3、图像数据采集：相机标定、多视角拍摄、光照与角度控制、数据存储格式

图像数据采集，说白了就是给AI喂“好照片”。

我见过太多项目，模型结构选得挺好，训练参数也调得不错，结果数据采集阶段就翻车了。拍出来的照片要么畸变严重，要么光照不均，要么角度单一。模型再怎么折腾，上限也就那样了。

这一节，咱们就聊聊怎么把图像数据采集这件事做扎实。

3.1 相机标定：让相机“说实话”

相机标定，是图像采集的第一步，也是最容易被忽略的一步。

你想想看，相机镜头本身就有畸变。广角镜头拍出来的照片，边缘都是弯的。如果不做标定，你采集的图像坐标就是错的。后续的目标检测、语义分割，全都会跟着偏。

我个人习惯用棋盘格标定板。为什么？因为棋盘格的角点检测算法非常成熟，OpenCV里直接就有现成的函数。

具体步骤是这样的：

1. 打印一张棋盘格标定板，贴在平整的硬板上。
2. 从不同角度拍摄15-20张照片。注意，要覆盖画面的各个区域。
3. 用OpenCV的 cv2.findChessboardCorners() 检测角点。
4. 调用 cv2.calibrateCamera() 计算内参和畸变系数。

import cv2
import numpy as np

# 棋盘格尺寸
chessboard_size = (9, 6)
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)

objp = np.zeros((chessboard_size[0] * chessboard_size[1], 3), np.float32)
objp[:, :2] = np.mgrid[0:chessboard_size[0], 0:chessboard_size[1]].T.reshape(-1, 2)

objpoints = []  # 世界坐标系中的点
imgpoints = []  # 图像坐标系中的点

images = glob.glob('calib_images/*.jpg')

for fname in images:
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None)

    if ret:
        objpoints.append(objp)
        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
        imgpoints.append(corners2)

ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

3.2 多视角拍摄：别让AI“偏科”

AI模型如果只见过正面视角的猫，那它看到猫屁股时，大概率会懵掉。

多视角拍摄，就是为了解决这个问题。你需要让采集的图像覆盖尽可能多的观察角度。

我建议至少覆盖以下视角：

• 俯视：适合桌面场景、文档扫描。
• 平视：适合行人检测、人脸识别。
• 仰视：适合无人机视角、建筑拍摄。
• 侧视：适合车辆检测、动作识别。

在实际项目中，我通常会搭建一个多相机阵列。比如做自动驾驶数据集时，我们在车顶装了6个相机，覆盖360度环视。这样采集到的数据，模型才能学会应对各种路况。

3.3 光照与角度控制：别让AI“看走眼”

光照是图像采集里最“玄学”的部分。同一个物体，在强光下和暗光下，拍出来的图像差异巨大。

我踩过这个坑。有一次做工业质检项目，白天采集的数据模型表现很好，一到夜班就崩了。后来发现，白天和晚上的光照条件完全不同。

怎么控制？我的做法是：

1. 使用恒定光源：比如环形灯、条形灯，保证光照强度稳定。
2. 记录光照参数：在采集时，同步记录色温、照度值。
3. 模拟极端光照：故意在强逆光、弱光环境下采集一部分数据。

角度控制方面，我推荐使用电动旋转台。把物体放在转台上，相机固定，然后按固定角度步进拍摄。比如每10度拍一张，这样就能得到均匀的角度覆盖。

3.4 数据存储格式：选对格式，事半功倍

图像数据存成什么格式，直接影响存储成本和读取速度。

常见的格式有：

格式	特点	适用场景
JPEG	有损压缩，文件小	大规模数据集，对精度要求不高
PNG	无损压缩，支持透明通道	需要精确边缘、文字识别
BMP	无压缩，文件大	工业检测，需要原始像素值
TIFF	支持多页、元数据	遥感图像、医学影像

我个人习惯用PNG格式。虽然文件比JPEG大一些，但无损压缩保证了像素精度。尤其是在做语义分割标注时，标注图必须是PNG，否则压缩会引入锯齿。

另外，我建议把图像数据统一命名为 class_id_frame_number.jpg 这样的格式。比如 cat_0001.jpg。这样在后期处理时，按文件名就能快速筛选。

知识体系总览

下面这张图，把图像数据采集的核心流程串起来了。你可以对照着看，每一步都别漏掉。

嗯，图像数据采集这块，核心就是这四步。每一步都做到位，后面标注和训练才能顺风顺水。

---