在机器视觉中，分辨率作为衡量镜头和相机的重要参数，已被大家熟知。但是，在实际组合应用中，大家知不知道要如何有效匹配镜头分辨率和相机分辨率呢？
首先我们来了解镜头分辨率，及相机分辨率的概念。
镜头分辨率
镜头分辨率指的是它能分辨开两个靠近的点物的能力。实际应用中，我们一般用“点物”经镜头成像后的“像”能被分辨的最小距离来表示，小于这个距离，我们就认为是一个点；而大于这个距离我们认为是两个分开的点。除此之外，还有一种表示形式就是每毫米线对数LP/mm。
镜头之所以存在分辨率，是因为像差和衍射导致的（此处不做详细解释），使从“物”到“像”发生了失真。点物经镜头成像后不再是一点，而变成一个光斑。
相机分辨率
相机的分辨率是指单位距离的像用多少个像素来显示。
假设像元尺寸大小是2.2μm，搭配0.5x的镜头，在测量22μm的物体时，由于22μm的物经0.5x的镜头后变成11μm的像，所以要用11 μm /2.2 μm =5个pixel来显示，因此，单位距离的像要用11÷2.2/11=1/2.2个像素来显示。即相机图像分辨率为1/2.2 pixel/μm（实际就是像元尺寸的倒数）。从这个推导中我们得出：像元尺寸越小，相机的分辨率越高。
在了解了各自的概念后，我们要如何匹配镜头分辨率跟相机分辨率呢？
有没有一些方便又有效的匹配方法呢？
镜头分辨率与相机分辨率的有效分配
方法一
我们产品参数表中标记的分辨率为镜头的物方分辨率；用物方分辨率乘以放大倍率，得到像方分辨率；用算得的像方分辨率跟2倍的像元尺寸作比较：
1） 如果镜头像方分辨率=2倍的像元尺寸，说明匹配刚刚好，谁都不浪费。
2）如果镜头像方分辨率>2倍的像元尺寸，则浪费了相机的分辨率。
3）如果镜头像方分辨率<2倍的像元尺寸，则浪费了镜头的分辨率。
方法二
经透镜成的光学图像，本身是一个拥有无穷多个点的模拟信号。但在图像接收器(CCD或CMOS)接收过程中，由于像素和像素之间的间距形成了离散采样。采样定律也叫Shannon采样定律，告诉我们对于频率为f的模拟信号，为了不失真的恢复它，我们至少要用2f的频率来采样。
本文的前面部分，我们介绍过：镜头分辨率的另一种表示形式是空间频率，即每毫米的线对数LP/mm。因此，假设镜头的分辨率是n LP/mm，那么我们必须保证每毫米有2n个像素才行。这样才能充分发挥镜头的分辨能力。
例如：茉丽特ML-MC-XR系列和ML-M-UR系列都标注了分辨率是200LP/mm， 所以用每毫米有400个像素的芯片来接收图像，才不会浪费镜头的分辨率，而每毫米400个像素，计算下来像元尺寸大小差不多2.2 μm，这也就是为什么我们会同时标注该款镜头支持2.2 μm像元。
Tips：
- 镜头分辨率，只是镜头本身的参数，与相机无关。
- 相机的分辨率，也只是相机本身的参数，与像元尺寸大小有关，与镜头无关。
- 两个相互独立的分辨率一定要匹配，才不会浪费了某一方的性能。
- 无论是镜头还是相机，分辨率只是评价成像质量的参数之一，而且分辨率也不是越高越好，如果要评价整体性能，还要同时综合考虑其他参数及具体应用。
矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。
平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、目标定位、尺寸测量、视频流等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。
如果你的工业生产线中需要用到类似的机器视觉：视觉检测、视觉识别、视觉定位等技术，那么不妨和我们聊聊，我们会先根据你的需求分析，从专业的角度来给你一个合适的方案！
