1. 工业成像系统概览

工业成像系统并不是“相机拍一张照片”这么简单。它是一条从物理世界出发、最终落到数字图像与判定结果的信号链：被检物在照明下形成反射或透射光场，光学镜头把光场成像到传感器，相机把光强转换为灰度或彩色数值，再由 HALCON 完成预处理、特征提取与判定。理解这条链路，才能在设计阶段判断问题出在哪一环，而不是盲目换相机或调参数。

这条链路可以概括为五个环节：被检物 → 照明 → 光学成像 → 相机光电转换 → HALCON 处理。每个环节都有明确的输入、输出和关键参数，并且前后强耦合。例如照明角度会改变表面缺陷的对比度，镜头分辨率会限制可检测的最小缺陷尺寸，相机位深会影响灰度层次的可分辨能力，而 HALCON 的算子选择又取决于图像中目标与背景的对比形式。

各环节的分工与关键参数

被检物是链路的起点，它的材质、表面粗糙度、颜色、缺陷类型和几何尺寸决定了后续所有环节的设计边界。例如检测金属表面的划痕，缺陷方向性明显，需要定向照明；检测透明薄膜的杂质，则更适合透射照明。被检物的最小缺陷尺寸是分辨率设计的核心输入。

照明的任务不是“照亮”，而是“制造对比度”。同一缺陷在不同照明下可能呈现完全不同的灰度表现。明场照明适合检测表面印刷、字符；暗场照明适合检测划痕、凸起、边缘；同轴照明适合检测高反光表面的平整度。照明角度、波长、均匀性和工作距离都会直接影响图像中目标与背景的灰度差，而这个灰度差正是 HALCON 分割算子的输入条件。

光学成像负责把被检物上的光场按比例、清晰地投射到传感器上。焦距决定视场角，光圈影响进光量与景深，放大倍率决定物面分辨率，畸变影响测量精度。一个常见的工程判断是：如果缺陷在图像中只占 1～2 个像素，那么无论 HALCON 算法多强，检测稳定性都会很差。通常建议最小缺陷在图像中至少占 3～5 个像素。

相机完成光电转换，把像面光强变成数字灰度值。传感器像元尺寸、分辨率、位深、曝光时间和增益共同决定图像质量。位深为 8 bit 时灰度范围为 0～255，位深为 12 bit 时可达 0～4095，后者在低对比度场景下能保留更多层次。曝光不足会丢失暗部细节，曝光过度会饱和高亮区域，两者都会压缩有效灰度范围。

HALCON 处理是链路的终点，也是判定结果的输出环节。典型流程包括：图像采集、预处理（滤波、增强）、分割（阈值、边缘、区域生长）、特征提取（面积、周长、灰度均值、方向）、测量与分类、结果输出。HALCON 的算子选择必须与图像的实际对比形式匹配。例如目标比背景亮且对比明显，可用 threshold；边缘过渡明显，可用 edges_sub_pix 做亚像素边缘提取。

一个教学示例：金属划痕检测的链路参数

假设被检物为铝合金手机中框，缺陷为长度约 0.3 mm、宽度约 0.02 mm 的浅划痕，要求检出率不低于 99%。以下参数为教学示例，用于说明链路设计思路，并非实测结果。

在这个示例中，如果划痕在图像中只占 1 个像元，即使 HALCON 使用亚像素边缘提取，也会因为采样不足而无法稳定检出。因此，链路设计的第一步不是选算法，而是根据缺陷尺寸反推所需的光学放大倍率和相机像元尺寸。

协同关系与常见误区

这条链路的五个环节不是独立可替换的模块，而是相互约束的整体。照明改变对比度，对比度决定分割难度；光学决定分辨率，分辨率决定特征可提取性；相机决定灰度层次，灰度层次决定测量精度；HALCON 决定判定逻辑，判定逻辑反过来要求图像具备足够的信噪比。

常见误区包括：只提高相机分辨率而不改善照明，导致图像更清晰但对比度依旧不足；只调 HALCON 阈值而不检查曝光，导致阈值在饱和区域失效；忽略镜头畸变而直接做尺寸测量，导致边缘位置偏差。正确的做法是把链路当作一个整体，从被检物出发逐级推导参数，并在每一级确认输出是否满足下一级的输入要求。

当系统出现漏检或误检时，排查顺序也应沿链路反向进行：先看 HALCON 分割结果是否合理，再看图像对比度是否足够，再看照明角度和均匀性，再看光学分辨率和景深，最后检查相机曝光和增益。这样可以把问题定位到具体环节，而不是在算法层反复调整。