你有没有遇到过这样的情况一台镜头死磕中心分辨率MTF曲线测出来一根根都漂亮得很可一旦对着强光源拍夜景画面就像蒙了一层毛玻璃路灯周围一圈光晕本该干净的暗部全部泛灰。分辨率没问题清晰度却总觉得“糊”这种矛盾十有八九是杂散光Flare在作祟。我在图像质量评估系列里专门拿出一篇来写它是因为Flare太容易被误读成“镜头雾了”“镀膜不行”实际上它是一种可以测量、可以量化、可以复现并且能靠工程手段优化的光学指标。这篇文章我打算按这个顺序展开先帮大家把Flare的来源和表现理清楚再拆解ISO 18844标准的测量逻辑然后分享我从零搭一套杂散光测量系统的完整过程接着给出一套从RAW到指标的Python数据处理示例最后谈谈测量结果怎么反推镜头和模组设计。内容主要面向影像测试工程师、光学设计、ISP调试和镜头产品质量相关人员也会兼顾想入门的读者。1. 先搞懂Flare从哪来光路里的“幽灵”不止一种1.1 三种最常见的Flare表现Flare在画面上的呈现方式其实有好几种很多人把它们统称为“鬼影”或“光晕”但在工程上它们代表的问题很不一样。第一种是整体灰雾Veiling Glare。整个画面的暗部亮度被抬升黑色变成深灰色对比度肉眼可见地下降。这种表现最容易被误判为曝光不准或者屏幕亮度过高但实际上即使你压低曝光暗部的“灰”依然存在。第二种是鬼像Ghost。强光源附近会出现一个或多个清晰的虚像形状往往是对称的有的甚至能看出孔径光阑的影子。鬼像通常来自透镜表面之间的多次反射光在两个面之间来回弹射后在焦平面上重新聚焦形成肉眼可见的虚像。第三种是光晕Halo和放射状条纹。点光源周围出现一圈圈亮环或者从光源向四周拉出细长的光芒线条。光晕的来源比较复杂可能是镜筒内壁的多次反射也可能是传感器保护玻璃与红外截止滤光片之间的间隙反射还可能是镜片边缘的散射。这三种表现经常同时出现但测量时如果我们只给一个“Flare数值”很容易掩盖背后不同的物理原因。所以专业测试环境里除了看指标还一定要保留原始图像靠形态辅助判断。1.2 杂散光的几个主要来源杂散光的本质很简单光学系统里除了“正常成像光线”之外还有大量非成像光线到达了像面。它们的路径五花八门但主要来源可以归纳为几类。透镜表面反射是最常见的一类。现代镜头单面镀膜反射率可以做到0.3%以下但一个变焦镜头十几片镜片几十个反射面每面反射一点点叠加起来就相当可观。更别说有些镜片边缘、胶合面、非球面边缘没有镀膜反射率可能在1%以上。镜筒内壁反射和散射也容易被忽略。镜筒、隔圈、压环、遮光罩内壁如果消光处理不好光线打到这些结构件上会向各个方向散射最终有一部分到达像面。这就是为什么高端镜头内部都有密密麻麻的消光螺纹还要喷涂高吸收率的消光漆。传感器模组部分的反射是很多工程师容易漏掉的点。传感器表面的Cover Glass、红外截止滤光片IRCF之间会形成一个微型“反射腔”强光入射后光线在两个平面之间反复反弹产生独特的环形光晕或鬼像。这类Flare和镜片关系不大纯粹是模组结构问题。还有一个来源是机械结构边缘的衍射和散射。比如孔径光阑叶片边缘、快门叶片、结构件开孔边缘如果工艺粗糙或边缘有毛刺光线经过时会明显散射。这种散射通常表现为放射状条纹或局部光雾单看MTF完全发现不了。1.3 为什么测Flare比测MTF更“琐碎”MTF测量本质上是测一个确定性很强的高能量信号靶标本身足够亮探测器接收到的主要是系统响应环境干扰相对容易压制。但Flare恰恰相反它是一个弥散的、叠加在整个画面上的小信号经常只占亮场信号的百分之几甚至千分之几。这意味着测量Flare时实验室环境的一点漏光、光源面板的微小不均匀、传感器自身的热噪声和暗电流甚至黑靶材料本身的反射率都会对最终结果产生明显影响。更麻烦的是Flare还随视场角、光源位置、光谱成分、光圈大小变化不是一个数字就能概括的。所以我不建议把Flare当成一个“测一次就有结论”的参数。它更像是一个需要固定测试条件、强调过程控制、依赖重复性验证的工程项目。理解了这一点再去看ISO 18844标准的思路会顺畅很多。2. ISO 18844和它的测量逻辑白场黑靶2.1 标准的总体思路ISO 18844是关于数字相机眩光测量的一份标准全称大致是Photography — Digital cameras — Veiling glare measurement。它解决的核心问题是如何用一套可复现的方法把由杂散光导致的“暗部抬升”量化出来。标准的总体思路其实非常朴素在均匀亮场中放置一个低反射率的黑色靶标让被测相机对黑靶拍摄然后比较黑靶区域和周围白场区域的输出信号。如果没有杂散光黑靶区域的信号应该接近零如果系统存在杂散光光线会从亮场部分“漏”到黑靶区域导致黑靶区域的信号明显大于零。这个白场黑靶的思路和日常观察体验完全一致。晚上开车遇到对向远光灯时前方原本应该是黑色的车辆会变成深灰色就是因为强光在挡风玻璃和眼睛/摄像头里产生了杂散光把暗部的亮度抬高了。ISO 18844就是把这种体验变成一种可以精确比较的数字。2.2 两个常用指标Flare Ratio和VGI基于白场黑靶的原始数据实际应用中常用两个指标来表征杂散光水平。第一个是Flare Ratio定义是黑靶区域的信号与亮场区域信号的百分比Flare Ratio (S_black / S_white) × 100%S_black是黑靶区域的中位数信号S_white是参考亮场区域的中位数信号。这个值越低越好。如果完全没有杂散光S_black接近0Flare Ratio接近0%如果杂散光严重黑靶区域和亮场区域几乎一样亮Flare Ratio会接近100%。第二个是眩光指数VGIVeiling Glare Index定义是亮暗信号的对比度归一化VGI (S_white - S_black) / (S_white S_black) × 100%VGI越高越好100%意味着黑靶区域完全没有信号也就是没有杂散光。VGI和Flare Ratio本质上是同一个物理量的两种表达方式可以互相换算。这个公式的逻辑可以理解成“信号干净度”。亮场信号是分子暗场信号是分母的一部分暗场信号越大VGI越小说明系统把不该有的光混进了暗部。2.3 参考评价范围由于不同产品、不同使用场景对Flare的容忍度差异很大ISO标准本身不会规定“合格线”实际产品规格里才会定义。以我在影像测试领域的项目经验来看可以参考这个大致范围Flare RatioVGI主观感受 0.5% 99%优秀逆光场景暗部依然干净0.5% - 1.5%97% - 99%良好绝大多数场景无感1.5% - 3%94% - 97%一般逆光可感知到暗部泛灰 3% 94%较差暗部明显发灰对比度受损这些数值只是经验参考不是标准强制判定。比如安防监控摄像头在夜间强光源场景下要求会苛刻得多而一些入门级摄像头本身定位低Flare指标到3%以上也可能被接受。2.4 测试条件里的几个关键细节白场黑靶听起来简单但测试条件稍有不同结果就没法横向对比。根据标准思路和我的实践经验有几个条件需要特别注意。光源均匀性很关键。白场区域的信号会被当成参考基准如果光源面板中心亮边缘暗不同视场测出来的Flare Ratio就会有明显偏差。我一般要求测试面板中心与边缘的亮度偏差控制在3%-5%以内否则需要做像素级均匀性校正。黑靶的反射率必须足够低。黑靶的目的是模拟“无光”区域如果黑靶本身反射率就有2%-3%你测出来的Flare数据其实是“系统的杂散光黑靶自身的反射”结果会系统性偏高。实测中推荐反射率低于1%的黑材料如果能做到0.3%以下更好。曝光选择要落在传感器的线性响应区间。白场信号如果超过传感器满阱的90%可能进入非线性区黑靶区域的信号会被压缩或抬升计算出来的Flare Ratio就失真了。我通常把白场区域的平均信号控制在满阱的50%-80%之间并确认没有过曝像素。环境光要严格排除。测试需要在暗室或封闭环境中进行周围墙壁、桌面、测试人员的衣服都有可能把光反射到被测镜头上。这一点在下一节具体展开。2.5 镜头级和系统级测试要分清ISO 18844偏系统级测量也就是镜头、传感器、可能还有部分图像处理链路的整体表现。但在实际研发流程里Flare问题经常需要区分是“镜头问题”还是“模组问题”。镜头级的Flare测试通常用光具座把镜头装在一个能接收平行光的装置上用积分球产生均匀光再用探测器接收通过镜头后的光强分布。这种方式能隔离传感器的影响适合光学设计阶段的验证。系统级测试则是把镜头装在实际模组上用RAW数据算Flare指标。这也是我日常做得最多的因为最终用户感知到的是系统输出而且传感器Cover Glass、IRCF这些模组结构件的反射贡献只有系统级测试才能暴露出来。做系统级测试时我强烈建议关闭所有图像增强算法比如降噪、锐化、多帧合成、HDR、色彩增强。原因很简单这些算法会改变暗部信号尤其是降噪和多帧合成会把暗部噪声压低也会把Flare信号压掉一部分导致结果不能真实反映光学部分的杂散光。3. 实验室实战从零搭一套Flare测量系统3.1 设备清单自己搭一套可复现的Flare测量系统并不需要很夸张的设备但每一件都不能省。我的常用配置是下面这样设备要求用途均匀面光源积分球或LED均匀面板亮度可调均匀性≥90%稳定性好提供白场背景黑色靶标无光黑绒、黑泡棉或高吸收率黑涂料反射率1%模拟暗区遮光幕布/黑布吸光性好面积要大隔离环境光被测相机/模组支持RAW输出可手动控制曝光参数被测对象三脚架/云台稳定可精确调节朝向固定相机亮度计/照度计可标定光源亮度环境标定暗室或封闭工作间尽量无反射、可完全遮光测试环境积分球是理想的白场光源因为它的均匀性远优于普通面板灯。如果预算有限用大尺寸LED均匀面板也可以但一定要确认均匀性并在测试前用亮度计做多点测量。还有一个容易被忽略的点LED光源存在频闪曝光时间太短时画面会亮暗不均测试前最好用直流驱动或确认频闪周期小于曝光时间。3.2 环境控制那些“看似不起眼”的细节Flare测量最怕的就是环境光污染但环境光污染往往不是大问题而是各种小细节叠加出来的。我在实际测试中吃过不少亏。测试墙面和地面要尽量避免反光。白墙、瓷砖地、光面桌面都会把光源的光反射到镜头上尤其是测试人员站在相机侧面时身上的浅色衣服本身就相当于一块“漫反射板”。我现在的做法是在测试区四周围一圈黑色吸光幕布地上铺黑色吸光布测试人员统一穿深色工作服。电气设备的指示灯也要处理。相机屏幕、显示器、示波器、电源适配器上的LED指示灯都可能成为微弱的光源。它们不会直接出现在画面里但会进入杂散光系统把Flare数值抬高零点几个百分点。我习惯用黑色电工胶布把不用的指示灯贴上这个操作虽然听起来小题大做但确实让数据稳定了不少。另一个容易被忽视的问题是镜头和相机自身的发热。相机长时间通电工作传感器温度升高暗电流和热噪声都会上升黑靶区域信号会被“掺水”。所以我一般会让相机在测试环境中开机预热15分钟以上再进入正式测试序列并且每次测试都要拍暗帧做校正。3.3 相机/模组设置与拍摄流程我把一次标准的Flare测试流程拆成七个步骤每个步骤都可以直接照抄。第一步固定相机。把被测相机或模组安装在三脚架上正对被测区域中心确保光轴垂直于光源面板平面。如果测的是模组而不是整机需要设计一个稳定的夹具避免模组松动导致画面对不准。第二步设置相机参数。切换到手动模式固定ISO一般用基础ISO光圈设置在工作光圈比如手机镜头是固定光圈安防镜头用常用F数曝光时间根据白场亮度调整目标是让白场区域的平均RAW值落在满阱的50%-80%之间。关闭自动白平衡、自动曝光、自动对焦白平衡在RAW数据里不影响线性信号但自动对焦可能导致镜片位置变化必须固定。第三步拍一张无靶的均匀亮场参考帧。此时光源面板前不放黑靶相机对准面板中部拍摄。这张参考帧用来做像素级均匀性校正以及确认白场信号水平。第四步放置黑靶。把黑靶贴在光源面板上或者固定在光源前方足够近的位置确保黑靶在画面中的位置根据需要覆盖常见是覆盖画面中心或特定视场角区域。黑靶边缘要清晰尺寸要足够大至少覆盖画面面积的10%以上这样统计区域才有意义。第五步拍摄黑靶帧。保持相机参数完全不变拍一张含黑靶的画面。建议连续拍摄至少3张后续可以用均值或中位数降低随机噪声。第六步拍暗帧。盖上镜头盖用完全相同的曝光参数拍摄至少3张暗帧取均值作为暗电流和固定模式噪声的参考。第七步记录完整的测试条件。包括光源亮度、曝光时间、ISO、光圈、黑靶型号、黑靶位置、环境温度、湿度、相机固件版本、RAW文件名。这些元信息对后续复现和排查异常非常重要。3.4 最容易踩的三个坑搭好系统后真正让数据“翻车”的往往是几个小问题。第一个坑是黑靶材料选错。有些看起来是黑色的材料在近红外波段反射率其实不低。比如普通黑色塑料、黑色胶带可见光反射率可能只有3%但在850nm近红外下反射率能到10%以上。如果被测系统对近红外敏感测出来的Flare数值会异常偏大。建议用专门的高吸收率黑材料比如黑色天鹅绒、AKChrome等消光材料并且用分光光度计确认全光谱反射率。第二个坑是光源频闪。LED灯具如果驱动电源质量不好会有100Hz或120Hz的频闪。曝光时间较短时画面会出现明暗条纹黑靶区域的信号统计自然不准。判断方法很简单用手机对着LED灯拍慢动作视频如果存在明显的亮度脉动就说明频闪明显需要换用积分球或直流驱动的光源。第三个坑是忘记拍暗帧或没有扣黑电平。不扣暗帧的话传感器的暗电流和固定模式噪声会叠加在黑靶区域信号上Flare Ratio会被系统性高估。尤其是曝光时间较长的情况下热噪声贡献可能超过真实Flare信号导致测出来一个“看起来很严重”但其实大部分是热噪的假数据。4. 从RAW到指标数据处理实例4.1 第一步把RAW还原成线性信号拍摄完RAW之后数据处理的第一步是把RAW字节还原成线性的、可直接比较的信号值。这一步看起来基础但实际上很多问题的根源都出在这里。RAW文件里的数字通常不是真正的“线性光强”它包含了传感器的黑电平Black Level偏置。如果不扣除黑电平相当于在S_black上人为加了一个固定偏移Flare Ratio会偏高。所以第一步是从RAW元数据中读取黑电平值并扣除。然后要减去暗帧。暗帧是用相同曝光参数拍摄的纯黑图像它表达的是传感器在没有光照时的响应包含暗电流和固定模式噪声。对暗帧取均值或中位数再从RAW帧里减去可以最大程度消除这些非光学的信号贡献。如果传感器响应明显非线性比如暗部有严重roll-off还需要做线性化校正。不过大多数CMOS传感器在RAW模式下线性度都相当好只要白场信号没落在非线性区这一步可以先不处理。坏点和热像素需要处理。即使扣了暗帧某些像素在长时间曝光下依然会有异常响应它们会污染黑靶区域的统计值。我通常的做法是从暗帧中找出明显偏亮的像素位置建立一个缺陷像素掩膜在统计黑靶区域时排除这些像素。4.2 第二步选取统计区域区域选取看似简单但直接影响结果稳定性。黑靶区域应该选在黑靶的中心位置避开黑靶边缘的过渡带因为边缘可能存在因靶标厚度产生的边界效应。参考白场区域建议选在光源面板上、离黑靶有一定距离的位置同时尽量避开画面边缘以减少镜头暗角对白场信号的影响。更严谨的做法是参考白场也选取整块亮场区域然后用无靶参考帧做像素级均匀性校正。我先对参考帧做全局均值归一化得到每个像素的增益系数然后把这个系数作用到含黑靶的帧上这样Vignetting的影响就被消除了。没有这个校正时如果黑靶在画面中央而参考区域在边缘因为暗角导致的边缘信号偏低会把Flare Ratio高估。统计黑靶区域信号时我强烈建议用中位数而不是均值。均值对异常值敏感一个热像斑就能让均值升高几十个DN中位数则稳定得多。4.3 第三步计算指标下面是一段简化版的计算代码能直接跑通从“已扣除黑电平和暗帧的RAW图像”到“Flare Ratio和VGI”的完整过程import numpy as np # 假设raw_linear是已扣除黑电平、暗帧的线性RAW图像 # 单位是DNDigital Numberfloat64 img raw_linear.astype(np.float64) # 定义黑靶区域掩膜以画面中心一块矩形为例实际要按图卡位置调整 black_mask np.zeros_like(img, dtypebool) h, w img.shape bh_start, bh_end int(h * 0.45), int(h * 0.55) bw_start, bw_end int(w * 0.45), int(w * 0.55) black_mask[bh_start:bh_end, bw_start:bw_end] True # 定义参考亮场区域掩膜取画面左下角一个矩形 white_mask np.zeros_like(img, dtypebool) wh_start, wh_end int(h * 0.65), int(h * 0.85) ww_start, ww_end int(w * 0.10), int(w * 0.30) white_mask[wh_start:wh_end, ww_start:ww_end] True # 统计中位数 S_black np.median(img[black_mask]) S_white np.median(img[white_mask]) # 计算指标 flare_ratio (S_black / S_white) * 100 # 单位% vgi (S_white - S_black) / (S_white S_black) * 100 # 单位% print(fFlare Ratio: {flare_ratio:.2f}%) print(fVGI: {vgi:.2f}%)需要注意的是这段代码的前提是raw_linear已经完成了黑电平和暗帧扣除。如果还没有做前面的预处理可以参考类似下面的操作# raw是原始RAW DN值 # black_level是元数据里读出的黑电平 # dark_frame是暗帧均值 raw_linear raw.astype(np.float64) - black_level - dark_frame raw_linear np.clip(raw_linear, 0, None)4.4 第四步结果解读与有效性校验我拿一组实际项目里的简化数据举例。两台不同镜头模组在相同光源和曝光条件下项目镜头A镜头BS_white参考区域中位数5100 DN5100 DNS_black黑靶区域中位数215 DN48 DNFlare Ratio4.21%0.94%VGI91.91%98.13%主观来看镜头A在逆光场景的暗部明显发灰画面像蒙了一层薄雾镜头B则干净很多。这两个指标和主观感受是高度一致的这也是Flare测量值得做的根本原因它能把“感觉”变成可比较、可追踪的数据。但拿到数字后先别急着下结论要做有效性校验。我一般会做三件事。第一改变曝光时间后重测。Flare Ratio本质上是光学系统的内在属性如果曝光量改变后Flare Ratio发生明显变化说明传感器响应不在线性区或者黑靶区域有细微过曝需要调整测试参数。第二重复性测试。同一状态下连续拍摄5组计算Flare Ratio的标准差。正常情况下游离差应该很小如果标准差超过0.3个百分点说明光源稳定性、环境光控制或相机稳定性有问题。第三亮度线性验证。把光源亮度从100%调到80%、60%看Flare Ratio是否基本不变。如果变化大说明存在传感器非线性响应或黑靶自身透光/反光的问题。4.5 我在实测中遇到的一个“假Flare”曾经测过一款车载摄像头Flare Ratio测出来有3.2%明显超标。按照正常流程排查镜头表面已经清洁过黑靶也确认反射率很低。后来我关了灯拿着手电在镜头周围照了一圈才发现问题出在模组外壳的一个散热孔上环境光从那个小孔直接漏进去经过内部结构反射到达传感器产生了一条微弱光带。我用黑色胶带封住散热孔后Flare Ratio降到1.1%。这个案例让我养成了一个习惯所有模组级Flare测试前先在全黑环境下手电筒检查一遍外壳缝隙和开孔。这种问题不是光学设计能解决的属于结构设计的杂散光泄漏但在测量端如果不注意很容易被误判为镜头问题。5. 测量结果怎么反推设计Flare的归因与优化5.1 看形态判断问题方向拿到Flare测量结果时除了看数值我建议一定要同时看原始图像。数值只能告诉你“严重不严重”图像才能告诉你“问题可能出在哪”。如果黑靶区域周围是一大片均匀的灰色通常说明杂散光来自大面积的漫反射比如镜筒内壁消光不良、机械结构件表面发亮、或者IRCF上的大面积反射。这类问题优先查机械结构件表面处理和镜筒内壁喷涂。如果黑靶区域内部出现清晰的亮斑或圆形环说明存在光学表面之间的聚焦反射比如两个镜片表面、镜片与传感器Cover Glass之间形成的鬼像。这类问题需要回到光学设计软件里做非序列光线追迹找到对应反射面。如果画面边缘出现明暗条纹或放射状光线多半是机械孔径边缘、遮光罩边缘的散射也可能是模组内部开孔处的衍射效应。5.2 一个实战排查案例以前做过一个车载前视摄像头项目客户要求逆光Flare Ratio小于1.5%但送样模组测出来是2.5%。这个项目我和光学工程师一起排查整个过程可以作为归因参考。我们先更换了不同批次的镜头Flare依然超标排除了镜头单体一致性。然后拆掉IRCF保留同样的镜头和传感器再测Flare Ratio降到了0.9%。这说明问题主要集中在IRCF和传感器Cover Glass这段模组结构上。进一步做了光线路径模拟确认是IRCF上表面反射后在Cover Glass表面二次反射最终在传感器上形成一个大范围的弥散光斑。IRCF镀膜在可见光波段反射率确实不高但在某些大角度入射条件下反射率会明显升高。最终方案是三个方面同时优化改善IRCF镀膜在大角度下的反射率把IRCF倾斜0.3度避免二次反射形成规律路径再加了一个小挡光结构吸收杂散光。复测Flare Ratio降到1.2%通过了客户规格。这个案例说明一个关键点Flare超标不能默认就是镜头的锅模组结构方面的反射很多时候贡献更大。5.3 进阶光源角度、光谱和多光源的Flare矩阵测试基础的白场黑靶测试只覆盖了一个光源方向但实际使用场景中光源位置千变万化尤其是安防、车载、运动相机这类复杂光照场景。所以我建议在基础测试通过后做Flare矩阵测试。光源角度矩阵是让点光源或强光源从不同视场角射入常见做法是把点光源沿水平和垂直方向移动记录每个位置的Flare Ratio或VGI生成一张Flare随视场角变化的曲线。这能发现某些特定角度上的鬼像峰值比如很多球面镜头在视场角40度附近特别容易产生强鬼像。光谱矩阵是切换不同波长的光源比如白光、红光、红外光。因为镜片镀膜、IRCF、机械消光涂料的光谱反射率都不同Flare的水平可能随波长剧烈变化。近红外波段的Flare评估尤其重要因为很多安防相机的图像传感器对近红外很敏感而这些波段镜片镀膜往往不如可见光段优化。多光源叠加时Flare并不是简单的线性叠加。两个光源同时出现在画面里产生的鬼像和散射会比它们单独出现时更复杂。这种多光源测试更适合模拟真实场景比如夜间街道上同时存在路灯、车灯、霓虹灯的情况。5.4 从指标到产品决策的几个经验做了这么多期Flare测试之后我对这个指标在产品开发里的使用有几个体会。Flare不是越低越好。过低的Flare往往意味着用了复杂的光学结构和高性能镀膜成本会明显上升。产品定义阶段就应该根据实际使用场景定一个合理的规格比如主打夜景拍照的手机和主打大光比环境的行车记录仪对Flare的要求完全不同。算法端可以补偿一部分Flare但依赖算法会牺牲噪点表现。有的方案团队会通过动态范围压缩或局部对比度提升来减轻Flare造成的“灰雾感”但本质上算法只是把视觉感受拉回来一部分并没有恢复真正的暗部信息。如果在测试阶段发现Flare超标最稳妥的方式还是光学和结构端解决。测试记录要完整。Flare数据只有在相同测试条件下才有比较意义。光源亮度、曝光参数、黑靶型号、环境温湿度、遮光状态任何一个变了数据可能就无法对比。我建议在每张测试RAW文件的元数据或文件名里至少包含项目名、光源亮度、曝光参数和测试日期方便后续追溯。另外有一个很实用的小技巧在正式测试序列里每张黑靶帧后面紧跟一张无靶亮场帧。这组对照可以非常快速地判断光源是否漂移也能为像素级校正提供准确的参考。我坚持用这个习惯后跨批次复测的数据一致性明显提高了。最后说一点个人体会。杂散光测量最吸引我的地方在于它把一种“说不清的画面发灰”变成一个能精确到小数点后两位的数字。但这个数字只在一整套严格条件下才有意义环境和操作稍不严格得出的数据可能比不测更误导。如果你刚开始搭Flare测试系统我的建议是先别急着追求高精度设备用最简单的积分球加一块好黑绒把流程跑通、把数据稳定性做出来再逐步升级。先把测量系统的“可靠性”做好再谈指标的“好坏”这是我在反复踩坑之后最想强调的一点。