机器视觉系统中的照明系统是极其重要的一部分，如何选择光源方案，它的好坏直接影响着后面的图像处理。因此照明光源远非增强图像亮度这样简单，好的照明系统可以减少很多图像处理工作，提升整个机器视觉系统效率。那么如何在机器视觉系统中选择合适的照明系统呢？

合适的照明是机器视觉应用成功的关键，而且是第一要考虑的部分。照明是怎样影响机器视觉应用的呢？

当选择视觉光源时时需要考虑以下五个方面：

1. 表面是光滑，还是崎岖不平？

2. 表面是暗淡，还是光亮？

3. 对象是弯曲的，还是平坦的？

4. 条码或标记的颜色是怎样的？

5. 是检测移动的物体，还是静止的对象？

下面普密斯小编收集了一些机器视觉打光的实际案例来说明，这样会显得更形像一些。

案例1：在玻璃中检测裂痕使用非漫射光

检测目的：检测玻璃容器上的裂痕，划痕

照明技术：暗场

在这个应用当中，用暗场照明来创立一个明亮的，在暗背景下容易检测的感兴趣特征。在一个暗场区域中光线直接通过透明的瓶子。大多数穿透透明对象的光线不会被相机检测到。如果材料不规则，比如有裂纹，一些光线就会凸显出这个不规则。特别是划痕创立了一个内部空缺，这里光线折射和反射，以许多角度散射包括返回给相机。这些光线将很难检测的划痕转换到暗背景下的亮特征。

案例2： 使用颜色创造对比度

在机器视觉应用中创造一个高对比度图像的一个有用的方法是用特殊波长（彩色）的光照明物体。对于黑白相机来讲，光的波长能使得跟彩色一样的特征变亮或变暗。使用彩色轮子作为参考，选择一个相反颜色的光来使得特征变暗；或选相同颜色的光使得特征变亮。例如：

1. 如果你想变暗的特征是红色，则使用绿光；

2. 使用绿光能使得绿色特征呈现更亮；

3. 记住铝上刻印在红光和蓝光下的区别。

案例3： 消除反射使用红外光

机器视觉系统依靠数字图像中的灰度级转化。在许多视觉应用当中，环境光带来了不想要的亮反射，这样使得检测感兴趣特征变得困难或不可能。红外光就能解决这个问题。

案例4：使用红外光消除颜色差异

红外光能用于在彩色对象之间消除灰度差别。暗对象吸收红外波长，创造出一致性，而其它则呈现阴影。这个照明方案有利于检测颜色或阴影变化的非一致性。

   如何为自己的机器视觉系统选择合适的照明方案，需要从多方面来考虑，可以结合实际情况运用到自己的视觉方案中，相信会事半功倍！