4. 分辨率与精度选型计算

在工业视觉选型中，分辨率不是“越高越好”的孤立参数，而是由检测任务反推出来的结果。真正决定选型是否合理的，是四个量之间的换算关系：视野（FOV）、最小可检缺陷尺寸、像素精度与相机有效像素数。本节把这条计算链完整展开，并给出可直接套用的计算表与案例。

一、先明确四个核心量的定义

• 视野 FOV：相机单次拍摄能覆盖的物理范围，通常用长×宽表示，单位 mm。它由镜头焦距、工作距离和传感器尺寸共同决定。
• 最小缺陷尺寸 d：需要被稳定检出的最小特征或缺陷的物理尺寸，单位 mm。注意这是“缺陷本身尺寸”，不是“缺陷在图像上的像素数”。
• 像素精度 p：单个像素对应的物理尺寸，单位 mm/pixel。p = FOV / 像素数。
• 有效像素数 N：相机传感器在某一方向上的像素数量，如 2448×2048。

四者关系可写成：p = FOV / N，而检测能力取决于 d / p，即缺陷占据多少个像素。这个比值是选型的真正判据。

二、从缺陷到像素：为什么需要“像素数倍数”

一个缺陷要被稳定检出，不能只占 1 个像素。原因有三：缺陷边缘落在像素边界上会分摊能量；镜头与传感器存在调制传递函数（MTF）衰减；照明与噪声会降低对比度。工程上通常要求缺陷至少占据 3～5 个像素，高可靠性检测（如医疗、安全件）甚至要求 5～10 个像素。

由此得到核心公式：

所需像素精度 p = d / k
所需相机像素数 N = FOV / p = FOV × k / d

其中：
  d = 最小缺陷尺寸（mm）
  k = 缺陷所需像素数倍数（一般取 3～5）
  FOV = 视野（mm）
  N = 该方向所需有效像素数

注意：FOV 和 N 必须取同一方向。若视野为 100 mm × 80 mm，缺陷在长边方向检出，则用 100 mm 计算长边像素数，再核对短边是否满足。

三、完整计算链与案例

下面用一个典型案例走完整条链。任务：检测金属表面划痕，视野 120 mm × 90 mm，最小划痕长度 0.15 mm，要求稳定检出，取 k = 4。

1. 计算所需像素精度：p = d / k = 0.15 / 4 = 0.0375 mm/pixel。
2. 计算长边所需像素数：N长 = 120 / 0.0375 = 3200 pixel。
3. 计算短边所需像素数：N短 = 90 / 0.0375 = 2400 pixel。
4. 选型：需要一台长边≥3200、短边≥2400 的相机。常见 500 万像素相机为 2448×2048，长边不足；需选 800 万～1200 万像素，如 4096×3000 或 4024×3036。
5. 反算实际像素精度：p实 = 120 / 4096 ≈ 0.0293 mm/pixel，缺陷占 0.15 / 0.0293 ≈ 5.1 pixel，满足 k=4 要求，且有裕量。

四、镜头、传感器与视野的联动

相机像素数确定后，还要验证镜头能否在给定工作距离下提供该视野。放大倍率 β = 传感器尺寸 / FOV。例如传感器长边 1/1.8″ 约 7.2 mm，FOV 长边 120 mm，则 β ≈ 0.06。再结合焦距 f 与工作距离 WD 的近似关系 f ≈ WD × β，若 WD = 300 mm，则 f ≈ 18 mm。这说明：分辨率选型必须与镜头焦距、工作距离、传感器尺寸同步核算，否则会出现“相机像素够、镜头解析力不够”的假满足。

五、参数关系与选型判据可视化

六、可直接套用的计算表

把上述过程整理成一张可填写的计算表，选型时逐行填入即可。表中数值为示例，实际使用时替换为任务真实参数。

七、常见误区与判断依据

• 用“像素精度”直接等于“检测精度”：像素精度只是几何换算，实际检测精度还受镜头 MTF、照明对比度、算法亚像素能力影响。亚像素算法可把定位精度提升到 0.1～0.3 pixel，但缺陷检出仍建议按 3～5 pixel 设计。
• 忽略短边：只算长边会导致短边方向缺陷漏检。必须两个方向分别核算，取较大值作为选型下限。
• 把 k 取 1 或 2：这会让缺陷只占 1～2 个像素，边缘能量被分摊，检出率极不稳定，属于典型选型不足。
• 只看相机不看镜头：镜头解析力不足时，即使相机像素再高，图像也无法分辨缺陷。选型时应同时核对镜头的 MTF 与传感器像元尺寸匹配关系。

总结这条计算链：任务给出 FOV 与 d，d 除以 k 得到 p，FOV 除以 p 得到 N，N 决定相机像素档位，最后用实际像素精度反算缺陷占像素数并判定是否达标。掌握这条链，就能把“选多大分辨率”从经验判断变成可复算、可验证的工程决策。