În calitate de furnizor de nuclee pentru camere termice, am asistat direct la progresele remarcabile ale tehnologiei imaginii termice. Camerele termice au devenit instrumente indispensabile în diverse domenii, de la securitate și supraveghere până la inspecție industrială și diagnosticare medicală. În centrul acestor camere se află miezul, care folosește algoritmi sofisticați de procesare a imaginii pentru a transforma datele termice brute în imagini clare și acționabile. În acest blog, voi aprofunda în algoritmii cheie de procesare a imaginilor utilizați în miezurile camerelor termice și voi explica modul în care aceștia îmbunătățesc performanța și funcționalitateaMiezuri pentru camere termice.
1. Corecția neuniformității (NUC)
Una dintre provocările fundamentale în imagistica termică este neuniformitatea matricei de detectoare. Fiecare pixel din detector poate răspunde diferit la aceeași intrare termică din cauza variațiilor de fabricație, a diferențelor de temperatură și a efectelor de îmbătrânire. Această neuniformitate are ca rezultat un zgomot fix în imaginea termică, care poate ascunde detaliile și poate reduce calitatea generală a imaginii.
Algoritmii de corecție a neuniformității (NUC) sunt proiectați pentru a rezolva această problemă. Există două tipuri principale de NUC: NUC static și NUC dinamic.
NUC static
NUC static este de obicei efectuat în timpul procesului de calibrare din fabrică. Aceasta implică expunerea detectorului la o sursă termică uniformă, cum ar fi un corp negru, și măsurarea răspunsului fiecărui pixel. Pe baza acestor măsurători, se generează un tabel de corecție pentru fiecare pixel. În timpul funcționării normale, camera aplică factorii de corecție din tabel la valorile brute ale pixelilor pentru a compensa neuniformitatea.
NUC dinamic
NUC dinamic, pe de altă parte, se realizează în timp real în timpul funcționării camerei. Monitorizează continuu răspunsul detectorului și ajustează factorii de corecție după cum este necesar pentru a ține cont de schimbările de temperatură, de îmbătrânirea detectorului și de alți factori. NUC dinamic ajută la menținerea unui nivel ridicat de uniformitate a imaginii în timp și în diferite condiții de operare.
2. Reducerea zgomotului
Detectoarele termice sunt supuse diferitelor tipuri de zgomot, inclusiv zgomot Johnson, zgomot 1/f și zgomot de împușcare. Acest zgomot poate degrada calitatea imaginii, ceea ce face dificilă distingerea diferențelor mici de temperatură și a detaliilor fine în scena termică.
Filtrarea mediană
Filtrarea mediană este o tehnică simplă, dar eficientă de reducere a zgomotului. Acesta înlocuiește valoarea fiecărui pixel cu valoarea mediană a pixelilor săi vecini. Acest lucru ajută la eliminarea zgomotului de impuls și la reducerea zgomotului de înaltă frecvență fără a estompa marginile obiectelor din imagine.
Filtrarea Gaussiană
Filtrarea gaussiană este o altă metodă populară de reducere a zgomotului. Aplică imaginii un nucleu gaussian, care netezește imaginea prin mediarea valorilor pixelilor dintr-o zonă din jurul fiecărui pixel. Nuezul gaussian are o distribuție în formă de clopot, pixelul central având cea mai mare greutate. Filtrarea gaussiană este eficientă în reducerea zgomotului gaussian și poate fi ajustată pentru a controla cantitatea de netezire.
Reducerea zgomotului bazată pe Wavelet
Algoritmii de reducere a zgomotului bazați pe wavelet descompun imaginea în diferite sub-benzi de frecvență folosind transformări wavelet. Zgomotul este de obicei concentrat în sub-benzile de frecvență înaltă, în timp ce caracteristicile importante ale imaginii sunt prezente în sub-benzile de frecvență joasă și medie. Prin pragând coeficienții în sub-benzile de înaltă frecvență și reconstruind imaginea, zgomotul poate fi redus semnificativ, păstrând în același timp marginile și detaliile imaginii.
3. Îmbunătățirea marginilor
Algoritmii de îmbunătățire a marginilor sunt utilizați pentru a îmbunătăți vizibilitatea limitelor obiectelor în imaginile termice. În imaginile termice, obiectele pot avea temperaturi similare, ceea ce face dificilă distingerea marginilor lor. Algoritmii de îmbunătățire a marginilor sporesc contrastul la marginile obiectelor, făcându-le mai distincte și mai ușor de identificat.
Operator Sobel
Operatorul Sobel este un algoritm de detectare a marginilor simplu și utilizat pe scară largă. Acesta calculează gradientul imaginii în direcțiile orizontale și verticale folosind o pereche de nuclee de convoluție 3x3. Mărimea gradientului este apoi calculată, iar pixelii cu o magnitudine mare a gradientului sunt considerați a fi parte a unei margini.
Detectorul Canny Edge
Detectorul de margini Canny este un algoritm mai sofisticat de detectare a marginilor care implică mai mulți pași, inclusiv netezirea gaussiană, calculul gradientului, suprimarea non-maximală și pragul histerezisului. Este proiectat pentru a detecta marginile reale minimizând în același timp marginile false și zgomotul. Detectorul de margini Canny poate oferi o detecție mai precisă și continuă a marginilor în comparație cu operatorul Sobel.
4. Măsurarea și calibrarea temperaturii
Una dintre aplicațiile cheie ale camerelor termice este măsurarea temperaturii. Pentru a măsura cu precizie temperatura obiectelor dintr-o scenă termică, miezul camerei trebuie să efectueze calibrarea și conversia temperaturii.
Calibrare radiometrică
Calibrarea radiometrică este procesul de stabilire a unei relații între semnalul de ieșire al detectorului (valorile pixelilor) și temperatura reală a obiectului. Acest lucru se face de obicei prin expunerea detectorului la o serie de surse de temperatură cunoscute și măsurarea valorilor pixelilor corespunzătoare. O curbă sau o ecuație de calibrare este apoi generată pentru a converti valorile pixelilor în valori de temperatură.
Compensarea emisivității
Emisivitatea este o măsură a cât de eficient un obiect emite radiații termice. Materialele diferite au valori diferite de emisivitate, iar temperatura măsurată a unui obiect poate fi afectată de emisivitatea acestuia. Algoritmii de compensare a emisivității ajustează măsurarea temperaturii pe baza emisivității estimate a obiectului. Acest lucru ajută la îmbunătățirea preciziei măsurării temperaturii, în special pentru obiectele cu emisivitate non-unitaria.
5. Îmbunătățirea imaginii și False - Maparea culorilor
Tehnicile de îmbunătățire a imaginii sunt folosite pentru a îmbunătăți aspectul vizual al imaginilor termice și pentru a le face mai interpretabile. Fals - maparea culorilor este o tehnică obișnuită de îmbunătățire a imaginii care atribuie diferite culori diferitelor intervale de temperatură din imaginea termică.
Egalizarea histogramei
Egalizarea histogramei este o metodă simplă de îmbunătățire a imaginii care redistribuie valorile pixelilor din imagine pentru a îmbunătăți contrastul. Întinde histograma imaginii, astfel încât valorile pixelilor să fie distribuite mai uniform în intervalul disponibil. Acest lucru poate face detaliile din imagine mai vizibile, mai ales în zonele cu contrast scăzut.
Fals - Maparea culorilor
Fals - maparea culorilor atribuie culori diferitelor intervale de temperatură din imaginea termică pentru a îmbunătăți percepția vizuală a diferențelor de temperatură. De exemplu, temperaturile mai reci pot fi reprezentate de culori albastre sau verzi, în timp ce temperaturile mai calde pot fi reprezentate de culori roșii sau galbene. Există mai multe palete de culori false disponibile, cum ar fi paleta curcubeu, paleta ironbow și paleta în tonuri de gri, fiecare cu propriile caracteristici și aplicații.
Aplicații și beneficii ale acestor algoritmi
Algoritmii de procesare a imaginilor utilizați în miezurile camerelor termice au o gamă largă de aplicații și beneficii.
Securitate și Supraveghere
În aplicațiile de securitate și supraveghere, camerele termice pot detecta intrușii în condiții de lumină scăzută sau întuneric total. Algoritmii de reducere a zgomotului și de îmbunătățire a marginilor ajută la îmbunătățirea clarității imaginilor, facilitând identificarea intrușilor și a mișcărilor acestora. Algoritmii de măsurare a temperaturii pot fi utilizați și pentru a detecta surse anormale de căldură, cum ar fi incendiile sau supraîncălzirea echipamentelor.
Inspecția industrială
În inspecția industrială, camerele termice sunt utilizate pentru a detecta defecțiunile sistemelor electrice, componentelor mecanice și proceselor industriale. Algoritmii de măsurare și calibrare a temperaturii asigură măsurarea exactă a temperaturii, care este crucială pentru detectarea supraîncălzirii și a potențialelor defecțiuni. Algoritmii de îmbunătățire a marginilor și de îmbunătățire a imaginii ajută la identificarea micilor defecte și anomalii ale imaginilor termice.
Diagnostice medicale
În diagnosticarea medicală, camerele termice pot fi utilizate pentru a detecta inflamația, problemele de circulație a sângelui și alte anomalii fiziologice. Algoritmii de procesare a imaginii ajută la îmbunătățirea contrastului și clarității imaginilor termice, facilitând analiza datelor și diagnostice precise pentru profesioniștii medicali.
Contact pentru achiziție și colaborare
Dacă sunteți interesat de nostruMiezuri pentru camere termice,Cameră termică cu infraroșu, sauModule camere termice nerăcite, am fi mai mult decât bucuroși să discutăm despre cerințele dvs. specifice. Echipa noastră de experți vă poate oferi informații detaliate despre produsele noastre, inclusiv caracteristicile, performanța și prețurile acestora. Ne angajăm să oferim soluții de imagine termică de înaltă calitate și servicii excelente pentru clienți. Indiferent dacă sunteți un integrator de sistem, un cercetător sau un utilizator final, putem colabora cu dvs. pentru a vă satisface nevoile. Vă rugăm să nu ezitați să ne contactați pentru a începe o conversație despre cerințele dvs. de termoviziune.
Referințe
- RC Gonzalez și RE Woods, „Digital Image Processing”, ediția a treia, Pearson Prentice Hall, 2008.
- GJ Alphonse, „Thermal Imaging: Fundamentals, Research, and Applications”, CRC Press, 2012.
- PJ Besant, „Infrared Thermal Imaging: Principles, Algorithms, and Applications”, SPIE Press, 2013.
