图像句柄是否有效，若连续超时，可尝试降低分辨率或帧率，排除带宽瓶颈。

四、预处理诊断与参数调整

预处理的目标是改善图像质量，而不是替代采集优化。常用算子包括rgb1_to_gray、scale_image、emphasize、median_image、gauss_filter和equ_histo_image。若图像噪声明显，可先用median_image抑制椒盐噪声，再用edges_sub_pix提取亚像素边缘。若对比度不足，可用scale_image做线性拉伸，但要注意不要过度拉伸导致噪声放大。

下面给出一个采集与预处理诊断的检查表示例，可用于现场快速排查：

在实际项目中，建议把采集诊断与预处理诊断分开记录：先确认grab_image能稳定返回图像，再评估图像质量指标，最后才进入算法调参。若图像质量不达标，优先回到光源、镜头和相机参数上解决，而不是依赖后期滤波“补救”。只有采集端稳定、图像质量可控，HALCON的亚像素测量、模板匹配和深度学习分类才能发挥出应有的精度与鲁棒性。