企业官网建设流程全解析

那台产线相机拍出来的图左边亮右边暗，Halcon里调了两个月阴影校正才搞定

前年接了个光伏电池片EL检测的项目，产线上了六台堡盟相机做全覆盖拍摄。结果出来的图让人头疼——同一批电池片，左边两台拍的明显偏亮，右边两台拍的偏暗，中间两台还凑合。六张图拼在一起，亮度像梯田一样一层一层往下掉。客户验收的时候指着屏幕问：“这到底是电池片有问题还是你们相机有问题？”

排查了一圈，光源是均匀面光源，镜头也没脏，后来才意识到是镜头渐晕（Vignetting）加上光源安装角度不一致导致的阴影。这种阴影不是简单的亮度不均，而是像素级的灰度渐变，调曝光、调增益根本解决不了。

后来在Halcon里写了个阴影平场校正，用illumination算子配合mult_image做除法校正，再对每帧采集的图做scale_image_max统一灰度，终于把六台相机的亮度一致性拉到了±1.5%以内。

这篇把过程中几种实用方法整理出来，供同行参考。

一、阴影到底从哪来的？

工业相机拍出来的阴影，通常不是单一原因造成的，而是几个因素叠加：

**平场校正（Flat-Field Correction）**的核心思路是：拍一张均匀白场的参考图，记录每个像素点的"基准亮度"，后续每帧图都除以这个基准，把不均匀性抵消掉。

Halcon里做这件事，核心算子就三个：read_image读图，mult_image做除法，scale_image_max拉齐灰度。

二、Halcon实现阴影平场校正

方法一：基础除法校正（最常用）

这是最标准的平场校正流程：先拍白场（White Field）和黑场（Dark Field），然后用公式：

校正后 = (原始图 - 黑场) / (白场 - 黑场) × 目标灰度

usingHalconDotNet;publicclassFlatFieldCorrector{privateHImage_whiteField;// 白场参考图privateHImage_darkField;// 黑场参考图（关光源或盖镜头盖拍摄）privateHImage_gainMap;// 预计算的增益图/// <summary>/// 标定：拍摄白场和黑场，计算增益图/// </summary>publicvoidCalibrate(HImagewhiteField,HImagedarkField,doubletargetGray=128.0){_whiteField=whiteField.CopyObj(1,1);_darkField=darkField.CopyObj(1,1);// 计算差值图：white - darkHImagediff;HOperatorSet.SubImage(_whiteField,_darkField,outdiff,1.0,0.0);// 加一个小数避免除零HImagediffSafe;HOperatorSet.AddImage(diff,newHImage("byte",1,1,newbyte[]{1}),outdiffSafe,1.0,0.0);// 计算增益图：gain = targetGray / (white - dark)_gainMap=diffSafe.CopyObj(1,1);HOperatorSet.ScaleImageMax(_gainMap,out_gainMap);// 释放中间对象diff.Dispose();diffSafe.Dispose();// 保存标定结果SaveCalibration("calibration_data");}/// <summary>/// 对输入图像做平场校正/// </summary>publicHImageCorrect(HImageinput){// 减黑场HImagesubtracted;HOperatorSet.SubImage(input,_darkField,outsubtracted,1.0,0.0);// 乘增益图HImagecorrected;HOperatorSet.MultImage(subtracted,_gainMap,outcorrected,1.0,0.0);// 裁剪到合法范围并统一灰度HImageresult;HOperatorSet.ScaleImageMax(corrected,outresult);// 释放中间对象subtracted.Dispose();corrected.Dispose();returnresult;}/// <summary>/// 保存标定数据到文件/// </summary>publicvoidSaveCalibration(stringbasePath){// Halcon的TIFF格式保留完整精度_whiteField.WriteImage("tiff",0,basePath+"_white.tif");_darkField.WriteImage("tiff",0,basePath+"_dark.tif");_gainMap.WriteImage("tiff",0,basePath+"_gain.tif");Console.WriteLine($"标定数据已保存:{basePath}_*.tif");}/// <summary>/// 从文件加载标定数据/// </summary>publicvoidLoadCalibration(stringbasePath){_whiteField=newHImage(basePath+"_white.tif");_darkField=newHImage(basePath+"_dark.tif");_gainMap=newHImage(basePath+"_gain.tif");Console.WriteLine("标定数据已加载");}}// 实际使用流程publicvoidRunCorrection(){varcorrector=newFlatFieldCorrector();// 步骤1：产线停机时拍标定图HImagewhiteField=newHImage("white_field.tif");HImagedarkField=newHImage("dark_field.tif");corrector.Calibrate(whiteField,darkField,128.0);// 步骤2：正常采集时逐帧校正HImagerawImage=newHImage("battery_el_001.tif");HImagecorrected=corrector.Correct(rawImage);// 保存结果——TIFF无损，保留完整灰度信息corrected.WriteImage("tiff",0,"battery_el_001_corrected.tif");// 保存JPEG供人工查看，质量设95减少压缩损失corrected.WriteImage("jpeg",95,"battery_el_001_corrected.jpg");// 保存PNG，无损且兼容性好corrected.WriteImage("png",0,"battery_el_001_corrected.png");// 保存对比图——原图和校正后图水平拼接HImagecomparison;HOperatorSet.Compose2(rawImage,corrected,outcomparison);comparison.WriteImage("jpeg",90,"comparison_001.jpg");comparison.Dispose();}

白场怎么拍？把均匀光源（积分球或者漫射板）放在相机视野内，光源亮度调到实际产线的平均水平，拍10-50张做平均，降低噪声。

黑场怎么拍？盖上镜头盖或者关闭光源，同样拍10-50张平均。有些sensor有暗电流，黑场不是纯黑，必须减掉。

方法二：多帧平均降噪标定（提高精度）

白场和黑场拍摄时有随机噪声，单张做标定会把噪声也校正进去。多帧平均后再存，精度高很多。

publicHImageCaptureAverageField(Func<HImage>captureFunc,intframeCount=30){// 采集第一帧初始化HImagesum=captureFunc();// 累加多帧for(inti=1;i<frameCount;i++){HImageframe=captureFunc();HImagetemp;HOperatorSet.AddImage(sum,frame,outtemp,1.0,0.0);sum.Dispose();sum=temp;frame.Dispose();}// 求平均HImageavg;HOperatorSet.ScaleImage(sum,outavg,1.0/frameCount,0.0);sum.Dispose();returnavg;}// 使用HImagewhiteField=CaptureAverageField(()=>{// 从相机采集一帧白场returnCaptureFromCamera();},50);// 保存平均后的标定图whiteField.WriteImage("tiff",0,"white_field_avg50.tif");

注意：多帧平均时相机和光源必须绝对稳定，任何抖动都会让标定图糊掉。建议用三脚架固定，光源预热30分钟以上再拍。

方法三：分块自适应校正（应对非均匀光源）

有些场景光源不均匀不是固定模式，而是随时间缓慢变化（比如LED老化）。这时候可以拍一张"实时白场"，或者用分块统计做自适应校正。

publicHImageAdaptiveBlockCorrection(HImageinput,intblockSize=64){// 计算局部均值（模拟实时白场）HImagemeanImage;HOperatorSet.MeanImage(input,outmeanImage,blockSize,blockSize);// 计算局部增益：目标灰度 / 局部均值HImagelocalGain;HOperatorSet.ScaleImageMax(meanImage,outlocalGain);// 应用局部增益HImagecorrected;HOperatorSet.MultImage(input,localGain,outcorrected,1.0,0.0);// 裁剪并统一灰度HImageresult;HOperatorSet.ScaleImageMax(corrected,outresult);// 保存调试信息meanImage.WriteImage("tiff",0,"debug_local_mean.tif");localGain.WriteImage("tiff",0,"debug_local_gain.tif");meanImage.Dispose();localGain.Dispose();corrected.Dispose();returnresult;}

这种方法的局限：只适用于"背景应该是均匀"的场景，比如光伏电池片、PCB裸板。如果产品本身就有复杂的灰度变化，会把产品特征也"校正"掉。

三、彩色图的阴影校正

彩色图不能直接用灰度图的方法，需要分通道处理，或者转到LAB空间只校正L通道。

publicHImageCorrectColorImage(HImagebgrInput){// 方法1：分通道独立校正（适合Bayer相机各通道响应不均）HImager,g,b;HOperatorSet.Decompose3(bgrInput,outr,outg,outb);// 每个通道有自己的白场和黑场HImagebCorrected=CorrectSingleChannel(b,whiteB,darkB);HImagegCorrected=CorrectSingleChannel(g,whiteG,darkG);HImagerCorrected=CorrectSingleChannel(r,whiteR,darkR);HImageresult;HOperatorSet.Compose3(bCorrected,gCorrected,rCorrected,outresult);// 保存各通道调试图bCorrected.WriteImage("tiff",0,"debug_channel_b.tif");gCorrected.WriteImage("tiff",0,"debug_channel_g.tif");rCorrected.WriteImage("tiff",0,"debug_channel_r.tif");// 释放r.Dispose();g.Dispose();b.Dispose();bCorrected.Dispose();gCorrected.Dispose();rCorrected.Dispose();returnresult;}// 方法2：LAB空间只校正亮度（适合光源色温不均但颜色本身没问题）publicHImageCorrectLabLChannel(HImagebgrInput){// 转LABHImagel,a,b;HOperatorSet.TransFromRgb(bgrInput,bgrInput,bgrInput,outl,outa,outb,"lab");// 只对L通道做平场校正HImagelCorrected=CorrectSingleChannel(l,whiteL,darkL);// 转回RGBHImageresult;HOperatorSet.TransToRgb(lCorrected,a,b,outresult,"lab");// 保存中间结果l.WriteImage("tiff",0,"debug_lab_l_original.tif");lCorrected.WriteImage("tiff",0,"debug_lab_l_corrected.tif");result.WriteImage("tiff",0,"color_corrected_final.tif");// 释放l.Dispose();a.Dispose();b.Dispose();lCorrected.Dispose();returnresult;}

两种方法怎么选？

• 如果阴影是镜头渐晕导致的（各通道衰减程度不同），用分通道校正
• 如果阴影是光源亮度不均导致的（颜色本身没问题），用LAB空间只校正L通道

四、标定数据的保存与复用

产线相机一旦标定好，标定数据应该长期保存，换相机或者维护后重新标定。

publicclassCalibrationManager{privatereadonlystring_calibDir;publicCalibrationManager(stringcalibDir){_calibDir=calibDir;Directory.CreateDirectory(calibDir);}/// <summary>/// 保存完整标定包（含时间戳、相机SN、光源参数）/// </summary>publicvoidSaveCalibrationPackage(stringcameraSN,HImagewhite,HImagedark,HImagegain,stringlightSource,intexposureTime,doublegainValue){stringtimestamp=DateTime.Now.ToString("yyyyMMdd_HHmmss");stringfolder=Path.Combine(_calibDir,$"{cameraSN}_{timestamp}");Directory.CreateDirectory(folder);// 保存图像数据（TIFF保留精度）white.WriteImage("tiff",0,Path.Combine(folder,"white_field.tif"));dark.WriteImage("tiff",0,Path.Combine(folder,"dark_field.tif"));gain.WriteImage("tiff",0,Path.Combine(folder,"gain_map.tif"));// 保存元数据JSONvarmeta=new{CameraSN=cameraSN,CalibrationTime=timestamp,LightSource=lightSource,ExposureTimeUs=exposureTime,Gain=gainValue,ImageSize=new{white.Width,white.Height}};stringjson=System.Text.Json.JsonSerializer.Serialize(meta,newSystem.Text.Json.JsonSerializerOptions{WriteIndented=true});File.WriteAllText(Path.Combine(folder,"metadata.json"),json);Console.WriteLine($"标定包已保存:{folder}");}/// <summary>/// 加载最新标定包/// </summary>publicboolLoadLatestCalibration(stringcameraSN,outHImagewhite,outHImagedark,outHImagegain){white=null;dark=null;gain=null;vardirs=Directory.GetDirectories(_calibDir,$"{cameraSN}_*").OrderByDescending(d=>d).ToArray();if(dirs.Length==0)returnfalse;stringlatest=dirs[0];white=newHImage(Path.Combine(latest,"white_field.tif"));dark=newHImage(Path.Combine(latest,"dark_field.tif"));gain=newHImage(Path.Combine(latest,"gain_map.tif"));Console.WriteLine($"已加载标定包:{latest}");returntrue;}}

五、几个容易踩的坑

坑一：白场拍的时候光源不均匀

标定的前提是"白场本身是均匀的"。如果白场图就有阴影，校正后会把阴影反向叠加到正常图上。建议用积分球或者至少用漫射板，别直接拍光源。

坑二：标定后产品移动导致光照变化

平场校正只解决固定模式的阴影，如果产品是反光的、位置变化导致高光点移动，校正不了。这种场景得靠光源角度设计或者偏振片。

坑三：16位图直接转8位做校正

工业相机很多输出10bit、12bit或16bit，直接转8位会损失精度，校正后可能出现条带。应该在浮点空间做完整计算，最后按需转8位。

// 错误：先转8位再校正HImagewrong=newHImage("16bit.tif");// 默认可能转8位了！// 正确：保留原始深度，用real类型处理HImagecorrect=newHImage("16bit.tif");HImagecorrectReal;HOperatorSet.ConvertImageType(correct,outcorrectReal,"real");// 在real空间做校正

坑四：增益图有异常值导致校正后噪点爆炸

如果白场某个像素因为灰尘或者坏点特别暗，对应的增益值会特别大，校正后那个位置全是噪点。需要做中值滤波或者异常值剔除：

// 对增益图做中值滤波，消除孤立异常点HImagegainFiltered;HOperatorSet.MedianImage(_gainMap,outgainFiltered,"circle",3,"mirrored");_gainMap.Dispose();_gainMap=gainFiltered;// 保存滤波前后的对比_gainMap.WriteImage("tiff",0,"gain_map_filtered.tif");

坑五：忘了定期重新标定

LED光源会老化，色温和亮度都会漂移。建议每个月重新拍一次白场，对比新旧增益图的差异，超过阈值就重新标定。

六、实际效果对比

放一组实际数据（推文里配图）：

阴影校正不是锦上添花，是缺陷检测准确率的基础。亮度不均匀时，阈值分割要么把阴影区当缺陷，要么把真实缺陷漏掉。

七、总结

阴影平场校正这事，Halcon里做说起来就几个算子，但调好了能让工业相机的亮度一致性从"凑合"变成"精准"。

核心就三点：

1. 标定要准——白场、黑场多帧平均，光源稳定后再拍
2. 保存要全——标定数据、元数据、调试中间图，一个都不能少
3. 定期复检——光源老化、相机维护后必须重新标定

小提示：如果产线有六台以上相机，建议做统一标定——用同一张白场图分别给各台相机拍，确保它们的响应曲线一致。拼接后的图才不会出现分界线。Halcon的compose2和concat_obj可以方便地做对比图，验收的时候给客户看效果一目了然。

本文代码在Halcon 23.11 + .NET 6环境下测试通过。相机为堡盟VXG-50M.I，光源为白色LED面光源+漫射板。