简介一份基于Halcon与Qt的景深合成项目源码面向机器视觉算法工程师与自动化检测系统开发者聚焦多焦距/多视角图像的融合输出细节清晰且包含深度信息的全清晰图像适用于精密装配、缺陷识别等需要高精度检测的场景也适合有一定Halcon基础的学习者作为实战参考。压缩包共6个文件以.hdev工程封装dFF3D测量程序为核心配套C源文件、Qt界面文件.ui/.h与.pro工程配置大小仅26KB内容精简但结构完整方便快速阅读与运行。已有2317人下载学习属于较受关注的Halcon视觉案例。通过源码可了解多图像预处理、对齐、融合和深度信息提取的完整实现路径同时参考Qt与Halcon混合编程的界面集成方式直接运行或二次改造即可快速搭建自己的景深合成与3D测量原型工具为学习和实践机器视觉算法提供了一份可运行、可扩展的参考样本。1. halcon景深合成这个功能解决的是哪类麻烦halcon景深合成解决的是机器视觉里最磨人的一类问题一个工件上同时存在高低落差远心镜头景深只有几个毫米单帧怎么调光圈都有一半是虚的。景深合成不是把几张图简单叠在一起而是先把每一层的清晰度逐像素打分再把最清晰的部分挑出来融合。在 Halcon 里做这件事核心是 focus_operator 和 depth_of_field 这一对算子。做精密装配、外观检测、显微量测的人常拿它处理镜头景深不足的困境。适合走这条路的人是有精准 Z 轴机构、能拍几十层序列图、又暂时不打算上昂贵 3D 传感器的团队。2. 聚焦评价与融合的底层逻辑focus_operator 怎么把清晰度变成权重2.1 三种常用聚焦度量方法以及各自的噪声脾气focus_operator 做的事情本质是在每个像素的邻域里估计“图像有多清晰”。清晰图像的共同特点是边缘陡峭、高频分量多失焦图像则把这些高频抹平了。算子用固定大小的窗口滑动整幅图对窗口内的灰度变化做统计输出一张和原图同尺寸的评分图每个像素值代表该点的局部清晰程度。在 Halcon 里focuse_operator 的 Method 参数常见有三类选择它们的脾气完全不同聚焦方法数学直觉噪声敏感度适合场景gauss先高斯平滑再算二阶响应相当于带通滤波最抗噪评分偏温和反光表面、光照有轻微波动、需要稳定权重图的场合laplace直接用拉普拉斯二阶微分对边缘极敏感对噪声和毛刺非常敏感评分容易跳低纹理纯色件、需要锐利边缘响应时sobel一阶梯度幅值反映灰度变化强度中等敏感纹理丰富时表现稳定哑光表面、纹理清晰的机械件我一般把 gauss 当默认值因为它输出的评分图最平滑后续做权重融合时不容易出现层间硬切换。laplace 虽然响应锐利但对表面颗粒、灰尘、光源微颤都很敏感实测里经常出现同一层内部评分忽高忽低的情况。sobel 介于两者之间适合纹理密、反光弱的零件。窗口大小 Width 和 Height 决定了评分是看“点的锐度”还是“小区域的锐度”。窗口设 3×3评分能捕捉很细的边缘但也容易把单点噪声当成清晰特征窗口设 7×7 或更大评分更稳健但细小的文字、划痕可能被平滑掉。对于显微级的目标我通常先用 5×5 起手再根据融合结果决定是否往 3×3 或 7×7 调。最后一个 Sub 参数很多新手会忽略。它控制对原始响应的简化方式我习惯填 smooth相当于把响应图先做一次邻域平滑再输出。这样做的直接好处是后面把评分图当权重图用的时候不会因为个别像素的尖峰导致融合结果出现白斑。如果你的场景需要保留最原始的高频响应再考虑换其他取值但那样通常要在融合前自己做一次滤波否则权重图会非常碎。2.2 从评分图到全清晰图depth_of_field 融合的最小原理拿到每层的评分图之后剩下的问题就是怎么合成。Halcon 的 depth_of_field 算子把整件事封装成了三步先把所有层的评分图做归一化让它们处于同一个量纲然后对评分图做邻域统计和平滑生成每层对应的权重图最后逐像素把各层图像按权重加权求和。这里面有一个关键输出DepthImage。它是一张灰度图每个像素的值表示“这一位置最清晰的是第几层图像”。听起来简单但实际排查重影问题时它非常有用。融合结果某块区域看着发虚我第一件事就是看 DepthImage 对应区域是不是在两个层号之间剧烈跳变。如果层号锯齿状来回跳基本可以断定是步距太大或者评分噪声太高而不是融合算法本身的问题。depth_of_field 的 Method 参数我习惯用 weight它生成的是软权重同一个像素可能同时受相邻两层贡献过渡自然。某些版本还支持其他融合模式具体以你安装版本的文档为准。需要说明的是这个算子在不同 Halcon 版本里的参数名略有差异但输入输出结构没变第一个参数传图像序列第二个参数传对应的评分序列出来的就是融合图和权重图。理解这套原理对后面调参特别关键。很多人以为景深合成是“选最清楚的层”实际它是“每层都贡献一部分”贡献多少由评分决定。所以评分质量直接决定融合质量而评分质量又取决于采集端的稳定性和聚焦算子的选择。这也是我为什么总强调先别急着调融合参数先确认评分图是不是平滑、合理。3. 用 Halcon 跑通一版最小景深合成流程读图、逐层打分、权重融合3.1 准备一组 Z 轴序列图采集规范与命名约定合成效果七分靠采集。第一步不是写算子而是检查你的 Z 轴机构能不能稳定复位。步进电机带载物台逐层拍摄时每层之间的高度差必须一致而且整体行程要覆盖住工件的最低点和最高点。常见做法是先手动把焦点对在最下方和最上方记录两个位置的坐标差值为总行程再除以期望的层数得到步距。拍摄环境有两个硬性要求。一是曝光和增益必须锁死绝不能让相机的自动曝光介入否则每张图的亮度基线不一样聚焦评分自然飘。二是光源频率要稳定我用过某些频闪厉害的光源拍出来的序列图单看没问题但评分曲线会出现周期性的假波动。比较稳的做法是直流光源或者在光源控制器里把频率和相机曝光时间错开。文件命名我也建议一开始就规范化比如 scan_001.png、scan_002.png 这种连续编号。不要小看这一步后面写 list_files 筛选时规整的命名能省掉一大半烦恼。采集时还要注意工件不能移动哪怕零点几个毫米的位移都会让序列图之间出现错位融合边缘会直接崩。如果机构停不稳先解决机械问题再谈合成。3.2 最小可跑流程代码与算子参数讲解下面这段是 HDevelop 里能直接跑的完整流程做了三件事列出目录下所有扫描图、逐层计算聚焦评分、交给 depth_of_field 合成。* 1) 列出 ./stack 目录下所有 scan_ 开头的 PNG并按文件名排序 list_files (./stack, files, RawFiles) tuple_regexp_select (RawFiles, .*scan_.*\\.png, Scans) tuple_sort (Scans, Scans) * 建立空对象数组HDevelop 里对象索引从 1 开始 gen_empty_obj (ImageList) gen_empty_obj (FocusList) * 2) 按顺序读取全部图像 for i : 0 to |Scans| - 1 by 1 read_image (Image, Scans[i]) concat_obj (ImageList, Image, ImageList) endfor * 3) 逐层计算聚焦评分图窗口 5x5输出做平滑处理 count_obj (ImageList, Num) for i : 1 to Num by 1 select_obj (ImageList, Image, i) focus_operator (Image, Score, gauss, 5, 5, smooth) concat_obj (FocusList, Score, FocusList) endfor * 4) 融合输出深度图、权重图、融合结果 depth_of_field (ImageList, FocusList, Depth, Weights, Result, weight) * 5) 保存结果 write_image (Result, png, 0, result_fused)代码里最容易出问题的是循环索引。HDevelop 中图像对象数组的索引从 1 开始而文件列表的索引从 0 开始我在循环里分别处理这两个索引避免错位。concat_obj 每执行一次就在对象数组末尾追加一个对象顺序和 Scans 的排序一致这一点要保证否则后续深度图的层号语义就乱了。focus_operator 的参数里gauss 表示用高斯平滑后的聚焦度量5 和 5 是窗口宽高smooth 是对输出评分做平滑。depth_of_field 的第一个参数是图像序列第二个参数是评分序列两者对象个数必须相等。输出里的 Weights 是一个多通道对象数组每一层对应一张权重图可以单独 select_obj 取出来检查。如果你的 Halcon 版本比较旧没有 depth_of_field也可以手动做融合核心思路是先把评分图跨层归一化再平滑成权重最后加权累加。但这里有一个暗坑逐层单独归一化会被某一层的高分带偏必须把整个序列的最大最小值统一拿到后再归一化才算正确。这也是为什么我建议优先直接用封装算子省得自己踩归一化的坑。4. 三组必调参数与两类场景验证步距、平滑尺度、方法切换4.1 Z 轴步距怎么定从景深标定说起很多人在这一步翻车。步距不是随便给的它由镜头的实际景深决定。最直接的办法是做一个简单的标定找一块带刻度的平面量块斜放在载物台上让它的表面在 Z 轴方向有一段连续的高度变化然后从最低点到最高点走一遍每隔一小段拍一张。对每张图计算全图聚焦评分的均值你会看到一条先升后降的曲线。我一般会写一段小脚本把这条曲线打出来* 批量读取标定图像 list_files (./calib, files, RawCalib) tuple_regexp_select (RawCalib, .*calib_.*\\.png, CalibScans) tuple_sort (CalibScans, CalibScans) * 逐层计算整图聚焦均值观察清晰平台区间 for i : 0 to |CalibScans| - 1 by 1 read_image (Image, CalibScans[i]) focus_operator (Image, Score, gauss, 5, 5, smooth) get_domain (Score, Domain) intensity (Domain, Score, Mean, Deviation) * 把 Mean 按层号记录下来画成曲线 endforintensity 返回的 Mean 就是这一层的整体聚焦分。把所有层的 Mean 按顺序描点你会看到一段明显高于两边的平台这个平台对应的 Z 轴跨度就是该镜头在该光圈下的有效景深范围。平台越宽说明景深越大步距可以适当放宽平台很窄说明景深紧张步距必须收缩。我习惯把标定出的景深范围除以 2 到 3 作为步距。为什么不是直接除以层数因为景深范围是“勉强可接受的清晰区间”而合成需要的是每一层之间有足够的评分差异来区分谁更清晰。步距取得太接近景深边缘相邻两层的清晰度几乎一样评分图上就分不出主次融合结果会像蒙了一层纱。反过来步距取得太大两层之间会留出完全没有合焦覆盖的盲区深度图上会出现断层。找到平台后我一般从景深范围的 1/2 开始试如果融合结果边缘发虚再把步距调小。4.2 权重平滑尺度与融合方法光泽件和哑光件的不同选择同一套参数不可能同时适配所有工件我一般按表面特性分两类来起手。哑光件比如喷砂铝件、陶瓷件、磨砂塑料聚焦评分的信噪比通常比较好因为表面散射均匀每层之间的评分差异明显。这种件我直接用 gauss 5×5 窗口紧跟着的权重平滑不用太大保持边缘锐利。反光件则相反高光区域在每一层都可能产生“假清晰”的尖峰因为高光边缘的灰度变化剧烈评分会虚高。处理镜面或镀层件时我会把评分窗口加大到 7×7并且在融合前把权重图做更强的平滑让高光区的贡献被周边区域稀释掉。低纹理件是另一个常见难点比如纯色塑料盖、白色陶瓷片表面没有足够多的边缘供算子打分。这时单纯靠 gauss 会得到一片近乎均匀的评分图逐层之间差异极小。我一般会切到 laplace 并配合中值滤波先去掉传感器噪声或者把焦点打在表面的细微瑕疵和颗粒上让算子有东西可抓。下面的表格是我在几类典型表面上常用的起手参数实际项目里再根据深度图质量微调参数项哑光纹理件镜面/高光件低纹理纯色件聚焦方法gaussgausslaplace评分窗口5×57×75×5权重平滑程度轻重中步距参考景深范围/2景深范围/3景深范围/2还有一个判断技巧融合结果出来后单独看一眼 Weights 权重图。如果权重图在工件的轮廓边缘出现明显的黑白交界说明层与层之间的权重切换太硬通常要加大平滑。如果权重图整体灰蒙蒙一片说明各层评分太接近优先检查采集端曝光和步距。5. 景深合成常见问题与避坑排查五段真实踩坑记录5.1 现象一融合图一半清晰一半糊现象很典型结果图的左边清晰右边始终模糊无论怎么调权重平滑都不见好转。这不是融合参数的事根源在采集行程根本没覆盖全。我遇到过一次某图像处理 Demo 里自动对焦的行程是按工件最低点算的忽略了工件的倾斜面导致最顶层和最底层的边缘都没有合焦的帧。解决方法是把 Z 轴行程两端各多留 10% 的余量再重新标定。如果行程没问题再看步距是不是大于景深范围步距过大时两层之间会有一段完全失焦的空窗深度图上会看到该区域层号跳变这种情况把步距缩小即可。5.2 现象二边缘出现“光影羽化”和毛边融合结果里工件边缘像被水洇过一样虚了一圈通常是因为权重图没有做足够的平滑。评分图是逐像素算出来的层与层的权重在边缘处硬切换合成时就会留下半透明的过渡带。解决办法是对评分图做归一化之后、送入融合之前先做一次高斯平滑把权重过渡带宽拉大。我当时把一个 3×3 的窗口改成 7×7羽化立即消失。另外如果工件本身有反光高光区的假高分也会造成毛边这时要在评分前先用灰度形态学把高光区域抑制掉或者用多通道方式只取不饱和的通道做评分。5.3 现象三序列图明明清晰评分却乱跳这是最容易让人怀疑算子选错的场景。拿单张图看每一层都清晰锐利但把整图聚焦评分均值沿 Z 轴画出来曲线像锯齿一样上下跳。我排查过三次三次的根源全不在算子而在采集端。第一次是相机自动曝光没关每帧亮度不同导致评分随亮度波动第二次是光源控制器频闪评分跟着工频周期起伏第三次是载物台在每次停位时有微小回弹导致实际焦面位置和记录的坐标不一致。诊断方法很简单用第 4 章那段 intensity 统计脚本把曲线打出来如果曲线是平滑单峰那就是算法问题如果曲线毛刺密集先回采集端找原因。5.4 现象四彩色目标融合后饱和度发灰彩色工件合成出来后颜色发灰、饱和度明显下降问题出在通道处理上。Halcon 里读进来的彩色图如果是三通道分开处理每一层的评分在不同通道上不一致融合时相当于对三个通道分别做了一次权重不同的混合色彩自然就对不上了。常见做法是把 RGB 转成 HSV只对 V 通道做聚焦评分生成一组权重再把这一组权重同时应用到原始的 RGB 三通道上。这样做能保证一个像素的三个通道用的是同一组融合系数颜色不会串。我后来把这条规则固化成了习惯评分永远在灰度或单通道上做融合再回到多通道。5.5 现象五融合耗时高批量产线扛不住景深合成的耗时大头在聚焦评分因为要对每一层全分辨率图像做滤波和统计层数一多时间线性增长。我在一个批量检测场景里42 层序列图合成一次要 3 秒多产线根本等不起。优化思路是先圈定 ROI把工件区域用 threshold 和 reduce_domain 缩减到实际有效范围只对 ROI 内做评分和融合时间能砍掉一半以上。如果还不够可以把评分计算放在下采样后的图像上做权重图缩到 1/4 分辨率融合前再放大回原尺寸因为权重图是平滑量分辨率损失对结果影响很小。我按这个方案把时间压到了 600 毫秒以内。需要注意 ROI 边缘要留几个像素的余量否则融合接缝会蹭到 ROI 边界。6. 进阶技巧用配准兜底、多通道融合与脚本加速6.1 带倾斜或震动时的配准兜底不是所有机构都能做到绝对平稳。如果序列图之间存在轻微平移或旋转我一般会在评分之前先做一层配准。思路是选中间某一层作为参考用边缘或标记点做仿射变换把其他层对齐到参考层。对齐之后再评分融合边缘就不会出现错位重影。这套兜底逻辑虽然增加了一点耗时但能救回很多机械条件一般的产线。6.2 多通道融合与权重高光截断彩色件评分放在 V 通道做同时把权重图中超过一定阈值的像素截断避免高光尖峰主导融合。我习惯设一个经验阈值比如权重值超过整体均值加两倍标准差就强制压到该上限。这个处理对反光件尤其管用能让融合结果更接近真实色彩和纹理。这几年我经手过的景深合成项目真正难的不是算子调用而是采集端的稳定性和对权重图的理解。遇到合成结果不好我从来不会第一个怀疑算法而是先看深度图、再查评分曲线、最后才动参数。把这个排查顺序记住能帮你少走很多弯路。希望这些经验能帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/20 11:17:48 · 阅读 1.2k Halcon景深合成实战：聚焦评价与深度图融合的调参避坑指南
简介一份基于Halcon与Qt的景深合成项目源码面向机器视觉算法工程师与自动化检测系统开发者聚焦多焦距/多视角图像的融合输出细节清晰且包含深度信息的全清晰图像适用于精密装配、缺陷识别等需要高精度检测的场景也适合有一定Halcon基础的学习者作为实战参考。压缩包共6个文件以.hdev工程封装dFF3D测量程序为核心配套C源文件、Qt界面文件.ui/.h与.pro工程配置大小仅26KB内容精简但结构完整方便快速阅读与运行。已有2317人下载学习属于较受关注的Halcon视觉案例。通过源码可了解多图像预处理、对齐、融合和深度信息提取的完整实现路径同时参考Qt与Halcon混合编程的界面集成方式直接运行或二次改造即可快速搭建自己的景深合成与3D测量原型工具为学习和实践机器视觉算法提供了一份可运行、可扩展的参考样本。1. halcon景深合成这个功能解决的是哪类麻烦halcon景深合成解决的是机器视觉里最磨人的一类问题一个工件上同时存在高低落差远心镜头景深只有几个毫米单帧怎么调光圈都有一半是虚的。景深合成不是把几张图简单叠在一起而是先把每一层的清晰度逐像素打分再把最清晰的部分挑出来融合。在 Halcon 里做这件事核心是 focus_operator 和 depth_of_field 这一对算子。做精密装配、外观检测、显微量测的人常拿它处理镜头景深不足的困境。适合走这条路的人是有精准 Z 轴机构、能拍几十层序列图、又暂时不打算上昂贵 3D 传感器的团队。2. 聚焦评价与融合的底层逻辑focus_operator 怎么把清晰度变成权重2.1 三种常用聚焦度量方法以及各自的噪声脾气focus_operator 做的事情本质是在每个像素的邻域里估计“图像有多清晰”。清晰图像的共同特点是边缘陡峭、高频分量多失焦图像则把这些高频抹平了。算子用固定大小的窗口滑动整幅图对窗口内的灰度变化做统计输出一张和原图同尺寸的评分图每个像素值代表该点的局部清晰程度。在 Halcon 里focuse_operator 的 Method 参数常见有三类选择它们的脾气完全不同聚焦方法数学直觉噪声敏感度适合场景gauss先高斯平滑再算二阶响应相当于带通滤波最抗噪评分偏温和反光表面、光照有轻微波动、需要稳定权重图的场合laplace直接用拉普拉斯二阶微分对边缘极敏感对噪声和毛刺非常敏感评分容易跳低纹理纯色件、需要锐利边缘响应时sobel一阶梯度幅值反映灰度变化强度中等敏感纹理丰富时表现稳定哑光表面、纹理清晰的机械件我一般把 gauss 当默认值因为它输出的评分图最平滑后续做权重融合时不容易出现层间硬切换。laplace 虽然响应锐利但对表面颗粒、灰尘、光源微颤都很敏感实测里经常出现同一层内部评分忽高忽低的情况。sobel 介于两者之间适合纹理密、反光弱的零件。窗口大小 Width 和 Height 决定了评分是看“点的锐度”还是“小区域的锐度”。窗口设 3×3评分能捕捉很细的边缘但也容易把单点噪声当成清晰特征窗口设 7×7 或更大评分更稳健但细小的文字、划痕可能被平滑掉。对于显微级的目标我通常先用 5×5 起手再根据融合结果决定是否往 3×3 或 7×7 调。最后一个 Sub 参数很多新手会忽略。它控制对原始响应的简化方式我习惯填 smooth相当于把响应图先做一次邻域平滑再输出。这样做的直接好处是后面把评分图当权重图用的时候不会因为个别像素的尖峰导致融合结果出现白斑。如果你的场景需要保留最原始的高频响应再考虑换其他取值但那样通常要在融合前自己做一次滤波否则权重图会非常碎。2.2 从评分图到全清晰图depth_of_field 融合的最小原理拿到每层的评分图之后剩下的问题就是怎么合成。Halcon 的 depth_of_field 算子把整件事封装成了三步先把所有层的评分图做归一化让它们处于同一个量纲然后对评分图做邻域统计和平滑生成每层对应的权重图最后逐像素把各层图像按权重加权求和。这里面有一个关键输出DepthImage。它是一张灰度图每个像素的值表示“这一位置最清晰的是第几层图像”。听起来简单但实际排查重影问题时它非常有用。融合结果某块区域看着发虚我第一件事就是看 DepthImage 对应区域是不是在两个层号之间剧烈跳变。如果层号锯齿状来回跳基本可以断定是步距太大或者评分噪声太高而不是融合算法本身的问题。depth_of_field 的 Method 参数我习惯用 weight它生成的是软权重同一个像素可能同时受相邻两层贡献过渡自然。某些版本还支持其他融合模式具体以你安装版本的文档为准。需要说明的是这个算子在不同 Halcon 版本里的参数名略有差异但输入输出结构没变第一个参数传图像序列第二个参数传对应的评分序列出来的就是融合图和权重图。理解这套原理对后面调参特别关键。很多人以为景深合成是“选最清楚的层”实际它是“每层都贡献一部分”贡献多少由评分决定。所以评分质量直接决定融合质量而评分质量又取决于采集端的稳定性和聚焦算子的选择。这也是我为什么总强调先别急着调融合参数先确认评分图是不是平滑、合理。3. 用 Halcon 跑通一版最小景深合成流程读图、逐层打分、权重融合3.1 准备一组 Z 轴序列图采集规范与命名约定合成效果七分靠采集。第一步不是写算子而是检查你的 Z 轴机构能不能稳定复位。步进电机带载物台逐层拍摄时每层之间的高度差必须一致而且整体行程要覆盖住工件的最低点和最高点。常见做法是先手动把焦点对在最下方和最上方记录两个位置的坐标差值为总行程再除以期望的层数得到步距。拍摄环境有两个硬性要求。一是曝光和增益必须锁死绝不能让相机的自动曝光介入否则每张图的亮度基线不一样聚焦评分自然飘。二是光源频率要稳定我用过某些频闪厉害的光源拍出来的序列图单看没问题但评分曲线会出现周期性的假波动。比较稳的做法是直流光源或者在光源控制器里把频率和相机曝光时间错开。文件命名我也建议一开始就规范化比如 scan_001.png、scan_002.png 这种连续编号。不要小看这一步后面写 list_files 筛选时规整的命名能省掉一大半烦恼。采集时还要注意工件不能移动哪怕零点几个毫米的位移都会让序列图之间出现错位融合边缘会直接崩。如果机构停不稳先解决机械问题再谈合成。3.2 最小可跑流程代码与算子参数讲解下面这段是 HDevelop 里能直接跑的完整流程做了三件事列出目录下所有扫描图、逐层计算聚焦评分、交给 depth_of_field 合成。* 1) 列出 ./stack 目录下所有 scan_ 开头的 PNG并按文件名排序 list_files (./stack, files, RawFiles) tuple_regexp_select (RawFiles, .*scan_.*\\.png, Scans) tuple_sort (Scans, Scans) * 建立空对象数组HDevelop 里对象索引从 1 开始 gen_empty_obj (ImageList) gen_empty_obj (FocusList) * 2) 按顺序读取全部图像 for i : 0 to |Scans| - 1 by 1 read_image (Image, Scans[i]) concat_obj (ImageList, Image, ImageList) endfor * 3) 逐层计算聚焦评分图窗口 5x5输出做平滑处理 count_obj (ImageList, Num) for i : 1 to Num by 1 select_obj (ImageList, Image, i) focus_operator (Image, Score, gauss, 5, 5, smooth) concat_obj (FocusList, Score, FocusList) endfor * 4) 融合输出深度图、权重图、融合结果 depth_of_field (ImageList, FocusList, Depth, Weights, Result, weight) * 5) 保存结果 write_image (Result, png, 0, result_fused)代码里最容易出问题的是循环索引。HDevelop 中图像对象数组的索引从 1 开始而文件列表的索引从 0 开始我在循环里分别处理这两个索引避免错位。concat_obj 每执行一次就在对象数组末尾追加一个对象顺序和 Scans 的排序一致这一点要保证否则后续深度图的层号语义就乱了。focus_operator 的参数里gauss 表示用高斯平滑后的聚焦度量5 和 5 是窗口宽高smooth 是对输出评分做平滑。depth_of_field 的第一个参数是图像序列第二个参数是评分序列两者对象个数必须相等。输出里的 Weights 是一个多通道对象数组每一层对应一张权重图可以单独 select_obj 取出来检查。如果你的 Halcon 版本比较旧没有 depth_of_field也可以手动做融合核心思路是先把评分图跨层归一化再平滑成权重最后加权累加。但这里有一个暗坑逐层单独归一化会被某一层的高分带偏必须把整个序列的最大最小值统一拿到后再归一化才算正确。这也是为什么我建议优先直接用封装算子省得自己踩归一化的坑。4. 三组必调参数与两类场景验证步距、平滑尺度、方法切换4.1 Z 轴步距怎么定从景深标定说起很多人在这一步翻车。步距不是随便给的它由镜头的实际景深决定。最直接的办法是做一个简单的标定找一块带刻度的平面量块斜放在载物台上让它的表面在 Z 轴方向有一段连续的高度变化然后从最低点到最高点走一遍每隔一小段拍一张。对每张图计算全图聚焦评分的均值你会看到一条先升后降的曲线。我一般会写一段小脚本把这条曲线打出来* 批量读取标定图像 list_files (./calib, files, RawCalib) tuple_regexp_select (RawCalib, .*calib_.*\\.png, CalibScans) tuple_sort (CalibScans, CalibScans) * 逐层计算整图聚焦均值观察清晰平台区间 for i : 0 to |CalibScans| - 1 by 1 read_image (Image, CalibScans[i]) focus_operator (Image, Score, gauss, 5, 5, smooth) get_domain (Score, Domain) intensity (Domain, Score, Mean, Deviation) * 把 Mean 按层号记录下来画成曲线 endforintensity 返回的 Mean 就是这一层的整体聚焦分。把所有层的 Mean 按顺序描点你会看到一段明显高于两边的平台这个平台对应的 Z 轴跨度就是该镜头在该光圈下的有效景深范围。平台越宽说明景深越大步距可以适当放宽平台很窄说明景深紧张步距必须收缩。我习惯把标定出的景深范围除以 2 到 3 作为步距。为什么不是直接除以层数因为景深范围是“勉强可接受的清晰区间”而合成需要的是每一层之间有足够的评分差异来区分谁更清晰。步距取得太接近景深边缘相邻两层的清晰度几乎一样评分图上就分不出主次融合结果会像蒙了一层纱。反过来步距取得太大两层之间会留出完全没有合焦覆盖的盲区深度图上会出现断层。找到平台后我一般从景深范围的 1/2 开始试如果融合结果边缘发虚再把步距调小。4.2 权重平滑尺度与融合方法光泽件和哑光件的不同选择同一套参数不可能同时适配所有工件我一般按表面特性分两类来起手。哑光件比如喷砂铝件、陶瓷件、磨砂塑料聚焦评分的信噪比通常比较好因为表面散射均匀每层之间的评分差异明显。这种件我直接用 gauss 5×5 窗口紧跟着的权重平滑不用太大保持边缘锐利。反光件则相反高光区域在每一层都可能产生“假清晰”的尖峰因为高光边缘的灰度变化剧烈评分会虚高。处理镜面或镀层件时我会把评分窗口加大到 7×7并且在融合前把权重图做更强的平滑让高光区的贡献被周边区域稀释掉。低纹理件是另一个常见难点比如纯色塑料盖、白色陶瓷片表面没有足够多的边缘供算子打分。这时单纯靠 gauss 会得到一片近乎均匀的评分图逐层之间差异极小。我一般会切到 laplace 并配合中值滤波先去掉传感器噪声或者把焦点打在表面的细微瑕疵和颗粒上让算子有东西可抓。下面的表格是我在几类典型表面上常用的起手参数实际项目里再根据深度图质量微调参数项哑光纹理件镜面/高光件低纹理纯色件聚焦方法gaussgausslaplace评分窗口5×57×75×5权重平滑程度轻重中步距参考景深范围/2景深范围/3景深范围/2还有一个判断技巧融合结果出来后单独看一眼 Weights 权重图。如果权重图在工件的轮廓边缘出现明显的黑白交界说明层与层之间的权重切换太硬通常要加大平滑。如果权重图整体灰蒙蒙一片说明各层评分太接近优先检查采集端曝光和步距。5. 景深合成常见问题与避坑排查五段真实踩坑记录5.1 现象一融合图一半清晰一半糊现象很典型结果图的左边清晰右边始终模糊无论怎么调权重平滑都不见好转。这不是融合参数的事根源在采集行程根本没覆盖全。我遇到过一次某图像处理 Demo 里自动对焦的行程是按工件最低点算的忽略了工件的倾斜面导致最顶层和最底层的边缘都没有合焦的帧。解决方法是把 Z 轴行程两端各多留 10% 的余量再重新标定。如果行程没问题再看步距是不是大于景深范围步距过大时两层之间会有一段完全失焦的空窗深度图上会看到该区域层号跳变这种情况把步距缩小即可。5.2 现象二边缘出现“光影羽化”和毛边融合结果里工件边缘像被水洇过一样虚了一圈通常是因为权重图没有做足够的平滑。评分图是逐像素算出来的层与层的权重在边缘处硬切换合成时就会留下半透明的过渡带。解决办法是对评分图做归一化之后、送入融合之前先做一次高斯平滑把权重过渡带宽拉大。我当时把一个 3×3 的窗口改成 7×7羽化立即消失。另外如果工件本身有反光高光区的假高分也会造成毛边这时要在评分前先用灰度形态学把高光区域抑制掉或者用多通道方式只取不饱和的通道做评分。5.3 现象三序列图明明清晰评分却乱跳这是最容易让人怀疑算子选错的场景。拿单张图看每一层都清晰锐利但把整图聚焦评分均值沿 Z 轴画出来曲线像锯齿一样上下跳。我排查过三次三次的根源全不在算子而在采集端。第一次是相机自动曝光没关每帧亮度不同导致评分随亮度波动第二次是光源控制器频闪评分跟着工频周期起伏第三次是载物台在每次停位时有微小回弹导致实际焦面位置和记录的坐标不一致。诊断方法很简单用第 4 章那段 intensity 统计脚本把曲线打出来如果曲线是平滑单峰那就是算法问题如果曲线毛刺密集先回采集端找原因。5.4 现象四彩色目标融合后饱和度发灰彩色工件合成出来后颜色发灰、饱和度明显下降问题出在通道处理上。Halcon 里读进来的彩色图如果是三通道分开处理每一层的评分在不同通道上不一致融合时相当于对三个通道分别做了一次权重不同的混合色彩自然就对不上了。常见做法是把 RGB 转成 HSV只对 V 通道做聚焦评分生成一组权重再把这一组权重同时应用到原始的 RGB 三通道上。这样做能保证一个像素的三个通道用的是同一组融合系数颜色不会串。我后来把这条规则固化成了习惯评分永远在灰度或单通道上做融合再回到多通道。5.5 现象五融合耗时高批量产线扛不住景深合成的耗时大头在聚焦评分因为要对每一层全分辨率图像做滤波和统计层数一多时间线性增长。我在一个批量检测场景里42 层序列图合成一次要 3 秒多产线根本等不起。优化思路是先圈定 ROI把工件区域用 threshold 和 reduce_domain 缩减到实际有效范围只对 ROI 内做评分和融合时间能砍掉一半以上。如果还不够可以把评分计算放在下采样后的图像上做权重图缩到 1/4 分辨率融合前再放大回原尺寸因为权重图是平滑量分辨率损失对结果影响很小。我按这个方案把时间压到了 600 毫秒以内。需要注意 ROI 边缘要留几个像素的余量否则融合接缝会蹭到 ROI 边界。6. 进阶技巧用配准兜底、多通道融合与脚本加速6.1 带倾斜或震动时的配准兜底不是所有机构都能做到绝对平稳。如果序列图之间存在轻微平移或旋转我一般会在评分之前先做一层配准。思路是选中间某一层作为参考用边缘或标记点做仿射变换把其他层对齐到参考层。对齐之后再评分融合边缘就不会出现错位重影。这套兜底逻辑虽然增加了一点耗时但能救回很多机械条件一般的产线。6.2 多通道融合与权重高光截断彩色件评分放在 V 通道做同时把权重图中超过一定阈值的像素截断避免高光尖峰主导融合。我习惯设一个经验阈值比如权重值超过整体均值加两倍标准差就强制压到该上限。这个处理对反光件尤其管用能让融合结果更接近真实色彩和纹理。这几年我经手过的景深合成项目真正难的不是算子调用而是采集端的稳定性和对权重图的理解。遇到合成结果不好我从来不会第一个怀疑算法而是先看深度图、再查评分曲线、最后才动参数。把这个排查顺序记住能帮你少走很多弯路。希望这些经验能帮到你。本文还有配套的精品资源点击获取