三、图像传感器与接口：摄像头选型与图像采集
好，咱们进入第三讲。这一讲我打算聊聊摄像头本身——说白了，就是农田里那双「眼睛」到底该怎么选、怎么接、怎么让它把图像数据送到咱们的处理器里。
我记得刚入行那会儿，总觉得摄像头嘛，能出图像就行。结果第一次在田间测试，阳光一强，画面全白；傍晚光线一暗，全是噪点。嗯，从那以后我才明白，选摄像头这事儿，真不能马虎。
3.1 摄像头选型：USB、CSI、全局快门
先说说接口。目前嵌入式视觉里主流的摄像头接口就两种：USB 和 CSI。我个人习惯把 USB 摄像头叫做「傻瓜型」，把 CSI 摄像头叫做「专业型」。
3.1.1 USB 摄像头
USB 摄像头最大的好处就是——即插即用。你插上电脑，系统自动识别，OpenCV 里一句 cv2.VideoCapture(0) 就能干活。我在做早期原型验证时特别喜欢用 USB 摄像头，省事。
但它的缺点也很明显：
- 带宽受限：USB 2.0 的理论带宽只有 480 Mbps，实际能跑 640×480@30fps 就不错了。你要是想跑 1080p 60fps，得上 USB 3.0。
- 延迟较高：USB 协议本身有开销，再加上驱动层的缓冲，从摄像头到应用层通常有 2-3 帧的延迟。这在高速障碍检测里是个隐患。
- 供电不稳定：USB 口供电通常只有 500mA，长线缆传输时压降明显。我在农田里遇到过摄像头间歇性掉线，最后发现是 USB 延长线太长导致的。
3.1.2 CSI 摄像头
CSI（Camera Serial Interface）是直接挂在处理器 MIPI 总线上的。说白了，它跟处理器之间是「直连」，没有 USB 那套协议栈的折腾。
CSI 的优势：
- 低延迟：数据直接从传感器到 ISP（图像信号处理器），延迟通常在毫秒级。
- 高带宽：MIPI CSI-2 接口可以轻松跑到 1 Gbps 以上，支持 4K 分辨率。
- 低功耗：没有额外的 USB 控制器，整体功耗更低。
但 CSI 也有门槛——你得自己配置驱动。我记得第一次调树莓派的 CSI 摄像头，折腾了一整天，就为了把 raspistill 的参数调对。嗯，这里有个坑：不同 SoC 的 CSI 接口引脚定义不一样，买摄像头之前一定要确认兼容性。
3.1.3 全局快门 vs 卷帘快门
这个知识点，我觉得是农田障碍检测里最容易被忽略的。你想想看，农机在田里跑，速度虽然不快，但颠簸啊。卷帘快门（Rolling Shutter）的摄像头，在震动时拍出来的图像会「果冻效应」——画面扭曲，障碍物变形。
为什么会这样？
卷帘快门是一行一行扫描曝光的。如果场景在动，先扫的行和后扫的行之间有时间差，物体就变形了。全局快门（Global Shutter）则是一次性曝光所有像素，瞬间冻结画面。
| 特性 | 全局快门 | 卷帘快门 |
|---|---|---|
| 曝光方式 | 所有像素同时曝光 | 逐行扫描曝光 |
| 运动畸变 | 无 | 有（果冻效应） |
| 低光性能 | 一般（噪声略高） | 较好 |
| 成本 | 较高 | 较低 |
| 推荐场景 | 运动检测、障碍识别 | 静态场景、拍照 |
3.2 图像采集原理
图像采集这事儿，听起来简单——摄像头一拍，数据就来了。但实际底层流程比你想象的要复杂。
简单来说，图像采集分三步：
- 光电转换：CMOS 传感器上的每个像素点把光信号转成电信号（电压）。
- 模数转换（ADC）：把模拟电压转成数字值（0-255 或 0-1023）。
- ISP 处理：对原始 RAW 数据进行去噪、白平衡、色彩校正、伽马校正等处理，最终输出标准的 RGB 或 YUV 图像。
这里有个关键点：很多 USB 摄像头内部已经集成了 ISP，你拿到的就是处理好的图像。但 CSI 摄像头有时只输出 RAW 数据，需要你自己在处理器上跑 ISP 算法。我刚开始用 CSI 摄像头时，拿到的图像是「灰蒙蒙」的，后来才发现是没做白平衡校正。
3.3 OpenCV 图像读取与显示
好，摄像头选好了，数据也采集了，怎么在代码里拿到图像？OpenCV 提供了非常简洁的接口。
3.3.1 读取 USB 摄像头
import cv2
# 打开摄像头（0 表示第一个 USB 摄像头）
cap = cv2.VideoCapture(0)
# 设置分辨率（我习惯设为 640x480，平衡速度和精度）
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
# 设置帧率
cap.set(cv2.CAP_PROP_FPS, 30)
while True:
ret, frame = cap.read()
if not ret:
print("读取失败，检查摄像头连接")
break
# 显示图像
cv2.imshow('Farm Camera', frame)
# 按 'q' 退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()这段代码看起来简单，但我遇到过不少坑。比如 cap.set() 设置分辨率时，不是所有摄像头都支持你指定的值。有些摄像头只支持固定的分辨率列表，你设一个不支持的，它可能自动切换到最接近的。我曾经被这个坑过——设了 800x600，结果实际输出是 640x480，算法里预设的 ROI 全偏了。
cap.set() 之后，用 cap.get(cv2.CAP_PROP_FRAME_WIDTH) 和 cap.get(cv2.CAP_PROP_FRAME_HEIGHT) 确认实际值。
3.3.2 读取 CSI 摄像头（以树莓派为例）
CSI 摄像头在 Linux 下通常被映射为 /dev/video0 设备。你可以用 V4L2 驱动来访问：
import cv2
# 打开 CSI 摄像头（通常设备号为 0）
cap = cv2.VideoCapture(0, cv2.CAP_V4L2)
# 设置格式为 MJPG（减少带宽占用）
cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'))
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
cap.set(cv2.CAP_PROP_FPS, 30)
while True:
ret, frame = cap.read()
if not ret:
print("CSI 摄像头读取失败")
break
# 显示
cv2.imshow('CSI Camera', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()这里有个细节：cv2.CAP_V4L2 是告诉 OpenCV 使用 V4L2 后端。如果不指定，OpenCV 可能默认用其他后端，导致 CSI 摄像头无法正常工作。我刚开始没加这个参数，折腾了半天才发现问题。
3.3.3 从图像文件读取
有时候我们做离线测试，不需要实时摄像头。直接从文件读取更简单：
import cv2
# 读取单张图片
img = cv2.imread('field_obstacle.jpg')
if img is None:
print("图片加载失败，检查路径")
else:
cv2.imshow('Test Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。我刚开始做可视化时，图像颜色全不对，就是这个原因。
3.4 小结
这一讲我们聊了摄像头选型的三个关键点：接口（USB vs CSI）、快门类型（全局 vs 卷帘）、以及 OpenCV 的基本读取方法。我个人觉得，对于农田障碍检测这个场景，全局快门 + CSI 接口是最稳妥的组合。虽然成本高一点，但稳定性和图像质量对算法的影响太大了。
下一讲我们会深入图像预处理——毕竟，摄像头拿到的原始图像，直接扔给算法是不行的。咱们得先做点「清洁工作」。