企业官网建设流程全解析

做工业视觉这几年，和线扫相机打交道是最多的。海康线扫相机在锂电、PCB、薄膜、纺织这些行业里出现频率很高，很多朋友第一次用就卡在一个问题上：图像亮度不均匀，同一片白场下，左边亮右边暗，或者中间亮两边暗，明明打了均匀的光，采出来却是一道一道的。这时候就需要做平场矫正（Flat Field Correction，FFC）了。

平场矫正说白了就是给相机“校准底色”：把传感器每个像元的响应差、镜头暗角、光源不均匀这三类误差一起消掉，让均匀目标在图像里呈现均匀灰度。这个操作在面阵相机上你做不做都行，因为面阵图像通常可以用软件后处理来补偿；但在线扫相机上，如果不做矫正，后续的缺陷检测、条码读取、颜色判断基本都别想了，阈值分割直接给你漂移，算法再强也白搭。

这篇文章我是按实战路子写的，适合刚接触线扫相机、想过一次完整矫正流程的同行参考，也适合那些已经做了矫正但效果不稳定的朋友来对比排错。我会把原理、公式、实操步骤、参数选取思路、常见坑都串起来讲，保证你看完能自己动手做一次相对规范的平场矫正。

1. 为什么线扫相机离不开平场矫正

1.1 线扫相机的成像机制与均匀性问题

线扫相机和普通面阵相机从成像逻辑上就有本质区别。面阵相机是一张一张地拍，每次曝光采集一个二维矩阵；线扫相机每次只曝光一行像素，靠着物体匀速运动或者相机自行扫描，一行一行地拼出完整图像。海康线扫相机常见的有Camera Link、GigE、CoaXPress和10GigE几种接口，但不管哪种接口，成像传感器都只有一“条”——宽度方向对应传感器的像元数，长度方向对应扫描累积的行数。

这个机制带来一个特点：线扫图像的每一行都经历了完全相同的物理光路和传感器响应路径。也就是说，如果某一行上某个像元响应偏弱，那么拼出来的整幅图像上，这一整条“竖线”都会偏暗；如果光源在宽度方向上不均匀，那么每一行都会带上同样的明暗梯度。这种“行间同源、列向固定”的特性，决定了线扫图像的均匀性问题比面阵更显性、更固定。

不均匀的来源主要有三个：

• 镜头渐晕：镜片边缘对光线的透过率天然低于中心，导致靠近视场两端的图像偏暗，这个在短焦镜头或者大靶面镜头上尤其明显。
• 光源不均匀：线阵光源（LED线光源、光纤光源等）的发光面很难做到全长范围内绝对一致，边缘光强衰减是很常见的。
• 传感器像元响应差异（PRNU）：由于制造工艺，每个像元的灵敏度存在微小差异，正常来说这个差异在±0.5%~1%左右，但对于均匀性要求高的检测项目来说，这点差异也足以干扰算法。

所以你会发现，平场矫正不是可选项，而是线扫相机正常使用的一个前置步骤。

1.2 不矫正会怎样：三个典型故障现象

先说一个我在现场见过很多次的场景：一张A4纸大小的白色塑料片，在均匀光源下用海康线扫相机拍，结果灰度从左到右从120慢慢爬到220，中间还夹杂着几条暗缝。有人会去调镜头、换光源，折腾半天效果有限，原因就是没有意识到这是系统性的“场畸变”，不是某个单一硬件的故障。

如果不做平场矫正，最典型的三种表现是：

• 图像左右或中间亮、边缘暗：主要是镜头渐晕和光源不均匀叠加出来的结果。做缺陷检测时，同一块产品，放在视野中间能检出，放到视野边缘就误报，其实就是背景灰度漂移导致阈值不统一。
• 固定的明暗条纹或竖线：某个像元响应特别低或者有灰尘遮挡，在整幅图上形成固定位置的暗线。这类问题如果平场矫正做得彻底，一般能把响应差异拉平，但如果有坏像元或者灰尘附着，矫正之后还是会有残留，这点后面会详细说。
• 同一目标在不同位置亮度不同：如果产品有轻微反射差异，配合不均匀的光源，会导致同一色块在图像上表现出不同的灰度，直接影响颜色判断或者面积测量。

在做高精度测量或缺陷检测时，平场矫正的精度直接决定了算法阈值的稳定空间。灰度均匀性若能做到±2%以内，后续的图像处理就非常舒服；如果只能做到±10%，很多算法参数根本没法统一。

2. 平场矫正的底层原理：从公式看本质

2.1 暗场、亮场、增益系数

平场矫正在数学上非常直观，但工程上做得好不好，跟你对公式的理解深度很相关。先记住三个概念：暗场、亮场、目标值。

暗场（Dark）：在完全遮光条件下采集的图像。此时镜头没有进光，传感器输出的灰度并不等于0，因为存在暗电流和读出噪声。海康线扫相机一般在全局曝光模式下，暗场灰度值可能在几个灰度级到几十个灰度级之间，和曝光时间、传感器温度成正比。温度高了，暗场灰度也会变大，这就是为什么长期稳定运行的设备要定期重新做矫正。

亮场（White）：在正常打光条件下，放置均匀白色参考物（通常是标准白板、白色陶瓷片或者漫反射白卡）采集的图像。亮场图像包含了光源强度分布、镜头渐晕、传感器PRNU全部信息。理想情况下，亮场的每一列灰度都应该是均匀的，但实际上它会呈现出一条从左到右的曲线，这条曲线的形状就是矫正要消除的量。

目标值（Target）：矫正后希望达到的灰度水平。一般取亮场灰度均值或者某个固定值比如200，代表矫正后均匀目标的灰度会统一到这个水平。

这三个量一组合，就得到每个像元的矫正参数。

2.2 矫正公式推导与参数计算

先说读码器、视觉控制器场景下的常用公式。像元i的原始灰度为 \(raw_i\)，矫正后的灰度为 \(c_i\)，那么：

[ c_i = \frac{raw_i - dark_i}{white_i - dark_i} \times target ]

这个公式很好理解：先减去暗场底噪，消除暗电流和读出噪声的影响；再除以亮场与暗场的差值，得到每一个像元的归一化响应；最后乘以目标值，把灰度映射到你想要的亮度水平。

实际工程中，更多用增益偏置模型来表达：

[ c_i = (raw_i - offset_i) \times gain_i ]

其中：

• (offset_i = dark_i)，这是偏置项
• (gain_i = \frac{target}{white_i - dark_i})，这是增益项

所以每个像元只需要存两个数：offset和gain。矫正时对每个输入像素做一次减法加一次乘法，一气呵成。

细心的朋友会发现一个问题：如果某像元的 (white_i - dark_i) 非常小甚至接近于0，那么增益会变得极大，噪声也会被同步放大。这就是为什么亮场采集时不能让光线过暗，也不要把镜头光阑缩得太小。正常建议亮场灰度控制在满量程的70%~85%之间，相当于8位深度下的180~220。

举个例子，假设暗场值 (dark=5)，亮场值 (white=200)，目标值 (target=200)，那么增益 (gain = 200 / (200 - 5) \approx 1.025)。如果某个像元的亮场值只有120，那么 (gain = 200 / (120 - 5) \approx 1.739)，原始图像上偏暗的区域会在矫正后获得更强增益，最终被拉回到目标灰度附近。

这是单点矫正（一次线性映射）的做法。如果光照不均匀曲线特别复杂，线性映射在低灰度和高灰度区间可能仍残留轻微差异，这种情况可以考虑分段矫正，即在暗场和亮场之间再取一个中间灰阶，做分段线性映射。工程上90%的场景单点矫正就够了，分段矫正是锦上添花。

2.3 两种矫正方式：相机内置与软件矫正

海康线扫相机做平场矫正有两条路线，一条是硬件的、一劳永逸的，一条是软件的、灵活可调的。

相机内置矫正：在海康机器人的MVS软件或相机SDK里，部分型号支持将矫正系数烧录到相机内部。相机出厂或者现场维护时，通过软件采集暗场和亮场，计算出系数后存入相机非易失存储区，之后相机输出的图像直接就是矫正后的。这样做的优点是：采集程序中不需要额外处理，因为相机已经输出了均匀图像；缺点则是：光源变化、镜头调整、曝光时间改变之后，内置系数可能失效，需要重新标定。

软件矫正：更常见的做法是，在MVS软件或者自己写的采集程序里，把矫正系数保存成一份文件，采集图像后在图像处理流水线中调用矫正函数。这样矫正逻辑和后处理算法融为一体，换产品、换光源时只需要加载不同参数文件就行，灵活性高出不少。海康VisionMaster平台里也有平场矫正模块，可以直接拖进流程里用，不需要自己写公式。

对大多数现场应用，我建议先用软件矫正跑通流程，把均匀性验证到位，再决定要不要把系数固化到相机里。这样调试速度快，出问题时也方便回溯参数。

3. 实操准备：设备、环境与图像采集

3.1 硬件清单与采集环境要求

理论上平场矫正只需要相机、镜头、光源和一块均匀白板，但真正实操起来，准备工作做得越细，矫正效果越好，后续返工的几率越低。列一下我常用的清单：

• 海康线扫相机一台，建议型号选MV-CL系列，接口根据现场环境选Camera Link或GigE
• 配套镜头，注意线扫相机一般用高分辨率的线扫镜头，普通面阵镜头用在边缘画质容易发虚
• 线阵光源，LED线光源、激光线光源都可以，关键是光源长度要覆盖相机视野宽度
• 标准白色参考物，推荐使用白色漫反射陶瓷片或者专用白板，尽量不要用普通A4纸，纸质不均匀且反光特性不稳定
• 三脚架或夹具，用于固定白板，保证白板平面和产品检测面在同一高度和倾角
• 电脑上装好MVS软件（海康机器人官网可下载）和相机驱动

环境上有一点容易被忽略：矫正最好在产品实际使用的光照环境里做，避免在暗室或强环境光下采集。因为环境光会叠加到亮场和暗场里，如果矫正时和检测时环境光不一致，矫正系数就失真了。

3.2 相机参数设定：曝光、行频、增益

平场矫正之前，先把相机的曝光时间、行频、增益等基础参数定下来，而且在矫正过程和后续使用过程中保持这些参数不变，这是基本原则。因为不同曝光和增益下，暗电流、噪声和增益放大器的响应特性是不一样的，参数变了，矫正系数就失效了。

参数设定建议顺序：

1. 把增益（Gain）设为最小值或者你实际工程中要用的值。模拟增益建议不要设太大，太大的增益会放大噪声，同时也会放大亮场和暗场计算中的微小误差。
2. 设定合适的曝光时间。线扫相机的曝光时间跟行频是配套的，一个比较直接的参考是曝光时间要保证产品在匀速运动下不拖影，同时亮场灰度在200左右，不要超过250，也不要低于100。
3. 设定行频（Line Rate）。海康线扫相机在MVS里可以直接设置行频，也可以通过外部编码器触发控制。行频越高，曝光时间上限越低，亮度就越难拉上去；反过来亮度够但行频太低会限制产线速度。在矫正阶段，先用一个稳定行频把流程跑通，再回到产线速度重新验证一次。
4. 白平衡相关设置如果有，先关闭或设成固定值。线扫相机有些带有逐通道增益调整，做矫正时保持默认即可。

我用海康MV-CL系列做过一次实测，曝光时间设为300微秒、行频设为2000Hz、增益0dB时，常见线扫光源下白板灰度能到190左右，再做矫正效果比较理想。当然每个现场光源功率不同，需要微调。

3.3 亮场采集的关键：均匀白板怎么准备

很多人以为白板随便买一块白色的东西就行，结果矫正出来仍然不均匀，问题往往出在白板的本底不均匀或者摆放角度上。

标准做法是用专业白色漫反射板或者陶瓷白板，这类材料在可见光波段反射率平坦，而且表面接近朗伯体，不管光源从哪个角度打过来，反射都比较一致。实在临时要用的话，至少选表面磨砂的白色亚克力板，避免使用高光洁度材料，否则光源反射会形成明显的镜面亮斑。

白板摆放时需要注意三点：

• 白板平面必须和产品检测面处于同一个高度、同一个倾角，这样才能保证镜头对白板成像的物距和实际检测时一致。
• 白板在视野方向上的长度要大于镜头的成像宽度，至少要覆盖整个视野范围，边缘如果有一截是空的，矫正时那一列就会计算出错误的系数。
• 白板表面不能有灰尘、指纹、划痕，采集前可以用无尘布擦拭。有时候一道划痕在矫正后就会形成一条固定的暗线，很难排查。

另外，亮场采集时会有一个小技巧：如果光线本身有明显波动（比如LED光源没加恒流驱动），建议采集多帧做平均，用平均后的图像来计算矫正系数。MVS软件里有平均采集功能，或者你自己写代码时连续采集几十行求均值，效果会稳很多。

4. 手把手实操：海康MVS软件平场矫正流程

4.1 第一步：采集暗场图像

打开MVS软件，连接相机后，第一步是采集暗场。

具体操作是：把镜头盖完全盖住镜头，确保没有任何光线进入传感器。有些线扫相机使用外触发模式，这时候需要切换成连续采集模式，或者固定触发源，先把图像采集出来。如果你是在产线上调试，不方便盖镜头盖，可以用一块完全不透光的黑布把镜头包住，关键是保证不漏光。

在MVS的图像窗口里设置好曝光和增益后，点单帧采集，观察暗场灰度值分布。理想情况是灰度值很小，比如8位深度下在0~20之间，而且全视野分布均匀。如果某一列环境光漏进去，那一列的暗场值会明显偏高，后面矫正会出现一条亮线，这时候要先解决漏光问题再继续。

暗场值过高通常有两个原因：一是曝光时间过长导致暗电流积累，二是传感器温度过高。如果暗场值到了50以上，我建议先降低曝光或者加强散热，而不是硬着头皮做矫正。因为暗电流噪声是随时间漂移的，矫正时减掉一个固定值，并不能完全消除它的影响。

为了减少随机噪声，更好的做法是连续采集64帧或者128帧，取平均作为暗场图像。MVS里可以把图像保存成bmp或者raw文件，我在脚本里一般会保存为raw格式，便于后续用Python做系数计算。

4.2 第二步：采集亮场图像

暗场采集完成后，拿掉镜头盖，把白色参考板放到检测位置，保持正常打光，然后采集亮场。

这一步有几个决定性细节：

• 光源从点亮到稳定输出需要预热时间，尤其是LED光源，刚上电时的光强和前几分钟差别不小。我一般会让光源先点亮10~15分钟，再开始采集亮场，避免矫正用了“冷光”状态，产线跑起来又是“热光”状态。
• 亮场灰度尽量调到200左右。如果偏暗，优先增加光源亮度或曝光时间，不要通过调增益来拉亮，因为增益会放大噪声；如果偏亮接近饱和，优先降低光源功率或缩小光圈。
• 观察亮场图像曲线，看有没有局部过曝的区域。如果有，说明白板上有反光点，或者光源角度不对产生了镜面反射，先调整光源角度，让白板呈现均匀漫反射状态。

亮场同样建议多帧平均。尤其在线阵光源下，某些驱动器存在周期性纹波，单帧图像会带轻微横纹，多帧平均能把这些波动平滑掉。

我在现场一般取128帧做平均。采集完成后，把暗场、亮场分别保存为raw文件，同时记录下曝光时间、增益、行频这几个参数，方便后面追溯。

4.3 第三步：计算矫正系数并保存

这一步两种做法，一种是在MVS软件里操作，另一种是写个小脚本自己算。

如果你用MVS软件的平场矫正功能，界面操作一般是：输入暗场图像和亮场图像，设定目标灰度值，软件自动计算出系数文件，保存成.cal或者自定义格式文件。之后在MVS的采集参数里加载这个系数文件，相机的输出图像就自动矫正了。

如果你自己写代码，用Python做一次也很简单，核心就十几行。下面是我常用的一种实现，读取暗场和亮场的raw文件，计算offset和gain，然后保存成numpy格式或者文本文件：

import numpy as np # 参数设置 width = 2048 # 根据相机分辨率修改 height = 128 # 平均后的图像高度 bit_depth = 8 # 8位或12位 max_val = 255 # 8位最大值，12位就是4095 target = 200 # 目标灰度 # 读取暗场和亮场，分别取行平均 dark = np.fromfile('dark.raw', dtype=np.uint8).reshape(height, width).astype(np.float32) white = np.fromfile('white.raw', dtype=np.uint8).reshape(height, width).astype(np.float32) # 平均到单行 dark = dark.mean(axis=0) white = white.mean(axis=0) # 计算 offset 和 gain offset = dark denom = white - dark denom[denom < 1] = 1 # 防止除零 gain = target / denom # 保存参数 np.savez('ffc_params.npz', offset=offset, gain=gain, exposure=300, gain_setting=0, line_rate=2000)

需要注意的是，线扫相机保存的单帧图像本身就是一行或者几百行组成的长条图，所以用的时候要确认图像的行数。我保存raw时故意采了128行，平均变成单行参数，后续矫正时把这一行offset和gain广播到每一行去应用。

如果有12位相机，raw读出的是16位数据，里面的有效位数是12位，读取时要先转成非负整数再按比例缩放。比如12位下满量程是4095，你要的目标值灰度也要用12位尺度去考量，一般写2200~3500之间。

4.4 第四步：在采集流程中应用矫正参数

矫正系数计算出来后，最后一步是把系数用起来。

如果你用的是MVS软件内部的功能，设置好后相机输出就已经是矫正图像，直接用就行。如果你是自己写采集程序，可以在SDK回调里加一个像素级处理，把每一帧图像乘以gain、减去offset，再输出给算法模块。

下面给一个简单的处理流程示意，假设图像数据已经是numpy数组：

def apply_ffc(frame: np.ndarray, offset: np.ndarray, gain: np.ndarray, max_val=255): # frame shape: (height, width)，单行offset/gain广播到每行 corrected = (frame.astype(np.float32) - offset) * gain corrected = np.clip(corrected, 0, max_val) return corrected.astype(np.uint8)

应用矫正后，再用原先的白色参考板重新采一张图，观察灰度是否均匀。这是验证矫正是否有效的最直接方式。一般来说，矫正后白场灰度波动应该在±2%~±3%以内，如果达不到，回头检查亮场采集是否稳定，或者考虑做分段矫正。

系数文件的保存位置和命名规则建议规范化，比如按“产品类型_曝光时间_行频_日期”命名。因为换产品、调光源、改曝光之后都可能导致矫正系数变化，参数文件管理做不好，现场会非常乱。

5. 矫正效果评估：怎样算“精准成像”

5.1 均匀性评价指标

很多人做完矫正就拿白板拍一下，肉眼看觉得差不多了就算完事，这对精度要求不高的项目还行，正式场合还是要量化评估。矫正效果我一般看三个指标：

• 灰度均值与目标值的偏差：矫正后白场的平均灰度应当接近你设的目标值，偏差应该在±5以内。
• 灰度标准差（或者最大最小跨度）：以整条线的灰度值为对象，计算标准差，更直观的做法是看最大值减最小值的跨度。8位灰度下，好的矫正效果应达到最大最小跨度小于6~10个灰度级，即满量程的2%~4%。
• 局部纹理残留：观察连续多行矫正后图像，是否存在逐像素的随机噪声被放大。这类噪声幅度如果接近3~5个灰度级，说明增益设置偏大，或者亮场平均帧数不够。

实际评估时我会在矫正后的白场图像上取一条矩形区域，画一行灰度分布曲线，直观看到波动范围。如果曲线基本是平的，波动范围很小，说明矫正有效；如果曲线两端或者某些固定位置仍然有下凹，需要回到上一步排查。

5.2 跨行一致性检查

线扫图像还有一个特点：同一列像素来自传感器上同一个像元在不同时间的多次曝光，而同一行像素则是同一时刻不同像元的响应。平场矫正用单行参数去矫正所有行，假设的前提是每个像元的响应特性稳定、不随时间变化。

但实际中，传感器的响应会随着温度、光源闪动、运动速度等因素发生微小漂移，尤其是连续运行几个小时后，热噪声会导致暗电流升高。所以矫正后的图像，除了要看单行均匀性，还要看跨行一致性——取图像中同一列的一段数据，看灰度有没有随着行数增加产生漂移。

如果发现随着运行时间增加，图像整体变暗或者变亮，先检查光源是否稳定，其次检查传感器温度。一些高要求项目会在设备开机预热后再做矫正，并且把矫正周期纳入日常点检计划，比如每4小时或者每班次重新做一次亮场基准采集。

5.3 矫正系数复用与更新策略

矫正系数不是一劳永逸的。项目长期运行时需要一套更新策略，否则一旦光源衰减或者镜头清洁度变化，矫正效果就会直线下降。

我个人的经验是分三档：

• 日常：设备正常运行时不更新矫正系数，但每天开机后拍摄一次标准白板，记录灰度均值和标准差，如果均值偏离初始值超过5%，就需要重新采集亮场了。
• 定期：每月用标准白板做一次完整矫正，生成新的系数文件，同时保存旧文件做对比，能直观看到光源和相机响应有没有老化趋势。
• 重点维护后：更换光源、清洁镜头、移动相机位置、调整光圈之后，必须重新做矫正，因为这些操作都会改变亮场的空间分布。

这几个更新策略看起来简单，但能帮你把矫正这个环节变成可控的日常运维项，而不是等到误判率飙升才去现场救火。

6. 常见问题与排查技巧实录

6.1 矫正后图像仍偏暗或偏亮

这种情况最常见的原因就是目标值和亮场采集值不匹配。目标值设得太高，而亮场原始灰度本身已经接近满量程，white - dark的值很小，增益被算得特别大，矫正后图像反而会出现噪点或者过曝。

排查思路：先看亮场的平均灰度是多少，如果原始亮场只有150，就不要把目标值设到250，目标值应该等于或者略小于亮场平均灰度。更稳妥的做法是让目标值等于亮场灰度的平均值，这样矫正本质上是把亮场拉平，不会整体改变亮度水平。

另外，如果暗场值采集得偏高，矫正时减掉的offset偏大，也会导致矫正后图像偏暗。所以暗场采集一定要确保完全遮光。

6.2 单侧暗边明显，矫正后依然存在

这是最典型的镜头渐晕问题。按理说亮场中包含了渐晕信息，矫正后应该能消除，但如果你发现矫正后暗边仍然存在，通常是两种原因：

第一种是亮场图像中暗边的灰度已经接近0或者非常低，导致white - dark接近甚至小于暗场误差，增益会异常大，不仅拉不平暗边，还会把噪声放大同时拉高暗边区域的灰度，变成一条浅浅的亮带。

第二种是视野太大，白板没有完全覆盖整个视场，边缘区域的亮场实际上采集的是背景而不是白板，矫正系数自然就是错的。

处理办法：首先确认亮场有效覆盖整个视野，没有白板边界落入图像；然后检查边缘灰度，如果边缘灰度低于亮场峰值的50%，说明渐晕太严重，要么换靶面更大的镜头，要么考虑先做一次镜头匀光处理，让亮场曲线不至于掉得太狠再做平场矫正。

6.3 矫正后出现横纹或条纹

横纹问题和平场矫正本身关系不是很大，但往往在矫正后被放大。矫正的本质是一个像素级的乘加运算，会把原始信号中的固定图案和噪声按增益放大，如果原始图像本身有横纹，矫正后横纹会更加明显。

横纹的来源一般是光源的纹波、传感器的行读出噪声、或者电缆信号干扰。

排查时先把光源调成直流模式（或者恒流模式），用示波器看光源驱动信号有没有周期性纹波。如果光源本身没问题，就用短曝光和低增益重新采集暗场，看暗场图像里是否仍有横纹。暗场里的横纹通常是读出噪声引起的，这时候可以通过增加平均帧数来压制，或者调节相机的相关双采样设置（CDS）。

我遇到过一种情况：用户说矫正后图像出现规律横纹，结果排查发现是线阵光源的PWM调光频率和相机行频产生了拍频。后来把光源换成模拟调光，横纹立刻消失。这件事提醒我，做矫正之前把光源驱动方式搞清楚，能省掉很多排查时间。

6.4 矫正系数失效场景汇总

有些朋友说矫正做完了，为什么过两天又不行了？我整理过一些常见失效场景，基本能覆盖90%的情况：

• 曝光时间、增益、行频被改了，而矫正系数是在旧参数下计算的。
• 光源功率被调整或者光源老化，亮场整体水平下降，矫正增益无法补偿这么大的变化。
• 镜头光圈或者焦距被触碰过，渐晕特性发生变化。
• 相机重新上电后，部分相机参数没有从配置文件加载，回到了出厂默认。
• 传感器温度发生显著变化，暗电流水平变了，暗场值不准了。

这些场景的本质都是一句话：矫正系数和当前成像状态不匹配。所以规范化流程中，矫正参数的记录和点检机制特别重要。你可以在MVS里把相机参数保存成一份配置文件，和矫正系数文件放在一起管理，还原现场时一起加载，能少踩很多坑。

7. 几个容易被忽略的实战经验

7.1 光圈与曝光的选择顺序

很多在线扫相机上第一次做矫正的人会问，光圈到底开到多大合适。我的建议是先把光圈设定到一个合理的中间值，比如F4~F8之间，然后通过曝光时间和光源亮度来把亮场调到合适的灰度水平。

为什么要这样？因为光圈开太大，镜头边缘的渐晕会更严重，矫正系数需要的动态范围就更大，图像边缘的噪声也会被放大；光圈缩太小，衍射会降低有效分辨率而且光源利用率下降，亮场拉不起来。所以光圈选一个折中值，剩下用光源和曝光来微调，这种组合最容易获得稳定的矫正结果。

7.2 白板并非越白越好

之前提过白板要用漫反射白色材料，但这不代表越白越好。有些高反射率白板在强光源下会把灰度顶到饱和，亮场灰度一旦到250以上，离饱和不远了，矫正系数计算出来边缘往往有问题。

更合适的目标是：亮场灰度刚好落在220左右，也就是满量程的85%上下。这样既能保证亮暗空间足够，又不会碰触饱和区。如果你的光源太强导致亮场过曝，宁可降低光源功率，也不要通过缩小镜头光圈去压，因为光圈改变会影响渐晕曲线。

7.3 温度对矫正效果的影响

线扫相机的暗电流受温度影响很明显，温度升高时暗电流和读出噪声都会增加，暗场的offset会漂移。有些设备连续运行几小时后，图像整体就开始变亮或者出现暗电流噪声点，这时候如果还是用开机时采集的暗场系数做矫正，效果肯定打折扣。

如果设备运行环境的温度波动大，我会建议在相机端或者机柜里加散热措施，同时把“温度漂移后重新矫正”纳入运维流程。也可以考虑每隔一段时间自动采集新的暗场参考图像，而不是一直沿用旧的。对于一些高帧率的应用，传感器发热厉害，尤其需要关注这一点。

7.4 用均匀性曲线做矫正后的最终确认

最后分享一个习惯：每次做完矫正，先不急着上产品，在矫正后的图像上放一张标准白板，输出一行灰度曲线，肉眼确认曲线基本水平之后再开始打样。这个步骤看起来多余，实际上能避免很多因为矫正不彻底导致的算法误判问题。

我见过不少项目，调试阶段一切正常，一量产就开始误报率飙升，排查半天发现是白场矫正后在某个固定列还残留着一条很浅的暗带，平时不惹眼，一到特定产品上就触发误判。所以我在验收矫正效果时，会把灰度波动范围记录下来，比如“8位灰度下波动±3”，写进项目调试记录里，后续对比时很方便。

线扫相机的平场矫正看着是个小步骤，但它直接决定了整个视觉系统后续的稳定性。把原理吃透、流程做规范，少走的弯路能让你在现场省下太多时间。