曝光、增益和 Gamma，机器视觉调参别一上来就拉满

很多视觉项目现场调试时，画面一暗，第一反应就是把曝光拉高。

如果还不够亮，就继续加增益。

再觉得细节不明显，就动 Gamma。

这样做短时间内确实能让画面“看起来亮一点”，但机器视觉不是给人眼看热闹的。算法真正需要的是稳定、可重复、边界清楚、灰度关系干净的图像。

曝光、增益和 Gamma 都能改变画面亮度，但它们改变图像的方式完全不同。

◆ 一、曝光时间先决定进光量

曝光时间控制的是传感器接收光的时间。

时间越长，进光越多，画面越亮。

在静态检测里，适当提高曝光通常是比较干净的办法，因为它直接增加有效信号。

但曝光时间不是越长越好。

如果产品在运动，曝光太长就会拖影。边缘被拉开以后，轮廓定位、尺寸测量、缺陷边界都会变得不稳定。

所以现场调曝光时，要先问一句：

产品是静止的，还是运动的？
节拍允许多长曝光？
边缘有没有被拖宽？

只看画面亮不亮，很容易把问题调歪。

◆ 二、增益是放大信号，也会放大噪声

增益的作用可以理解为把传感器收到的信号再放大。

它的好处是见效快，画面马上变亮。

但它放大的不只是有用信号，也会把噪声一起放大。

在缺陷检测里，这一点尤其麻烦。

原本背景里很轻微的颗粒、纹理、热噪声，被增益一放大，就可能变成算法眼里的“疑似缺陷”。

所以增益适合作为补充手段，而不是第一选择。

一个比较稳的顺序是：

先补光
再调曝光
再少量加模拟增益
最后才考虑数字增益

如果一开始就靠高增益救亮度，后面算法往往要花更多力气去收拾噪声。

◆ 三、Gamma 改的是灰度关系，不是单纯补光

Gamma 很容易被误用。

它不是简单的亮度旋钮，而是在重新分配暗部、中间调和亮部的灰度关系。

Gamma 调小，暗部可能被提亮，看起来细节更多。

Gamma 调大，亮部和对比可能变化，看起来更有层次。

但机器视觉里，灰度关系一旦被非线性改变，阈值、边缘梯度、灰度测量都会受影响。

比如同一个产品，原始图像里边缘是一个稳定的灰度突变。

Gamma 改过以后，边缘两侧的灰度差可能变大，也可能变小；有些细节看起来更明显，但测量重复性反而变差。

所以 Gamma 更适合做显示优化或特定算法前处理，不适合现场随手乱动。

◆ 四、调参要看直方图，不要只看屏幕

人眼很会适应亮度。

同一张图，在不同显示器、不同办公室灯光下，看起来都可能不一样。

但直方图不会骗人。

调曝光和增益时，至少要看三件事：

暗部有没有全部堆在左边
亮部有没有顶到右边过曝
目标和背景之间有没有稳定间隔

如果亮部已经顶死，再加曝光只会丢细节。

如果目标和背景灰度混在一起，画面再亮也不一定好检测。

视觉调参的目标不是“好看”，而是“目标特征和背景分得开”。

◆ 五、现场可以按这个顺序排查

一套实用的调试顺序可以这样走：

固定相机、镜头、光源和产品位置
关闭自动曝光、自动增益、自动白平衡
先调光源强度和角度
再确定不会拖影的曝光时间
只在必要时少量加增益
最后评估 Gamma 是否真的有必要
用多件产品重复验证稳定性

这里最关键的一步，是关闭自动参数。

自动曝光和自动增益对普通拍照很友好，但对工业检测未必友好。

今天背景稍暗，它自动加一点；明天产品颜色变了，它又自动改一点。

算法看到的就不是同一套成像条件。

一旦项目进入稳定验证阶段，参数最好锁死。

◆ 六、写在最后

曝光、增益和 Gamma 都能让画面发生变化，但它们不是同一种工具。

曝光在改变进光时间。

增益在放大信号和噪声。

Gamma 在重排灰度关系。

现场调参时，别急着把参数拉满。

先把光打对，再把曝光定住，再谨慎处理增益和 Gamma。

一句话总结：

机器视觉调亮度，不是为了让画面更亮，而是为了让特征更稳。

图像越稳定，算法越轻松。

这才是调参真正要追的结果。