在機器視覺中，解析度作為衡量鏡頭和相機的重要參數，已被大家熟知。但是，在實際組合應用中，大家知不知道要如何有效匹配鏡頭解析度和相機解析度呢？
首先我們來了解鏡頭解析度，及相機解析度的概念。
鏡頭解析度
鏡頭解析度指的是它能分辨開兩個靠近的點物的能力。實際應用中，我們一般用「點物」經鏡頭成像後的「像」能被分辨的最小距離來表示，小於這個距離，我們就認為是一個點；而大於這個距離我們認為是兩個分開的點。除此之外，還有一種表示形式就是每毫米線對數LP/mm。
鏡頭之所以存在解析度，是因為像差和衍射導致的（此處不做詳細解釋），使從「物」到「像」發生了失真。點物經鏡頭成像後不再是一點，而變成一個光斑。
相機解析度
相機的解析度是指單位距離的像用多少個像素來顯示。
假設像元尺寸大小是2.2μm，搭配0.5x的鏡頭，在測量22μm的物體時，由於22μm的物經0.5x的鏡頭後變成11μm的像，所以要用11 μm /2.2 μm =5個pixel來顯示，因此，單位距離的像要用11÷2.2/11=1/2.2個像素來顯示。即相機圖像解析度為1/2.2 pixel/μm（實際就是像元尺寸的倒數）。從這個推導中我們得出：像元尺寸越小，相機的解析度越高。
在了解了各自的概念後，我們要如何匹配鏡頭解析度跟相機解析度呢？
有沒有一些方便又有效的匹配方法呢？
鏡頭解析度與相機解析度的有效分配
方法一
我們產品參數表中標記的解析度為鏡頭的物方解析度；用物方解析度乘以放大倍率，得到像方解析度；用算得的像方解析度跟2倍的像元尺寸作比較：
1） 如果鏡頭像方解析度=2倍的像元尺寸，說明匹配剛剛好，誰都不浪費。
2）如果鏡頭像方解析度>2倍的像元尺寸，則浪費了相機的解析度。
3）如果鏡頭像方解析度<2倍的像元尺寸，則浪費了鏡頭的解析度。
方法二
經透鏡成的光學圖像，本身是一個擁有無窮多個點的模擬信號。但在圖像接收器(CCD或CMOS)接收過程中，由於像素和像素之間的間距形成了離散採樣。採樣定律也叫Shannon採樣定律，告訴我們對於頻率為f的模擬信號，為了不失真的恢復它，我們至少要用2f的頻率來採樣。
本文的前面部分，我們介紹過：鏡頭解析度的另一種表示形式是空間頻率，即每毫米的線對數LP/mm。因此，假設鏡頭的解析度是n LP/mm，那麼我們必須保證每毫米有2n個像素才行。這樣才能充分發揮鏡頭的分辨能力。
例如：茉麗特ML-MC-XR系列和ML-M-UR系列都標註了解析度是200LP/mm， 所以用每毫米有400個像素的晶元來接收圖像，才不會浪費鏡頭的解析度，而每毫米400個像素，計算下來像元尺寸大小差不多2.2 μm，這也就是為什麼我們會同時標註該款鏡頭支持2.2 μm像元。
Tips：
- 鏡頭解析度，只是鏡頭本身的參數，與相機無關。
- 相機的解析度，也只是相機本身的參數，與像元尺寸大小有關，與鏡頭無關。
- 兩個相互獨立的解析度一定要匹配，才不會浪費了某一方的性能。
- 無論是鏡頭還是相機，解析度只是評價成像質量的參數之一，而且解析度也不是越高越好，如果要評價整體性能，還要同時綜合考慮其他參數及具體應用。
矩視智能機器視覺低代碼平台是一個面向機器視覺應用的雲端協同開發平台，始終秉承0成本、0代碼、0門檻、0硬體的產品理念。
平台以人工智慧技術為核心，在機器視覺應用開發環節，為開發者提供圖像採集、圖像標註、演算法開發、演算法封裝和應用集成的一站式完整工具鏈。覆蓋字元識別、缺陷檢測、目標定位、尺寸測量、視頻流等上百項通用功能，致力於成為全球用戶量最多，落地場景最廣泛的機器視覺低代碼平台。
如果你的工業生產線中需要用到類似的機器視覺：視覺檢測、視覺識別、視覺定位等技術，那麼不妨和我們聊聊，我們會先根據你的需求分析，從專業的角度來給你一個合適的方案！
