一、工业领域相机特点
工业相机为工业自动化场景量身定制,，其核心使命是采集图像数据，为机器视觉算法提供分析数据，需要工业相机 "稳定、精准、可重复"。应用场景比如产品缺陷检测、尺寸测量、条码识别、定位贴合等
1.1 工业相机需求：
1、追求高信噪比（SNR），不常用锐化、降噪等会改变原始图像细节的算法，可能导致缺陷漏检；
2、在均匀环境下，图像均匀性好，无坏点；
3、支持全局快门，可以避免运动模糊；或者检测物体静止，使用卷帘快门抓图；
1.2 工业面阵相机的核心场景（仅工业领域）：
- 缺陷检测：如手机屏幕划痕、PCB 板焊锡缺陷、瓶盖破损；
- 尺寸测量：如轴承内径、螺丝长度、芯片引脚间距（精度可达 μm 级）；
- 定位贴合：如机器人抓取零件时的精准定位、屏幕与中框的贴合对齐；
- 条码 / 字符识别：如产品追溯码、零件编号的高速识别（适配生产线）。
二、提升工业相机图像亮度
机器视觉需要采集图像，并处理图像并分析图像，来进行后续缺陷检测等工作。如果采集的图像特别暗，就不利于缺陷识别和检测。
2.1 sensor像元面积
sensor的分辨率、像元面积是固定的，同样的生产工艺下，像元面积越大，单位时间内接收到的光子越多，转换的灰度值越大。
2.2 曝光时间
增加曝光时间就是增加像元接受光子的时间，时间越长，光子量越多，像消费级相机在夜景拍摄时就会通过超长曝光来增加进光量，提升画面亮度。
工业场景下一般可以通过补光来增加环境亮度，但是一些缺陷需要无光照环境来采图检测，比如LCD屏幕缺陷检测最低亮度下的缺陷。
全局曝光相机的所有像素同时曝光、同时读出，读出时间固定；而卷帘曝光相机（常见于低成本 CMOS 相机）逐行曝光、逐行读出，曝光时间与读出时间部分重叠，实际帧率会更高，拍摄高速运动目标物体会变形。
2.3 模拟增益、数字增益
sensor通常支持模拟增益、数字增益等，模拟增益在图像传感器的模拟信号处理阶段对电信号进行放大，放大信号的同时，也会放大传感器本身的暗电流噪声、电路热噪声等模拟噪声。
数字增益通常为数字倍数乘积，放大信号的同时也放大量化噪声。
因此优先提高模拟增益，画面噪声相比提升数字增益更小。
2.4 相机光圈、环境光照
可调节光圈的镜头，当镜头的f焦距固定，F#越小，镜头入瞳直径(通光孔径)越大，进光量更大，能提升画面亮度。
但是实际应用中，相机光圈调试阶段调试好之后就不会再改变了。
2.5 相机自带算法
工业相机的算法相对更追求自然和原始效果，尽量不用锐化、滤波等会改变图像细节的算法；为了追求检测效率，减少使用复杂的ISP算法。提升亮度可以使用binning、gamma等算法。
binning使用求和模式提升亮度，但是会减少图像分辨率，例如使用2X2求和binning，分辨率为使用前的1/4。
gamma参数小于1可以提高亮度，gamma灰度映射是非线性映射，不同灰度区间的灰度提升不同。
三、总结
提升图像亮度的方式有很多，但每种方式几乎都伴随着不利的影响,如:
1、优先调节曝光时间，但是曝光时间过长会影响检测效率，且检测物体移动的话会有拖影；
3、相比数字增益，先调高模拟增益，会出现更多的噪声；
3、用Binning提升亮度，分辨率会降低，对于高精度检测是不可行的
综上，需要平衡多方因素选择或组合的方式进行调节，改善图像亮度。
觉得本文对您有一点帮助，欢迎讨论、点赞、收藏，您的支持激励我多多创作。