别再被分辨率单位搞晕了！LP/mm、Cycles/pixel、LP/PH，一文讲清区别与应用场景

别再被分辨率单位搞晕了！LP/mm、Cycles/pixel、LP/PH，一文讲清区别与应用场景

刚入行做工业相机选型时，我曾被供应商的参数表搞得一头雾水——同样的成像系统，A品牌标称"100 LP/mm"，B品牌写着"0.4 Cycles/pixel"，而客户要求的验收标准却是"800 LP/PH"。这些看似相似的单位到底在测量什么？为什么不同场景要用不同单位？今天就用我在视觉检测行业踩坑五年的经验，带大家彻底搞懂这些专业术语的底层逻辑。

1. 分辨率单位的本质差异

1.1 LP/mm：镜头分辨率的黄金标准

**线对每毫米（Line Pairs per Millimeter）**是光学领域沿用百年的经典单位。在实验室测试时，我们会使用如图1所示的ISO12233分辨率测试卡，通过观察能清晰分辨的黑白线对数量来评估镜头性能。

注意：1 LP/mm = 1条黑线+1条白线/毫米，实际测试时需要区分径向和切向分辨率

现代高端工业镜头的典型值：

但LP/mm有个致命局限——它只反映镜头本身的解像力，必须结合传感器尺寸才能评估系统整体性能。这就是为什么在2018年参与某汽车零部件检测项目时，即使用200 LP/mm的镜头搭配低端CMOS，实际成像效果仍不如80 LP/mm镜头+索尼IMX传感器的组合。

1.2 Cycles/pixel：数字时代的公平比较

当行业进入数码时代，**每像素周期数（Cycles per pixel）**成为更普适的指标。其核心优势在于消除了传感器尺寸的干扰，直接反映单个像素的解析能力。

计算示例：

def calculate_cycles_per_pixel(line_pairs, pixel_count): return line_pairs * 2 / pixel_count # 1线对=2个周期（黑白各一） # 某相机在测试卡上识别200线对，传感器宽度2000像素 print(calculate_cycles_per_pixel(200, 2000)) # 输出0.2 Cycles/pixel

根据奈奎斯特采样定理，理论最大值是0.5 Cycles/pixel。在去年评测的30款工业相机中，表现最好的Basler ace2能达到0.42，而普通USB相机通常在0.3-0.35之间。

1.3 LP/PH：视频监控的关键指标

**每图像高度线对（Line Pairs per Picture Height）**特别适合评估完整成像系统的端到端性能。它的计算公式很直观：

LP/PH = (传感器高度像素数) × (Cycles/pixel) / 2

安防领域的典型需求对比：

• 车牌识别：≥600 LP/PH
• 人脸识别：≥800 LP/PH
• 行为分析：≥1000 LP/PH

曾有个典型案例：某园区监控系统升级时，两家供应商分别给出0.38 Cycles/pixel（500万像素）和0.42 Cycles/pixel（300万像素）的方案。换算成LP/PH后，前者950 LP/PH反而优于后者的630 LP/PH，这个发现直接改变了采购决策。

2. 不同行业的单位偏好

2.1 工业视觉：LP/mm+Cycles/pixel双指标

在精密测量领域，我们通常要同时关注：

1. 镜头分辨率（LP/mm）
2. 系统整体分辨率（Cycles/pixel）

去年为某PCB检测设备选型时，我们制作了这样的评估矩阵：

结果出人意料——不是最高LP/mm的方案胜出，而是平衡了两个指标的方案B。这说明单纯追求某个参数峰值可能适得其反。

2.2 安防监控：LP/PH一锤定音

监控摄像头的评估有个简单原则：直接比较LP/PH。因为这类场景更关注：

• 能否看清10米外的人脸特征
• 能否识别20米外的车牌号码
• 夜间成像的细节保留程度

根据GB/T 28181标准，不同等级监控要求：

一级监控点：≥1000 LP/PH 二级监控点：≥800 LP/PH 三级监控点：≥600 LP/PH

2.3 消费电子：PPI的认知误区

手机屏幕常标的PPI（Pixels Per Inch）其实与前面讨论的光学分辨率完全不同。有个常见误解：认为300PPI的屏幕比200PPI的"分辨率更高"。但实际上：

• PPI只表示像素密度
• 真实分辨率取决于面板的MTF曲线
• 人眼在正常观看距离下，超过350PPI就难以区分

3. 实战中的单位换算技巧

3.1 工业相机选型公式

当需要将LP/mm转换为Cycles/pixel时：

Cycles/pixel = (LP/mm × 传感器物理宽度(mm)) / (像素宽度 × 2)

示例计算：

• 镜头：100 LP/mm
• 传感器：1/1.8"（7.2mm宽）
• 分辨率：4096×2160

# 计算像素宽度 pixel_width=7.2/4096 ≈ 0.00176mm # 换算Cycles/pixel echo "scale=4; (100*7.2)/(4096*2)" | bc # 输出0.0878

3.2 监控摄像头评估方法

快速估算LP/PH的现场检测技巧：

1. 拍摄标准测试卡
2. 用软件分析最细可辨线对
3. 测量线对占图像高度的比例

我们团队开发的简易工具公式：

def estimate_lp_ph(test_card_lp, image_height_ratio): return test_card_lp / image_height_ratio # 测试卡上能看清400线对，占画面高度1/2 print(estimate_lp_ph(400, 0.5)) # 输出800 LP/PH

4. 避坑指南：常见认知误区

4.1 误区一：数值直接对比

曾见客户拿100 LP/mm镜头与0.4 Cycles/pixel相机直接比较——这就像比较"公里"和"英里"却不做单位换算。正确做法是：

1. 确定比较基准（系统级还是组件级）
2. 统一转换为目标单位
3. 考虑应用场景权重

4.2 误区二：忽视测试条件

同样的镜头在实验室测得的LP/mm会比实际工况高15-20%，因为：

• 理想光照vs现场光照
• 静态测试卡vs动态目标物
• 温度对传感器的影响

4.3 误区三：盲目追求高参数

在某医疗设备项目中，客户坚持要150 LP/mm的镜头，但实际检测只需识别0.1mm的缺陷。经过计算：

所需最小LP/mm = 1/(2×缺陷尺寸) = 5 LP/mm

最终用80 LP/mm的镜头就超额满足需求，节省了40%成本。