数字散斑的制备是我在实验室里见过最容易被人轻视、也最容易翻车的环节。新手通常把精力全砸在相机选型、镜头标定、算法参数上最后发现应变场一片噪声、相关系数忽高忽低回头一查问题出在那层看起来随便喷喷的斑点图案上。散斑图案之于数字图像相关DIC技术就像刻度线之于一把钢尺——尺子本身再精密刻度模糊、间距混乱量出来的数就是假的。这篇内容围绕“数字散斑的制备要求及方法”展开把我这些年从毫米级板材拉伸到微米级芯片翘曲、从室温拉伸到上千度高温测试里积累的做法、参数和坑系统地摊开讲一遍。适合刚接触光学测量、准备动手做第一块试件的新手也适合已经能跑通流程、但总被散斑质量拖后腿的老手参考。全文会覆盖散斑尺寸的计算逻辑、覆盖率与对比度的量化判定、喷涂与光刻等几条主流路线的取舍、完整可复现的操作流程以及一份我自己整理的失效排查表。1. 先把散斑的“岗位职责”想明白很多教程一上来就教你怎么喷我觉得顺序反了。你得先清楚这层图案在整条测量链路里到底承担什么工作才好判断什么样的散斑算合格。1.1 散斑不是装饰花纹是给算法留的坐标锚点数字图像相关的基本原理是在变形前后两张图上为参考图的每个子区寻找灰度分布最相似的对应位置。算法判断“像不像”靠的是子区内部独特的灰度起伏模式。灰度均匀、平滑无特征的区域把它平移几个像素后长得几乎一模一样匹配就失去了唯一性位移结果自然飘。散斑图案的作用就是在被测表面人为制造大量局部随机、全局唯一、且随物体一起变形的灰度标记。这就解释了两个常见误解。第一散斑不是越密越好。当斑点在图像里挤成一团、彼此粘连局部区域重新变回近似均匀的灰度块反而丢掉了相关性。第二散斑不是随便乱点。真正的随机性要求是“在子区尺度上不重复”如果整块试件用的是同一个印章图案反复盖出现周期性重复结构算法在大位移搜索时就可能匹配到错误位置产生整像素级的跳变误差。1.2 客观散斑和人工散斑两条不同的技术路线严格说“数字散斑”这个词覆盖两类东西。一类是激光照射粗糙表面后形成的客观散斑靠相干光干涉产生随机的明暗颗粒天然随机、尺度可调常用于干涉类测量另一类是人工散斑也就是我们往试件表面喷涂、转印、刻蚀出来的图案是常规 DIC 测量的主力。这篇主要讲后者因为它在工程实践里出现频率最高也最可控。客观散斑的优点是完全跟随表面变形、不会脱落缺点是光路敏感、对振动和空气扰动极其挑剔且颗粒尺寸受波长和光阑限制不易自由调节。人工散斑的好处是尺度可控、对比度高、成本低缺点是喷涂质量的批次一致性差高温或大变形下存在脱落风险。选哪条路取决于你的试件尺寸、环境稳定性和变形量级而不是取决于哪条路听起来更高级。1.3 一张合格散斑图的四个硬指标我把验收标准压缩成四条任何一条不达标后面算出来的应变都别太当真颗粒尺度匹配散斑平均直径落在 3~5 个像素的区间内同时子区内能容纳足够数量的颗粒。局部覆盖率适中黑白比例大致均衡在子区尺度上既不出现大片空白也不出现大面积粘连。对比度充足且不饱和灰度分布拉开差距但避免大片纯黑或纯白导致的截断。随机性充分没有周期性重复结构没有明显的方向性条纹或人为规则排列。这四条看着简单实际动手时每一条背后都有一堆细节。下面逐个拆开算。2. 散斑尺寸与覆盖率先算数再动手我最反对的做法是“先喷了再说”。散斑直径是个能被精确反推出来的量算一遍只要五分钟能省掉后面几天的返工。2.1 从视场和相机分辨率反推目标散斑直径整个换算链条是这样的先确定视场宽度再除以相机横向像素数得到像素当量每个像素代表多少物理长度然后用目标像素直径乘以像素当量得到你需要在试件上做出来的斑点物理直径。举个具体例子。试件标距段宽度 60 mm相机横向 5000 像素那么像素当量 60 / 5000 0.012 mm/px也就是 12 μm/px。如果目标散斑直径取 4 像素物理直径就是 4 × 12 48 μm。这个数量级意味着你得用细口径喷笔普通罐装自喷漆喷出来的雾滴通常在几十到上百微米方向对但颗粒偏粗需要靠拉远距离、降低出漆量来控制。反过来也成立。如果你的试件只有 2 mm 宽相机 5000 像素像素当量 0.4 μm/px目标散斑 4 像素对应 1.6 μm——这个尺度已经超出喷涂能力范围必须转到微纳加工路线。所以先算数直接决定了你该选哪条工艺路线而不是等喷完了发现颗粒太粗再想办法。注意这里的“散斑直径”指单个斑点等效圆直径。实际喷涂出来的颗粒是大小混杂的分布我们关心的是面积加权平均直径允许存在一定离散度但主峰要落在目标区间内。2.2 子区尺寸和散斑直径是一对绑定的参数散斑直径不能孤立地定它和你后续使用的子区尺寸强耦合。业界比较通行的经验是子区边长取散斑平均直径的 4 到 6 倍换算下来一个子区内沿某一方向大约包含 4 到 6 个颗粒子区内总颗粒数在 15 到 40 之间。这个数量既保证了灰度分布的统计唯一性又不至于因为颗粒过密造成局部粘连。我用一组数字说明。子区取 31×31 像素时散斑直径落在 5~7 像素比较舒服子区取 21×21 像素时直径取 3~5 像素更合适。如果你习惯用 41×41 的大子区来压噪声散斑直径可以放到 7~9 像素但要注意大子区本身会牺牲空间分辨率在应变梯度大的区域比如裂纹尖端、焊缝热影响区会明显钝化结果。还有一个容易被忽略的约束散斑直径不宜小于 3 像素。小于这个值斑点只占两三个像素图像采样接近奈奎斯特极限斑点边缘被严重模糊插值后的灰度梯度大幅下降亚像素匹配精度反而变差。我见过有人为了追求“看起来细腻”把散斑做得极小结果整幅图的平均灰度梯度掉了一半位移噪声直接翻倍。2.3 覆盖率不等于密度局部才是关键覆盖率指的是二值化之后斑点像素占全图的比例通常建议控制在 40%~60%。低于 30%子区内可能出现大片平坦区域匹配窗口里有效特征太少高于 70%斑点连成片黑白边界变少灰度梯度总量下降。但只看全局覆盖率是会骗人的。我遇到过一块试件全局覆盖率 52%数字很漂亮一算局部方差就露馅了——中间区域喷得太厚连成一片边缘却稀稀拉拉。所以我会额外看局部覆盖率的最小值把图像切成若干个与子区同尺寸的小块逐块统计覆盖率要求所有块都落在 25%~75% 之间。哪块超了说明那儿喷厚了哪块不足说明有漏喷。2.4 对比度和灰度分布的三条红线对比度不足是喷涂法最常见的隐性故障。判定方法很直接把图转成 8 位灰度后看直方图。灰度标准差低于 25说明黑白没拉开通常是底漆太薄透出基材颜色或者黑漆喷得太稀薄。这种图跑出来的位移场会有明显的低频波动。灰度等于 0 或 255 的像素占比超过 5%说明存在镜面高光或者过曝。饱和像素内部没有任何梯度信息等于在子区里挖了个洞。哑光漆面、调整照明角度、降低曝光时间三招基本能解决。直方图呈单峰而非双峰说明黑白区域没有清晰分离可能是漆层相互渗透或者基材本身颜色太深导致底漆遮不住。普通的黑白喷漆体系理想状态是直方图呈明显的双峰分布两个峰分别靠近 40~70 和 180~220中间过渡区不需要太宽。过渡区越宽说明斑点边缘越模糊等效于降低了有效对比度。3. 散斑质量的量化评估与正向生成凭肉眼判断散斑好坏主观性太强。我习惯用两三个客观指标做初筛再结合试件实际测量结果做最终确认。3.1 三个我常用的量化指标指标计算方法参考阈值8位灰度说明平均灰度梯度 MMG全图梯度幅值的均值大于 20优质图常在 30 以上越高说明局部特征越丰富亚像素匹配越稳灰度标准差全图灰度标准差大于 30反映整体对比度低于 25 要提高警惕局部覆盖率极值分块统计覆盖率的最大最小值25%~75% 之间排查喷厚与漏喷饱和像素占比灰度等于 0 或 255 的比例小于 5%过曝区域无有效信息散斑等效直径连通域面积换算3~5 像素与子区尺寸匹配平均灰度梯度这个指标我特别看重它对散斑尺寸失配、对比度下降、离焦模糊都非常敏感是一个综合性的健康度指标。同一套光路下我一般会先测一块标准试件记下 MMG 基准值后续每块新试件都对比一下掉超过 30% 就回头查工艺。3.2 一段可直接跑的评估脚本下面这段代码干三件事读图、算指标、给出初步判断。用 Python 加 OpenCV 就能跑不需要额外依赖。import cv2 import numpy as np def evaluate_speckle(path, subset31): img cv2.imread(path, cv2.IMREAD_GRAYSCALE) h, w img.shape f img.astype(np.float32) # 平均灰度梯度 gx cv2.Sobel(f, cv2.CV_32F, 1, 0, ksize3) / 8.0 gy cv2.Sobel(f, cv2.CV_32F, 0, 1, ksize3) / 8.0 mmg np.mean(np.sqrt(gx**2 gy**2)) std float(np.std(f)) sat float(np.mean((img 0) | (img 255))) # Otsu 二值化后统计覆盖率与连通域等效直径 _, bw cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) cover float(np.mean(bw 0)) n, labels, stats, _ cv2.connectedComponentsWithStats(bw, connectivity8) areas stats[1:, cv2.CC_STAT_AREA] areas areas[areas 3] eq_d 2.0 * np.sqrt(areas / np.pi) if len(areas) else np.array([0.0]) # 分块局部覆盖率 local [] for y in range(0, h - subset, subset): for x in range(0, w - subset, subset): patch bw[y:ysubset, x:xsubset] local.append(np.mean(patch 0)) local np.array(local) print(fMMG : {mmg:.2f}) print(f灰度标准差 : {std:.2f}) print(f饱和像素占比 : {sat*100:.2f}%) print(f全局覆盖率 : {cover*100:.2f}%) print(f局部覆盖率范围 : {local.min()*100:.1f}% ~ {local.max()*100:.1f}%) print(f等效直径 中位数: {np.median(eq_d):.2f} px) print(f等效直径 均值 : {np.mean(eq_d):.2f} px) if __name__ __main__: evaluate_speckle(speckle_sample.png)跑完之后对着上面的表格比一比能筛掉八成不合格的试件。需要说明的是Otsu 二值化在对比度偏低的图上会偏向中间灰度算出来的覆盖率可能虚高所以对灰度标准差低于 25 的图我一般直接判不合格不再往下看连通域。3.3 反向操作先生成数字散斑图再用有时候需要的是可打印、可投影的散斑图而不是物理喷涂。那就反过来用程序生成再输出。核心思路是在画布上随机撒点每个点用高斯亮斑渲染控制斑点半径和密度两个参数。import numpy as np import cv2 def gen_speckle(h2000, w2000, d_px4.0, coverage0.5, seed1): rng np.random.default_rng(seed) sigma d_px / 2.0 # 由目标覆盖率反推点数单点有效面积近似 pi*sigma^2 n int(coverage * h * w / (np.pi * sigma**2)) ys rng.uniform(0, h, n) xs rng.uniform(0, w, n) canvas np.zeros((h, w), np.float32) for y, x in zip(ys, xs): y0, y1 int(max(0, y-4*sigma)), int(min(h, y4*sigma1)) x0, x1 int(max(0, x-4*sigma)), int(min(w, x4*sigma1)) yy, xx np.mgrid[y0:y1, x0:x1] canvas[y0:y1, x0:x1] np.exp(-((yy-y)**2 (xx-x)**2) / (2*sigma**2)) canvas np.clip(canvas, 0, 1) return (canvas * 255).astype(np.uint8) if __name__ __main__: img gen_speckle(d_px4.0, coverage0.45) cv2.imwrite(digital_speckle.png, img)这段代码生成的图有几个好处斑点尺寸精确可控、没有粘连、没有过曝、随机性有保证。缺点是叠加处会超出 255 被截断需要在生成后做一次归一化或者把覆盖率的输入值调低一些。投影散斑和打印散斑都可以基于这种图去做特别适合需要反复迭代参数的场景。4. 主流制备方法逐个拆解方法没有绝对优劣只有匹配与否。我按照适用尺度从大到小把几条常用路线和各自的适用边界讲清楚。4.1 喷涂法用得最多也最容易出事喷涂法的核心优势是快、便宜、适应任意形状。缺点是重复性差同一罐漆、同一个人、隔一天喷出来的东西可能就不一样。我现在的标准做法是“底漆 斑点”两层体系。底漆用哑光白色薄薄喷两到三遍每遍之间间隔一两分钟让它表干目标是完全遮盖基材颜色且表面均匀、无反光。斑点层用哑光黑色走“远距离、低出漆、快速扫过”的路子靠雾化颗粒自然沉积形成随机的斑点分布。关键参数我整理成下面这张表是踩了很多次坑之后稳定下来的区间参数推荐值偏离后果喷嘴口径0.2~0.3 mm口径过大颗粒粗过小易堵供气压力0.1~0.2 MPa压力高颗粒细但飞散严重压力低易出大滴喷距200~350 mm太近出漆集中成片太远颗粒过细且浪费单次扫过速度快速、不停留停留会导致局部堆积喷涂层数3~6 遍薄喷一遍喷厚必然连片层间间隔30~90 秒太短会互溶太长影响附着一个特别实用的技巧先在废试片上试喷用放大镜或者手机微距看一眼颗粒状态确认没问题再上正式试件。这一步花两分钟能救回一整块试件。另外喷涂时试件要立起来或者倾斜放置让多余的漆雾自然飘走平放会让漆雾回落到表面造成颗粒粗大。注意不要在密闭小空间里喷涂漆雾悬浮会均匀回落形成一层极薄的灰雾把对比度整体压下去。通风良好、气流稳定的环境反而更容易得到干净利落的斑点。4.2 印章、转印与模板法追求重复性的选择当需要一批试件散斑状态高度一致时喷涂的随机性就成了缺点。这时候可以考虑模板法用激光切割或者光刻做一块带随机孔洞的掩膜贴在试件上喷黑漆揭掉掩膜就得到图案固定的散斑。好处是同一批试件的散斑完全一致便于横向对比缺点是图案重复大位移搜索时要注意搜索范围不能超过图案的特征周期。印章法适合小面积、平面试件。用一块软性硅胶印章蘸取少量颜料轻压到表面。要点是颜料要稀、压力要均匀、抬起要垂直否则边缘拖尾。我用这招做过一批小尺寸薄片一致性是够了但印章反复使用会逐渐堵塞细微结构一般用十几次就得清洗或者换新。还有一种是转印膜把预制好的散斑图案做成可剥离的薄膜贴上去压实再撕掉底膜。适合曲面和现场作业成本比喷涂高不少但对操作环境的洁净度要求低在工地或者车间里做临时测量挺方便。4.3 光刻与微纳加工微尺度测量的唯一出路试件特征尺寸小于一两毫米时喷涂彻底失效必须转向微纳加工。常见路线有光刻显影、电子束曝光、聚焦离子束刻蚀、溅射加剥离以及纳米颗粒气溶胶沉积。光刻的流程大致是清洗基片、甩胶、前烘、曝光、显影、刻蚀或沉积、去胶。散斑图案由掩膜版决定尺寸精度可以做到亚微米。这套工艺的难点不在图案本身而在与试件的兼容性——如果试件是要真实加载的微器件光刻过程中的高温烘烤和化学试剂会不会改变它的力学状态必须提前想清楚。我见过有人把薄膜样品拿去甩胶回来发现残余应力状态全变了测出来的数据没法用。相对温和一些的做法是纳米颗粒沉积。把碳黑或者二氧化钛的悬浮液雾化后沉积到表面颗粒在范德华力作用下附着对基底几乎没有损伤。缺点是附着力弱稍微擦拭就会掉样品必须小心处理。还有一种取巧的办法是化学腐蚀微坑。用掩膜保护在表面腐蚀出浅坑阵列靠坑壁的散射光形成明暗对比。这种方法散斑完全不会脱落做高温或者大变形测试时特别稳但只适用于本身可蚀刻的材料。4.4 打印、刻蚀与激光打标日常备选的几条路喷墨打印散斑图是很多人第一反应会想到的办法。可行性有但限制明显普通打印机的墨滴尺寸在几十微米量级换算到小视场上颗粒会偏粗墨水在金属表面附着差纸张转印还会有纹理干扰。我的经验是打印法在视场大于 100 mm 的宏观测量里能凑合用视场一小就力不从心。激光打标或激光刻蚀适合金属件。直接在表面打出微坑阵列耐久性极好可以反复加载不脱落。问题在于热影响区会改变局部材料性能做力学测试时要避开标距段或者干脆把它当作预损伤接受下来。喷砂也是一种粗暴有效的办法用细砂在表面制造随机凹坑配合侧向照明形成明暗。适合大幅面、低精度要求的场合比如大型构件的整体变形监测。4.5 特殊工况下的对策高温测试是散斑制备里最难的一档。普通有机漆在三四百度就开始碳化剥落必须换成无机体系。常用的有含钴或铝的硅酸盐类高温涂层能耐到八九百度更高温度下就得靠溅射金属膜加光刻或者直接在表面做氧化处理形成自然纹理。核心矛盾在于热膨胀系数匹配——涂层和基体的膨胀差太大升降温循环几次就开裂了。我的做法是先在试片上做几次热循环确认涂层不开裂不剥落再上正式测试。大变形测试要解决的是散斑跟着表面一起拉伸的问题。脆性漆在应变超过百分之几之后就会龟裂裂纹处的图像彻底失效。解决办法是用柔性基体白色硅橡胶打底黑色硅橡胶点斑可以跟着试件拉到百分之几十甚至更高。硅胶的操作窗口短配好之后要快速用完点斑用细针或者微量注射器一个一个点费时但可靠。透明件和曲面各有各的麻烦。透明件必须先做一层不透光的白底否则光线穿透过去背景的任何东西都会污染图像曲面则更适合用投影散斑把图案投上去不受曲率限制还能动态更换图案做多尺度分析。投影方案的前提是相机和投影设备同步且环境光要压得足够低。5. 从基材到验收一套完整可复现的流程把上面的方法串成一条线我平时按这个顺序走一次通过率能到八九成。5.1 基材预处理表面有油污什么都白搭。金属件先用无水乙醇或者丙酮擦拭再用超声波清洗几分钟吹干。塑料件要注意溶剂可能腐蚀表面改用中性清洗剂加纯水冲洗。表面太光滑的比如抛光不锈钢附着力会很差可以用细砂纸轻轻打毛但要注意打毛的划痕方向要随机别形成单一方向的条纹那会干扰后续的相关计算。清洗完的试件不要用手直接摸测量区域指纹的油脂会让漆层局部缩孔形成一个个小圆坑肉眼几乎看不出但在图里就是一片异常区域。5.2 底漆与散斑的施工节奏底漆两到三遍薄喷每遍之间等一两分钟。判断标准是侧光下看表面均匀无反光、无露底。底漆干了之后不要急着喷斑点等五到十分钟让它充分稳定否则黑漆上去会和底漆互溶边缘糊掉。斑点层分多次薄喷每次快速横扫一遍换个角度再来一遍。喷完一层就停下来看一眼如果已经能看到明显的颗粒分布就不用再喷了。我一般喷三到五遍中途用手机微距拍一张看一眼比凭感觉靠谱得多。5.3 固化与保存喷完的试件至少放置几小时再上机最好是过夜。表干不等于实干没干透的漆层在夹持和加载时会被压出痕迹甚至粘在夹具上。存放时避免叠压用支架架空防止漆面被蹭掉。如果试件要反复使用或者运输可以在散斑外面加一层极薄的透明保护层但这会引入额外的折射和反光一般不建议。宁可多备几块试件也不要在散斑上盖东西。5.4 与采集系统的联合验收散斑做完了不算完最终要看它在实际光路和采集参数下表现如何。我的验收步骤是装夹到位、调好照明、按预定曝光拍一组图然后用前面的脚本算一遍指标再跑一次静态采集——不加载连拍二十张做相关计算看位移场的标准差。静态噪声是最诚实的检验。如果位移场标准差在 0.01 像素量级说明散斑和光路配合得不错如果到了 0.05 像素以上先别怀疑算法回头查散斑的对比度和颗粒尺度。这个环节我强烈建议每次换新试件都做一遍形成基线记录后面出问题时有对照。照明这一环也值得多说一句。散斑是漫反射体用大面积柔和的漫射光比用点光源好点光源容易在斑点边缘产生阴影和局部高光。入射角度控制在三十到六十度之间让镜面反射方向避开镜头。如果试件会转动考虑用环形光源或者双侧对称布光保证加载过程中亮度分布稳定。6. 失效案例与排查速查下面这些是我真金白银换来的教训按现象分类整理遇到问题时可以直接对照。6.1 五类典型失效及其成因漆层脱落。现象是加载过程中散斑成片剥落图像上出现大块白斑。成因通常是底漆与基材附着力不足或者加载过程中产生的大变形超过了漆层的断裂应变。对策是加强前处理、改用柔性体系实在不行就换到刻蚀或者激光打标路线。散斑开裂。涂层表面出现细密裂纹且裂纹随加载扩展。这在脆性漆配大变形测试时特别常见。裂纹处的图像失去连续性相关计算会在裂纹附近产生虚假的高应变带。解决办法是降低漆层厚度薄涂层比厚涂层更抗裂或者换成硅胶体系。局部过曝。试件某处出现大片纯白区域灰度恒定在 255。这个区域内的子区完全没有梯度信息位移结果随机跳动。成因是表面曲率导致镜面反射或者漆面太亮。对策是换哑光漆、调整照明角度、降低曝光时间必要时在该区域贴一小块哑光黑纸遮光。对比度整体偏灰。直方图挤在中间标准差不到 20。常见原因是底漆太薄透出基材、黑漆喷得太稀、或者喷涂环境密闭导致漆雾回落形成灰雾。对策是加厚底漆层、增加斑点层喷涂遍数、改善通风。精度突然下降但没有明显外观异常。这种情况最难查。我的排查顺序是先看散斑尺寸是否和子区匹配可能换了相机或者镜头像素当量变了但散斑没跟着调整再看是否离焦景深不够导致边缘模糊最后检查光源是否有频闪或者亮度漂移。有一次折腾了半天最后发现是相机的自动增益没关图像亮度在缓慢变化导致相关系数整体下滑。6.2 排查速查表现象首选排查方向快速验证方法位移场低频波动散斑对比度不足、照明不均看灰度直方图标准差是否低于 25局部计算失败、相关系数低存在过曝或大片空白区统计饱和像素占比与局部覆盖率大位移时匹配跳变图案有周期性重复结构做自相关分析看是否有次级峰边缘区域精度差散斑颗粒过细被模糊放大看边缘散斑是否小于 3 像素加载后突然全图失效漆层脱落或开裂停机目视检查加微距拍照精度随时间缓慢下降光源漂移、试件微动关掉加载做长时间静态采集6.3 几条不在手册上的心得第一条散斑制备要有“留样”的习惯。每批试件我都会多喷一两块不作测试专用只作对照和返工时的参考。有时候试件测出异常把留样拿出来对比一下立刻就能判断是散斑的问题还是装夹、加载的问题。第二条记录要细到能复现。喷笔口径、气压、喷距、遍数、环境温湿度、漆的品牌批次全部记下来。散斑这东西的随机性太强不记录的话即使做出一批特别好的试件下次也复现不出来。我自己用一张表格每次喷涂填一行几年下来积累的数据比任何教程都值钱。第三条别迷信一次成功。散斑制备的合格率跟熟练度强相关新手第一次喷出来的东西大概率要返工。给这个过程留出时间余量别把试件安排在测试前一天才做出问题时连重来的机会都没有。第四条微尺度测试要格外注意清洁。哪怕是一粒灰尘落在微米级的散斑区域上也会在图像里变成一个巨大的黑斑把整个子区的相关性毁掉。洁净台、防尘罩、无尘操作这些在宏观测量里可有可无的东西到微尺度就是必需项。第五条遇到搞不定的情况先降低要求而不是加复杂度。很多人一看散斑不行立刻想到上光刻、上投影其实往往只是喷距不对或者底漆没干透。把最基础的喷涂工艺参数卡死能解决八成问题。我在实际操作中的体会是散斑制备这件事的技术门槛并不高难的是它需要一种“控制变量、记录反馈”的工程习惯。它不像写代码那样有明确的报错信息所有问题都以精度下降的形式模糊地呈现出来逼着你回头一点点排查。把参数算清楚、把流程固定下来、把每次的结果记下来这三件事做到位散斑就从玄学变成了手艺。至于那些实在解决不了的极端工况坦白说换一种测量手段往往比死磕散斑更划算。 
长河君 · 2026/10/27 11:35:23 · 阅读 1.2k 数字散斑制备要求与方法：尺寸、覆盖率与DIC精度控制
数字散斑的制备是我在实验室里见过最容易被人轻视、也最容易翻车的环节。新手通常把精力全砸在相机选型、镜头标定、算法参数上最后发现应变场一片噪声、相关系数忽高忽低回头一查问题出在那层看起来随便喷喷的斑点图案上。散斑图案之于数字图像相关DIC技术就像刻度线之于一把钢尺——尺子本身再精密刻度模糊、间距混乱量出来的数就是假的。这篇内容围绕“数字散斑的制备要求及方法”展开把我这些年从毫米级板材拉伸到微米级芯片翘曲、从室温拉伸到上千度高温测试里积累的做法、参数和坑系统地摊开讲一遍。适合刚接触光学测量、准备动手做第一块试件的新手也适合已经能跑通流程、但总被散斑质量拖后腿的老手参考。全文会覆盖散斑尺寸的计算逻辑、覆盖率与对比度的量化判定、喷涂与光刻等几条主流路线的取舍、完整可复现的操作流程以及一份我自己整理的失效排查表。1. 先把散斑的“岗位职责”想明白很多教程一上来就教你怎么喷我觉得顺序反了。你得先清楚这层图案在整条测量链路里到底承担什么工作才好判断什么样的散斑算合格。1.1 散斑不是装饰花纹是给算法留的坐标锚点数字图像相关的基本原理是在变形前后两张图上为参考图的每个子区寻找灰度分布最相似的对应位置。算法判断“像不像”靠的是子区内部独特的灰度起伏模式。灰度均匀、平滑无特征的区域把它平移几个像素后长得几乎一模一样匹配就失去了唯一性位移结果自然飘。散斑图案的作用就是在被测表面人为制造大量局部随机、全局唯一、且随物体一起变形的灰度标记。这就解释了两个常见误解。第一散斑不是越密越好。当斑点在图像里挤成一团、彼此粘连局部区域重新变回近似均匀的灰度块反而丢掉了相关性。第二散斑不是随便乱点。真正的随机性要求是“在子区尺度上不重复”如果整块试件用的是同一个印章图案反复盖出现周期性重复结构算法在大位移搜索时就可能匹配到错误位置产生整像素级的跳变误差。1.2 客观散斑和人工散斑两条不同的技术路线严格说“数字散斑”这个词覆盖两类东西。一类是激光照射粗糙表面后形成的客观散斑靠相干光干涉产生随机的明暗颗粒天然随机、尺度可调常用于干涉类测量另一类是人工散斑也就是我们往试件表面喷涂、转印、刻蚀出来的图案是常规 DIC 测量的主力。这篇主要讲后者因为它在工程实践里出现频率最高也最可控。客观散斑的优点是完全跟随表面变形、不会脱落缺点是光路敏感、对振动和空气扰动极其挑剔且颗粒尺寸受波长和光阑限制不易自由调节。人工散斑的好处是尺度可控、对比度高、成本低缺点是喷涂质量的批次一致性差高温或大变形下存在脱落风险。选哪条路取决于你的试件尺寸、环境稳定性和变形量级而不是取决于哪条路听起来更高级。1.3 一张合格散斑图的四个硬指标我把验收标准压缩成四条任何一条不达标后面算出来的应变都别太当真颗粒尺度匹配散斑平均直径落在 3~5 个像素的区间内同时子区内能容纳足够数量的颗粒。局部覆盖率适中黑白比例大致均衡在子区尺度上既不出现大片空白也不出现大面积粘连。对比度充足且不饱和灰度分布拉开差距但避免大片纯黑或纯白导致的截断。随机性充分没有周期性重复结构没有明显的方向性条纹或人为规则排列。这四条看着简单实际动手时每一条背后都有一堆细节。下面逐个拆开算。2. 散斑尺寸与覆盖率先算数再动手我最反对的做法是“先喷了再说”。散斑直径是个能被精确反推出来的量算一遍只要五分钟能省掉后面几天的返工。2.1 从视场和相机分辨率反推目标散斑直径整个换算链条是这样的先确定视场宽度再除以相机横向像素数得到像素当量每个像素代表多少物理长度然后用目标像素直径乘以像素当量得到你需要在试件上做出来的斑点物理直径。举个具体例子。试件标距段宽度 60 mm相机横向 5000 像素那么像素当量 60 / 5000 0.012 mm/px也就是 12 μm/px。如果目标散斑直径取 4 像素物理直径就是 4 × 12 48 μm。这个数量级意味着你得用细口径喷笔普通罐装自喷漆喷出来的雾滴通常在几十到上百微米方向对但颗粒偏粗需要靠拉远距离、降低出漆量来控制。反过来也成立。如果你的试件只有 2 mm 宽相机 5000 像素像素当量 0.4 μm/px目标散斑 4 像素对应 1.6 μm——这个尺度已经超出喷涂能力范围必须转到微纳加工路线。所以先算数直接决定了你该选哪条工艺路线而不是等喷完了发现颗粒太粗再想办法。注意这里的“散斑直径”指单个斑点等效圆直径。实际喷涂出来的颗粒是大小混杂的分布我们关心的是面积加权平均直径允许存在一定离散度但主峰要落在目标区间内。2.2 子区尺寸和散斑直径是一对绑定的参数散斑直径不能孤立地定它和你后续使用的子区尺寸强耦合。业界比较通行的经验是子区边长取散斑平均直径的 4 到 6 倍换算下来一个子区内沿某一方向大约包含 4 到 6 个颗粒子区内总颗粒数在 15 到 40 之间。这个数量既保证了灰度分布的统计唯一性又不至于因为颗粒过密造成局部粘连。我用一组数字说明。子区取 31×31 像素时散斑直径落在 5~7 像素比较舒服子区取 21×21 像素时直径取 3~5 像素更合适。如果你习惯用 41×41 的大子区来压噪声散斑直径可以放到 7~9 像素但要注意大子区本身会牺牲空间分辨率在应变梯度大的区域比如裂纹尖端、焊缝热影响区会明显钝化结果。还有一个容易被忽略的约束散斑直径不宜小于 3 像素。小于这个值斑点只占两三个像素图像采样接近奈奎斯特极限斑点边缘被严重模糊插值后的灰度梯度大幅下降亚像素匹配精度反而变差。我见过有人为了追求“看起来细腻”把散斑做得极小结果整幅图的平均灰度梯度掉了一半位移噪声直接翻倍。2.3 覆盖率不等于密度局部才是关键覆盖率指的是二值化之后斑点像素占全图的比例通常建议控制在 40%~60%。低于 30%子区内可能出现大片平坦区域匹配窗口里有效特征太少高于 70%斑点连成片黑白边界变少灰度梯度总量下降。但只看全局覆盖率是会骗人的。我遇到过一块试件全局覆盖率 52%数字很漂亮一算局部方差就露馅了——中间区域喷得太厚连成一片边缘却稀稀拉拉。所以我会额外看局部覆盖率的最小值把图像切成若干个与子区同尺寸的小块逐块统计覆盖率要求所有块都落在 25%~75% 之间。哪块超了说明那儿喷厚了哪块不足说明有漏喷。2.4 对比度和灰度分布的三条红线对比度不足是喷涂法最常见的隐性故障。判定方法很直接把图转成 8 位灰度后看直方图。灰度标准差低于 25说明黑白没拉开通常是底漆太薄透出基材颜色或者黑漆喷得太稀薄。这种图跑出来的位移场会有明显的低频波动。灰度等于 0 或 255 的像素占比超过 5%说明存在镜面高光或者过曝。饱和像素内部没有任何梯度信息等于在子区里挖了个洞。哑光漆面、调整照明角度、降低曝光时间三招基本能解决。直方图呈单峰而非双峰说明黑白区域没有清晰分离可能是漆层相互渗透或者基材本身颜色太深导致底漆遮不住。普通的黑白喷漆体系理想状态是直方图呈明显的双峰分布两个峰分别靠近 40~70 和 180~220中间过渡区不需要太宽。过渡区越宽说明斑点边缘越模糊等效于降低了有效对比度。3. 散斑质量的量化评估与正向生成凭肉眼判断散斑好坏主观性太强。我习惯用两三个客观指标做初筛再结合试件实际测量结果做最终确认。3.1 三个我常用的量化指标指标计算方法参考阈值8位灰度说明平均灰度梯度 MMG全图梯度幅值的均值大于 20优质图常在 30 以上越高说明局部特征越丰富亚像素匹配越稳灰度标准差全图灰度标准差大于 30反映整体对比度低于 25 要提高警惕局部覆盖率极值分块统计覆盖率的最大最小值25%~75% 之间排查喷厚与漏喷饱和像素占比灰度等于 0 或 255 的比例小于 5%过曝区域无有效信息散斑等效直径连通域面积换算3~5 像素与子区尺寸匹配平均灰度梯度这个指标我特别看重它对散斑尺寸失配、对比度下降、离焦模糊都非常敏感是一个综合性的健康度指标。同一套光路下我一般会先测一块标准试件记下 MMG 基准值后续每块新试件都对比一下掉超过 30% 就回头查工艺。3.2 一段可直接跑的评估脚本下面这段代码干三件事读图、算指标、给出初步判断。用 Python 加 OpenCV 就能跑不需要额外依赖。import cv2 import numpy as np def evaluate_speckle(path, subset31): img cv2.imread(path, cv2.IMREAD_GRAYSCALE) h, w img.shape f img.astype(np.float32) # 平均灰度梯度 gx cv2.Sobel(f, cv2.CV_32F, 1, 0, ksize3) / 8.0 gy cv2.Sobel(f, cv2.CV_32F, 0, 1, ksize3) / 8.0 mmg np.mean(np.sqrt(gx**2 gy**2)) std float(np.std(f)) sat float(np.mean((img 0) | (img 255))) # Otsu 二值化后统计覆盖率与连通域等效直径 _, bw cv2.threshold(img, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) cover float(np.mean(bw 0)) n, labels, stats, _ cv2.connectedComponentsWithStats(bw, connectivity8) areas stats[1:, cv2.CC_STAT_AREA] areas areas[areas 3] eq_d 2.0 * np.sqrt(areas / np.pi) if len(areas) else np.array([0.0]) # 分块局部覆盖率 local [] for y in range(0, h - subset, subset): for x in range(0, w - subset, subset): patch bw[y:ysubset, x:xsubset] local.append(np.mean(patch 0)) local np.array(local) print(fMMG : {mmg:.2f}) print(f灰度标准差 : {std:.2f}) print(f饱和像素占比 : {sat*100:.2f}%) print(f全局覆盖率 : {cover*100:.2f}%) print(f局部覆盖率范围 : {local.min()*100:.1f}% ~ {local.max()*100:.1f}%) print(f等效直径 中位数: {np.median(eq_d):.2f} px) print(f等效直径 均值 : {np.mean(eq_d):.2f} px) if __name__ __main__: evaluate_speckle(speckle_sample.png)跑完之后对着上面的表格比一比能筛掉八成不合格的试件。需要说明的是Otsu 二值化在对比度偏低的图上会偏向中间灰度算出来的覆盖率可能虚高所以对灰度标准差低于 25 的图我一般直接判不合格不再往下看连通域。3.3 反向操作先生成数字散斑图再用有时候需要的是可打印、可投影的散斑图而不是物理喷涂。那就反过来用程序生成再输出。核心思路是在画布上随机撒点每个点用高斯亮斑渲染控制斑点半径和密度两个参数。import numpy as np import cv2 def gen_speckle(h2000, w2000, d_px4.0, coverage0.5, seed1): rng np.random.default_rng(seed) sigma d_px / 2.0 # 由目标覆盖率反推点数单点有效面积近似 pi*sigma^2 n int(coverage * h * w / (np.pi * sigma**2)) ys rng.uniform(0, h, n) xs rng.uniform(0, w, n) canvas np.zeros((h, w), np.float32) for y, x in zip(ys, xs): y0, y1 int(max(0, y-4*sigma)), int(min(h, y4*sigma1)) x0, x1 int(max(0, x-4*sigma)), int(min(w, x4*sigma1)) yy, xx np.mgrid[y0:y1, x0:x1] canvas[y0:y1, x0:x1] np.exp(-((yy-y)**2 (xx-x)**2) / (2*sigma**2)) canvas np.clip(canvas, 0, 1) return (canvas * 255).astype(np.uint8) if __name__ __main__: img gen_speckle(d_px4.0, coverage0.45) cv2.imwrite(digital_speckle.png, img)这段代码生成的图有几个好处斑点尺寸精确可控、没有粘连、没有过曝、随机性有保证。缺点是叠加处会超出 255 被截断需要在生成后做一次归一化或者把覆盖率的输入值调低一些。投影散斑和打印散斑都可以基于这种图去做特别适合需要反复迭代参数的场景。4. 主流制备方法逐个拆解方法没有绝对优劣只有匹配与否。我按照适用尺度从大到小把几条常用路线和各自的适用边界讲清楚。4.1 喷涂法用得最多也最容易出事喷涂法的核心优势是快、便宜、适应任意形状。缺点是重复性差同一罐漆、同一个人、隔一天喷出来的东西可能就不一样。我现在的标准做法是“底漆 斑点”两层体系。底漆用哑光白色薄薄喷两到三遍每遍之间间隔一两分钟让它表干目标是完全遮盖基材颜色且表面均匀、无反光。斑点层用哑光黑色走“远距离、低出漆、快速扫过”的路子靠雾化颗粒自然沉积形成随机的斑点分布。关键参数我整理成下面这张表是踩了很多次坑之后稳定下来的区间参数推荐值偏离后果喷嘴口径0.2~0.3 mm口径过大颗粒粗过小易堵供气压力0.1~0.2 MPa压力高颗粒细但飞散严重压力低易出大滴喷距200~350 mm太近出漆集中成片太远颗粒过细且浪费单次扫过速度快速、不停留停留会导致局部堆积喷涂层数3~6 遍薄喷一遍喷厚必然连片层间间隔30~90 秒太短会互溶太长影响附着一个特别实用的技巧先在废试片上试喷用放大镜或者手机微距看一眼颗粒状态确认没问题再上正式试件。这一步花两分钟能救回一整块试件。另外喷涂时试件要立起来或者倾斜放置让多余的漆雾自然飘走平放会让漆雾回落到表面造成颗粒粗大。注意不要在密闭小空间里喷涂漆雾悬浮会均匀回落形成一层极薄的灰雾把对比度整体压下去。通风良好、气流稳定的环境反而更容易得到干净利落的斑点。4.2 印章、转印与模板法追求重复性的选择当需要一批试件散斑状态高度一致时喷涂的随机性就成了缺点。这时候可以考虑模板法用激光切割或者光刻做一块带随机孔洞的掩膜贴在试件上喷黑漆揭掉掩膜就得到图案固定的散斑。好处是同一批试件的散斑完全一致便于横向对比缺点是图案重复大位移搜索时要注意搜索范围不能超过图案的特征周期。印章法适合小面积、平面试件。用一块软性硅胶印章蘸取少量颜料轻压到表面。要点是颜料要稀、压力要均匀、抬起要垂直否则边缘拖尾。我用这招做过一批小尺寸薄片一致性是够了但印章反复使用会逐渐堵塞细微结构一般用十几次就得清洗或者换新。还有一种是转印膜把预制好的散斑图案做成可剥离的薄膜贴上去压实再撕掉底膜。适合曲面和现场作业成本比喷涂高不少但对操作环境的洁净度要求低在工地或者车间里做临时测量挺方便。4.3 光刻与微纳加工微尺度测量的唯一出路试件特征尺寸小于一两毫米时喷涂彻底失效必须转向微纳加工。常见路线有光刻显影、电子束曝光、聚焦离子束刻蚀、溅射加剥离以及纳米颗粒气溶胶沉积。光刻的流程大致是清洗基片、甩胶、前烘、曝光、显影、刻蚀或沉积、去胶。散斑图案由掩膜版决定尺寸精度可以做到亚微米。这套工艺的难点不在图案本身而在与试件的兼容性——如果试件是要真实加载的微器件光刻过程中的高温烘烤和化学试剂会不会改变它的力学状态必须提前想清楚。我见过有人把薄膜样品拿去甩胶回来发现残余应力状态全变了测出来的数据没法用。相对温和一些的做法是纳米颗粒沉积。把碳黑或者二氧化钛的悬浮液雾化后沉积到表面颗粒在范德华力作用下附着对基底几乎没有损伤。缺点是附着力弱稍微擦拭就会掉样品必须小心处理。还有一种取巧的办法是化学腐蚀微坑。用掩膜保护在表面腐蚀出浅坑阵列靠坑壁的散射光形成明暗对比。这种方法散斑完全不会脱落做高温或者大变形测试时特别稳但只适用于本身可蚀刻的材料。4.4 打印、刻蚀与激光打标日常备选的几条路喷墨打印散斑图是很多人第一反应会想到的办法。可行性有但限制明显普通打印机的墨滴尺寸在几十微米量级换算到小视场上颗粒会偏粗墨水在金属表面附着差纸张转印还会有纹理干扰。我的经验是打印法在视场大于 100 mm 的宏观测量里能凑合用视场一小就力不从心。激光打标或激光刻蚀适合金属件。直接在表面打出微坑阵列耐久性极好可以反复加载不脱落。问题在于热影响区会改变局部材料性能做力学测试时要避开标距段或者干脆把它当作预损伤接受下来。喷砂也是一种粗暴有效的办法用细砂在表面制造随机凹坑配合侧向照明形成明暗。适合大幅面、低精度要求的场合比如大型构件的整体变形监测。4.5 特殊工况下的对策高温测试是散斑制备里最难的一档。普通有机漆在三四百度就开始碳化剥落必须换成无机体系。常用的有含钴或铝的硅酸盐类高温涂层能耐到八九百度更高温度下就得靠溅射金属膜加光刻或者直接在表面做氧化处理形成自然纹理。核心矛盾在于热膨胀系数匹配——涂层和基体的膨胀差太大升降温循环几次就开裂了。我的做法是先在试片上做几次热循环确认涂层不开裂不剥落再上正式测试。大变形测试要解决的是散斑跟着表面一起拉伸的问题。脆性漆在应变超过百分之几之后就会龟裂裂纹处的图像彻底失效。解决办法是用柔性基体白色硅橡胶打底黑色硅橡胶点斑可以跟着试件拉到百分之几十甚至更高。硅胶的操作窗口短配好之后要快速用完点斑用细针或者微量注射器一个一个点费时但可靠。透明件和曲面各有各的麻烦。透明件必须先做一层不透光的白底否则光线穿透过去背景的任何东西都会污染图像曲面则更适合用投影散斑把图案投上去不受曲率限制还能动态更换图案做多尺度分析。投影方案的前提是相机和投影设备同步且环境光要压得足够低。5. 从基材到验收一套完整可复现的流程把上面的方法串成一条线我平时按这个顺序走一次通过率能到八九成。5.1 基材预处理表面有油污什么都白搭。金属件先用无水乙醇或者丙酮擦拭再用超声波清洗几分钟吹干。塑料件要注意溶剂可能腐蚀表面改用中性清洗剂加纯水冲洗。表面太光滑的比如抛光不锈钢附着力会很差可以用细砂纸轻轻打毛但要注意打毛的划痕方向要随机别形成单一方向的条纹那会干扰后续的相关计算。清洗完的试件不要用手直接摸测量区域指纹的油脂会让漆层局部缩孔形成一个个小圆坑肉眼几乎看不出但在图里就是一片异常区域。5.2 底漆与散斑的施工节奏底漆两到三遍薄喷每遍之间等一两分钟。判断标准是侧光下看表面均匀无反光、无露底。底漆干了之后不要急着喷斑点等五到十分钟让它充分稳定否则黑漆上去会和底漆互溶边缘糊掉。斑点层分多次薄喷每次快速横扫一遍换个角度再来一遍。喷完一层就停下来看一眼如果已经能看到明显的颗粒分布就不用再喷了。我一般喷三到五遍中途用手机微距拍一张看一眼比凭感觉靠谱得多。5.3 固化与保存喷完的试件至少放置几小时再上机最好是过夜。表干不等于实干没干透的漆层在夹持和加载时会被压出痕迹甚至粘在夹具上。存放时避免叠压用支架架空防止漆面被蹭掉。如果试件要反复使用或者运输可以在散斑外面加一层极薄的透明保护层但这会引入额外的折射和反光一般不建议。宁可多备几块试件也不要在散斑上盖东西。5.4 与采集系统的联合验收散斑做完了不算完最终要看它在实际光路和采集参数下表现如何。我的验收步骤是装夹到位、调好照明、按预定曝光拍一组图然后用前面的脚本算一遍指标再跑一次静态采集——不加载连拍二十张做相关计算看位移场的标准差。静态噪声是最诚实的检验。如果位移场标准差在 0.01 像素量级说明散斑和光路配合得不错如果到了 0.05 像素以上先别怀疑算法回头查散斑的对比度和颗粒尺度。这个环节我强烈建议每次换新试件都做一遍形成基线记录后面出问题时有对照。照明这一环也值得多说一句。散斑是漫反射体用大面积柔和的漫射光比用点光源好点光源容易在斑点边缘产生阴影和局部高光。入射角度控制在三十到六十度之间让镜面反射方向避开镜头。如果试件会转动考虑用环形光源或者双侧对称布光保证加载过程中亮度分布稳定。6. 失效案例与排查速查下面这些是我真金白银换来的教训按现象分类整理遇到问题时可以直接对照。6.1 五类典型失效及其成因漆层脱落。现象是加载过程中散斑成片剥落图像上出现大块白斑。成因通常是底漆与基材附着力不足或者加载过程中产生的大变形超过了漆层的断裂应变。对策是加强前处理、改用柔性体系实在不行就换到刻蚀或者激光打标路线。散斑开裂。涂层表面出现细密裂纹且裂纹随加载扩展。这在脆性漆配大变形测试时特别常见。裂纹处的图像失去连续性相关计算会在裂纹附近产生虚假的高应变带。解决办法是降低漆层厚度薄涂层比厚涂层更抗裂或者换成硅胶体系。局部过曝。试件某处出现大片纯白区域灰度恒定在 255。这个区域内的子区完全没有梯度信息位移结果随机跳动。成因是表面曲率导致镜面反射或者漆面太亮。对策是换哑光漆、调整照明角度、降低曝光时间必要时在该区域贴一小块哑光黑纸遮光。对比度整体偏灰。直方图挤在中间标准差不到 20。常见原因是底漆太薄透出基材、黑漆喷得太稀、或者喷涂环境密闭导致漆雾回落形成灰雾。对策是加厚底漆层、增加斑点层喷涂遍数、改善通风。精度突然下降但没有明显外观异常。这种情况最难查。我的排查顺序是先看散斑尺寸是否和子区匹配可能换了相机或者镜头像素当量变了但散斑没跟着调整再看是否离焦景深不够导致边缘模糊最后检查光源是否有频闪或者亮度漂移。有一次折腾了半天最后发现是相机的自动增益没关图像亮度在缓慢变化导致相关系数整体下滑。6.2 排查速查表现象首选排查方向快速验证方法位移场低频波动散斑对比度不足、照明不均看灰度直方图标准差是否低于 25局部计算失败、相关系数低存在过曝或大片空白区统计饱和像素占比与局部覆盖率大位移时匹配跳变图案有周期性重复结构做自相关分析看是否有次级峰边缘区域精度差散斑颗粒过细被模糊放大看边缘散斑是否小于 3 像素加载后突然全图失效漆层脱落或开裂停机目视检查加微距拍照精度随时间缓慢下降光源漂移、试件微动关掉加载做长时间静态采集6.3 几条不在手册上的心得第一条散斑制备要有“留样”的习惯。每批试件我都会多喷一两块不作测试专用只作对照和返工时的参考。有时候试件测出异常把留样拿出来对比一下立刻就能判断是散斑的问题还是装夹、加载的问题。第二条记录要细到能复现。喷笔口径、气压、喷距、遍数、环境温湿度、漆的品牌批次全部记下来。散斑这东西的随机性太强不记录的话即使做出一批特别好的试件下次也复现不出来。我自己用一张表格每次喷涂填一行几年下来积累的数据比任何教程都值钱。第三条别迷信一次成功。散斑制备的合格率跟熟练度强相关新手第一次喷出来的东西大概率要返工。给这个过程留出时间余量别把试件安排在测试前一天才做出问题时连重来的机会都没有。第四条微尺度测试要格外注意清洁。哪怕是一粒灰尘落在微米级的散斑区域上也会在图像里变成一个巨大的黑斑把整个子区的相关性毁掉。洁净台、防尘罩、无尘操作这些在宏观测量里可有可无的东西到微尺度就是必需项。第五条遇到搞不定的情况先降低要求而不是加复杂度。很多人一看散斑不行立刻想到上光刻、上投影其实往往只是喷距不对或者底漆没干透。把最基础的喷涂工艺参数卡死能解决八成问题。我在实际操作中的体会是散斑制备这件事的技术门槛并不高难的是它需要一种“控制变量、记录反馈”的工程习惯。它不像写代码那样有明确的报错信息所有问题都以精度下降的形式模糊地呈现出来逼着你回头一点点排查。把参数算清楚、把流程固定下来、把每次的结果记下来这三件事做到位散斑就从玄学变成了手艺。至于那些实在解决不了的极端工况坦白说换一种测量手段往往比死磕散斑更划算。