成像的本质，是把三维世界中的“光强分布”，通过光学系统和传感器，转变成一个二维的“数字矩阵”。在 C# 中，这个矩阵的载体就是Bitmap或Mat，而“成像的秘密”就藏在从IntPtr指向的像素缓冲区里。从光线到数学图像的三步转换一台工业相机把光线变成 C# 可读的Bitmap，经历了三次关键转换：第一步：几何映射（3D → 2D）相机成像的几何基础是透视投影。用针孔模型近似，世界坐标点 P(X, Y, Z) 投影到图像平面的坐标 (x, y) 由相似三角形决定：[x = f \cdot \frac{X}{Z}, \quad y = f \cdot \frac{Y}{Z}]其中 f 是焦距。这个公式告诉你一个关键事实：图像丢失了深度 Z。仅凭一张图，你无法知道物体离相机多远，只能知道它投影到了哪个像素位置。第二步：光电转换（光 → 电荷）CMOS 或 CCD 传感器上密布着光电二极管阵列，每个二极管对应一个像素。光子打到光电二极管上产生光生电流，光越强，电流越大。传感器将光的强度分布转换成了电荷的强度分布。第三步：量化（模拟 → 数字）模数转换器（ADC）把每个像素的模拟电流值量化成一个数字。典型的工业相机输出 8 位灰度（0-255），即 256 个亮度等级；高动态范围场景可能用 10 位、12 位甚至 16 位。这个数字就是“像素值”，成百上千万个像素值排成二维数组，就是数字图像。C# 案例分析：像素缓冲区里的“真相”当你用相机 SDK 取到一帧图像后，你拿到的往往是一个IntPtr（指向非托管内存的指针）或 成像的本质，是把三维世界中的“光强分布”，通过光学系统和传感器，转变成一个二维的“数字矩阵”
成像的本质，是把三维世界中的“光强分布”，通过光学系统和传感器，转变成一个二维的“数字矩阵”。在 C# 中，这个矩阵的载体就是Bitmap或Mat，而“成像的秘密”就藏在从IntPtr指向的像素缓冲区里。从光线到数学图像的三步转换一台工业相机把光线变成 C# 可读的Bitmap，经历了三次关键转换：第一步：几何映射（3D → 2D）相机成像的几何基础是透视投影。用针孔模型近似，世界坐标点 P(X, Y, Z) 投影到图像平面的坐标 (x, y) 由相似三角形决定：[x = f \cdot \frac{X}{Z}, \quad y = f \cdot \frac{Y}{Z}]其中 f 是焦距。这个公式告诉你一个关键事实：图像丢失了深度 Z。仅凭一张图，你无法知道物体离相机多远，只能知道它投影到了哪个像素位置。第二步：光电转换（光 → 电荷）CMOS 或 CCD 传感器上密布着光电二极管阵列，每个二极管对应一个像素。光子打到光电二极管上产生光生电流，光越强，电流越大。传感器将光的强度分布转换成了电荷的强度分布。第三步：量化（模拟 → 数字）模数转换器（ADC）把每个像素的模拟电流值量化成一个数字。典型的工业相机输出 8 位灰度（0-255），即 256 个亮度等级；高动态范围场景可能用 10 位、12 位甚至 16 位。这个数字就是“像素值”，成百上千万个像素值排成二维数组，就是数字图像。C# 案例分析：像素缓冲区里的“真相”当你用相机 SDK 取到一帧图像后，你拿到的往往是一个IntPtr（指向非托管内存的指针）或