相机都拍到了，缺陷还是漏检？问题可能藏在图像格式里
产线跑着跑着，屏幕上的图像看起来挺正常，缺陷却悄悄漏过去了。
工程师盯着参数调了半天，边缘检测还是飘。
老板站在旁边问了一句：“相机不是已经拍到了吗，怎么还识别不准？”
这话一出，现场空气安静了三秒。
很多视觉项目，最开始都以为问题在算法。
算法不行？光源不行？镜头不行？曝光不行？
结果拆到最后才发现：
根因可能从 Sensor 输出数据那一刻，就已经埋下了。
工业机器视觉不是“拍张好看的图”那么简单。
它要检测、识别、测量、定位。
图像不是给人看的，图像是给算法吃的。
而算法吃得准不准，很大程度上取决于一开始喂给它的是什么格式。
1. 视觉项目第一步，不是调参数，是看数据从哪来
一个典型工业视觉系统，大概是这样跑起来的：
Sensor 采集 → 输出数据（YUV/RGB/RAW/JPEG）→ 图像处理（边缘检测、识别、测量）→ 控制决策
看起来流程不复杂。
但现场最怕的就是：
流程看起来不复杂，细节一落地全是坑。
Sensor 输出什么格式，直接影响后面三件事：
第一，处理性能。
第二，算法复杂度。
第三，结果准确度。
也就是说，后面你是轻松跑，还是一路救火，很多时候从图像格式就开始决定了。
2. YUV：跑视频很顺，但别指望它干精密活
YUV 的思路很直接：
把图像拆成亮度 Y 和色度 UV。
常见的 YUV422，就是每 2 个像素共用 1 组 UV。
好处是节省带宽，视频传输更轻，低延迟显示也更友好。
所以在一些现场，它确实很有用。
比如视觉引导机器人。
对画质要求没那么极致，但实时性要强。
再比如简单检测。
存在/缺失判断、二维码扫描这类任务，用它也能干活。
但问题也很明显。
YUV 为了省带宽，会对色彩信息做压缩。
压缩就意味着信息损失。
如果你做的是精密测量，或者颜色精度要求很高的检测，YUV 就不太适合了。
现场常见误区是：
图像看着还行，就以为算法也能吃得很好。
但算法不是人眼。
人眼觉得“差不多”，算法可能已经“差很多”。
3. RGB565：显示很方便，分析真别太依赖
再说 RGB。
很多人一听 RGB，第一反应是：
这不是最常见的彩色图像格式吗？
没错。
但工业视觉里要分清楚：
方便显示，不等于适合分析。
典型格式 RGB565，占用 16 位。
也就是 5 位 R、6 位 G、5 位 B。
它主要用于低端设备的屏幕显示。
如果只是调试时看一眼画面，RGB565 很方便。
但如果拿它做工业图像分析，问题就来了。
它的色彩精度不足。
像素之间的颜色误差也会比较大。
边缘检测可能受影响。
颜色分割也可能不稳定。
所以结论很直接：
RGB565 几乎不用于工业图像分析，更多只是用于调试显示。
别看它显示起来挺顺眼。
真让它上精密检测，现场可能会让你调到怀疑人生。
4. RAW：工业视觉为什么偏爱“原始数据”？
真正到了高精度检测、测量、缺陷识别这些场景，RAW 才是工业视觉更偏爱的格式。
RAW 是什么？
简单说，它就是 Sensor 输出的原始信号。
每个像素只表示一个颜色通道，比如 R、G、B 中的一个。
这些像素会按照 Bayer 阵列排列。
常见的有 BGGR、GRBG 等。
RAW 本身不是一张已经“处理好”的彩色图。
它还需要通过软件或硬件 ISP，也就是图像信号处理器，完成彩色插值、白平衡、降噪等处理。
听起来麻烦？
是的。
但工业视觉很多时候要的就是这种“麻烦”。
因为麻烦背后，是可控。
RAW 的优势主要有三点。
第一，信息保留更完整。
后端可以自由控制处理流程，适配不同算法需求。
第二，图像一致性更强。
不会因为不同 Sensor 厂商的 JPEG 算法不同，导致处理结果发生变化。
第三，更适合高分辨率相机。
尤其在 5MP 及以上的 Sensor 上，RAW 更常见。
这就是为什么 PCB 检测、表面缺陷检测，会需要 RAW。
因为它们看重高灰阶细节。
颜色分析、涂装检测，也更适合 RAW。
因为它更利于精确还原原始颜色。
测量级视觉更不用说。
尺寸、角度、形变检测这些高精度场合，最怕数据一开始就被“处理没了”。
视觉项目最怕的不是难。
最怕的是你以为自己在优化算法，其实你拿到的数据已经不够干净。
5. JPEG：存图很香，做精度检测要谨慎
JPEG 的优点很明显：
压缩。
Sensor 内置 JPEG 引擎，可以直接输出压缩图像。
数据量小，传输方便，保存也方便。
这在某些场景下非常实用。
比如非实时质量追溯。
产品图像抓拍下来，后续归档查看。
再比如边缘设备把图像上传到云端，做一些轻量化分析。
但 JPEG 的问题也同样明显：
它是有损压缩。
有损压缩意味着细节会丢。
细节一丢，对依赖精度的算法来说，就可能变成麻烦。
而且 JPEG 的图像处理一致性较差。
不适合机器学习与算法精度依赖场景。
所以 JPEG 不是不能用。
而是要清楚它适合什么、不适合什么。
用来存档，很友好。
用来做高精度工业分析，就要谨慎。
6. Bayer Pattern 搞错，图像可能直接“翻车”
RAW 很强，但 RAW 也不是拿来就能用。
工业系统里，必须确保你对每一个像素的控制和理解是准确的。
RAW 保留了每个感光点最原始的信息。
Bayer 阵列结构，比如 BGGR、RGGB，决定了后续怎么解码。
如果算法和实际 Bayer 模式不匹配，会发生什么？
轻则颜色不对。
重则图像失真。
严重时甚至完全错误。
这类问题现场特别容易让人迷惑。
你看图像“不太对劲”。
你以为是白平衡。
你以为是光源。
你以为是 ISP 参数。
结果根因可能只是：
Bayer Pattern 对不上。
参数调了半天，根因不在参数。
这才是最扎心的地方。
7. CCIR601 和 CCIR656：老标准也要知道它们干啥
再看传输标准。
ITU-R BT.601，也就是常说的 CCIR601，主要用于图像的数字编码标准，偏并行传输。
典型配置是 13.5 MHz 亮度，加 6.75 MHz 色度，对应 YUV 4:2:2。
ITU-R BT.656，也就是 CCIR656，可以理解为 601 的串行传输接口标准。
它把同步信号嵌入数据中，连接更简单，也方便设备之间通讯。
在工业设备里，它们常用于工业相机模块与图像采集卡，也就是 Frame Grabber 之间的通信。
不过这些标准相对老旧。
现在正在逐步被 USB3.0、GigE、CoaXPress 等接口取代。
所以它们不一定是新项目的首选。
但如果你接触老设备、老产线、老采集卡，最好还是知道它们是什么。
现场不会因为标准老，就少给你挖坑。
8. 到底怎么选？别凭感觉，按应用场景来
工业视觉选 Sensor 输出格式，不要只问“哪个最好”。
更应该问：
我的项目到底要什么？
如果是实时检测、机器人引导，推荐 YUV422。
它低延迟，实时预览流畅。
如果是高精度测量、缺陷检测，推荐 RAW Bayer。
它保留细节，也更便于算法处理。
如果是低带宽图像归档，JPEG 更合适。
它能节省存储。
如果是低端嵌入式显示，RGB565 可以用。
它能直接显示，方便调试。
简单整理一下：
| 应用场景 | 推荐格式 | 理由 |
|---|---|---|
| 实时检测/机器人引导 | YUV422 | 低延迟、实时预览流畅 |
| 高精度测量/缺陷检测 | RAW Bayer | 保留细节、便于算法 |
| 低带宽图像归档 | JPEG | 节省存储 |
| 低端嵌入式显示 | RGB565 | 可直接显示，方便调试 |
9. 视觉项目真正要的，不是“好看”，是“可控”
工业视觉里，图像不是照片。
图像是数据。
这句话很关键。
人看图，追求清晰、顺眼、色彩舒服。
机器看图，追求稳定、准确、可重复、可计算。
所以输出格式选择，最终必须服务于三件事：
图像处理算法的精准性。
系统响应的实时性。
后端控制的灵活性。
因此，从工业应用角度看：
RAW 格式通常是首选。
YUV 次之。
RGB 和 JPEG 只适合特定条件下使用。
很多视觉项目不是不会做。
是从一开始，方向就想偏了。
你以为项目卡在算法。
实际可能卡在数据源。
你以为换个参数就能救。
实际可能从 Sensor 输出格式开始，就已经决定了上限。
下次现场再遇到“图像看着没问题，检测就是不稳定”，别急着先把算法骂一遍。
先回头看看：
你到底让算法吃进去了什么数据？
你在视觉项目里遇到过“看着没问题，现场就是不稳定”的坑吗？评论区聊聊。
