许多刚接触这一领域的初学者常常会问：机器视觉与计算机视觉，这两个术语听起来十分相似，它们之间究竟有什么区别？

实际上，两者虽然关联紧密，但在应用目标与技术方法上存在明显差异。通俗地讲，机器视觉更侧重于"执行任务"，而计算机视觉更专注于"分析理解"。

机器视觉与计算机视觉的核心区别

我们不妨从定义切入。机器视觉的核心在于"用机器取代人眼进行检测与判断"，它借助摄像头和传感器采集图像，再通过计算机技术进行分析处理，最终服务于工业自动化、质量检测、机器人导航等实际应用场景。它的要求是识别精准、响应迅速、能够落地执行。

相比之下，计算机视觉更侧重于基础研究与算法开发。它致力于让计算机像人类一样"理解"图像内容，涉及图像处理、模式识别、目标检测与跟踪、三维重建等前沿技术领域。其目标是让机器具备"看懂"的能力，而不一定立即用于某个具体任务。

从目标与应用角度来看，机器视觉的终极目标非常清晰：解决实际问题。例如在生产线上检测零件是否存在缺陷、帮助机器人精准抓取目标物体。它通常采用相对简洁但高效的图像处理技术，如边缘检测、颜色识别、形状匹配等。

计算机视觉则更具"学术派"特质。它研究如何借助更复杂的算法——如机器学习、深度学习——来实现更高层次的视觉理解。其研究成果不断反哺机器视觉领域，让后者变得更加智能高效。

当然，两者并非彼此孤立。计算机视觉提供了底层技术支撑，而机器视觉则是这些技术最典型的应用落地场景。可以说，它们相互依存、共同演进。

机器视觉光源的常见打光方式

了解概念区别之后，接下来进入更实操的内容。在机器视觉系统中，光源选择是否得当，直接决定了图像质量，而图像质量又是后续算法能否成功运行的前提。那么，常用的打光方式有哪些呢？

1. 全方向打光：光源均匀分布于被测物体周围或上方，类似柔光箱一样提供整体均匀的照明。这种方式适合观察物体整体表面信息，不刻意突出特定细节。

2. 侧面打光：光源从物体的一侧照射，专门照亮侧面或边缘区域。这种方式能显著增强边缘与轮廓的对比度，非常适合检测尺寸、形状、划痕或凹凸缺陷。

3. 后方打光：光源置于物体背后，形成背光照明效果。这种方式能呈现物体的剪影轮廓，对于检测透光性、边缘缺陷以及特殊形状的尺寸测量非常有效。

4. 散射打光：通过散光板、漫反射镜等器件将光线打散，形成柔和均匀的漫射光。这种光线能消除直接反射造成的过曝或眩光问题，适合检测反光物体或表面纹理。

5. 成像打光：光源与相机或成像设备集成在一起，确保光线路径与相机光路完全同步。这种方式常用于3D视觉、结构光扫描等需要精确控制光线方向的场景。

当然，实际项目中往往不会只采用单一方式，多种打光方法组合使用才是常态。光源的亮度、色温、打光角度等参数，都需要根据被测物体的具体材质和形状反复调试与优化。

机器视觉光源选型的关键方法

介绍完打光方式后，接下来探讨如何选择合适的光源。光源选型在很大程度上决定了视觉系统的成败，以下几个核心维度需要重点考量：

1. 光源类型：

- 环境光源：例如室内照明或自然日光。优点是不需要额外成本，但缺点也很明显——光照不稳定，易受环境干扰，仅适用于要求不高的场景。

- LED光源：这是目前机器视觉领域的主力光源。亮度高、可调节、寿命长、功耗低。不同颜色（红、绿、蓝、白、红外等）的LED灯可满足不同检测需求。

2. 亮度与色温：亮度不足会导致图像暗部噪声增大；亮度过高则可能造成过曝、细节丢失。色温的选择更为讲究：进行颜色检测时，必须选用色温均匀的光源，否则容易产生色差，影响判断准确度。

3. 方向与角度：光源的照射方位直接决定了图像中特征与缺陷的呈现效果。选择合适角度可以最大化对比度，使目标清晰地从背景中凸显出来。

4. 均匀性与稳定性：这几乎是机器视觉光源最基本的要求。光照不均匀会导致同一物体在不同位置的检测结果出现显著差异。而光源的稳定性（长时间工作后亮度是否衰减、色温是否偏移）同样至关重要。

5. 快门与帧率匹配：如果检测对象是高速运动物体，光源的频闪频率或持续亮度必须与相机的快门速度和帧率相匹配，否则会产生运动模糊，导致无法提取有效信息。

综合这些要素，最终的光源配置通常需要在实验室中反复测试才能确定。没有万能的光源，只有最适合当前检测任务的光源方案。

机器视觉光源的核心作用与分类

理解选型逻辑之后，有必要从更宏观的视角梳理光源的核心作用与分类体系。一套优质的光源系统，能够为视觉系统创造最佳的"观察条件"。

其作用主要体现在以下四个方面：

- 提供光照：使物体能够被摄像头清晰捕捉，合适的强度与均匀性是图像质量的基础保障。

- 创造对比度：通过光照凸显目标特征、抑制干扰信息，使目标与背景的界限更加清晰分明。

- 消除阴影：合理的打光方案能有效抑制甚至消除无关阴影，防止其对后续图像处理造成干扰。

- 突出特定特征：例如照亮边缘轮廓、增强表面纹理、或揭示隐藏的缺陷信息。

关于光源的分类，大致可以归纳为以下四种类型：

- 环境光源：包括自然光和室内照明，可控性较差，不适用于精密检测场景。

- LED光源：应用最为广泛，性价比最高，支持多种颜色选择，适用于绝大多数工业检测场景。

- 激光光源：具有高亮度、单色性好、聚焦精准等优势，适合高精度测量与3D成像应用。

- 红外光源：能够穿透部分半透明或透明材质，常用于隐藏特征检测与红外成像领域。

机器视觉中光源的特点与选型应用

最后，将几种常见光源的特点与应用场景做一个快速汇总，方便直接对照参考。

LED光源：

- 特点：高亮度、可调光、低功耗、长寿命、响应速度快。

- 适用：几乎覆盖所有机器视觉应用场景，包括品质控制、机器人定位、自动识别、尺寸测量等。

激光光源：

- 特点：高亮度、窄带宽、单色性好、可聚焦成极细的线条或光点。

- 适用：高精度测量、三维重建、结构光扫描、轮廓检测等场景。

红外光源：

- 特点：发射不可见红外光线，能够穿透部分半透明材料。

- 适用：红外成像、隐藏缺陷检测、透射检测等应用。

高频闪光灯：

- 特点：发出极短脉冲的高亮度光线，能将高速运动物体"凝固"在图像中。

- 适用：高速运动物体的抓拍、运动追踪、快速检测线等场景。

环境光源：

- 特点：不可控、光照不稳定。

- 适用：仅用于精度要求不高的简单应用场景，例如入门级的物体分类任务。

总结来说，选择光源没有捷径可走。关键在于深入理解被测物体的物理特性（材质、颜色、反光程度、表面纹理等），并结合视觉系统的硬件参数（相机灵敏度、快门速度等）进行综合决策。条件允许的情况下，使用不同光源进行实物对比测试，往往能够找到最优方案。