Как поставщик ядер тепловизионных камер, я своими глазами стал свидетелем замечательных достижений в технологии тепловидения. Тепловизионные камеры стали незаменимыми инструментами в различных областях: от безопасности и наблюдения до промышленного контроля и медицинской диагностики. В основе этих камер лежит ядро, в котором используются сложные алгоритмы обработки изображений для преобразования необработанных тепловых данных в четкие и полезные изображения. В этом блоге я углублюсь в ключевые алгоритмы обработки изображений, используемые в ядрах тепловизионных камер, и объясню, как они повышают производительность и функциональность наших тепловизионных камер.Сердечники тепловизионных камер.
1. Коррекция неравномерности (NUC)
Одной из фундаментальных проблем тепловидения является неоднородность детекторной матрицы. Каждый пиксель детектора может по-разному реагировать на одну и ту же тепловую нагрузку из-за производственных различий, разницы температур и эффектов старения. Эта неравномерность приводит к появлению фиксированного шума на тепловом изображении, который может затемнить детали и снизить общее качество изображения.
Алгоритмы коррекции неравномерности (NUC) предназначены для решения этой проблемы. Существует два основных типа NUC: статический NUC и динамический NUC.
Статический NUC
Статическое NUC обычно выполняется во время процесса калибровки на заводе. Он предполагает воздействие на детектор однородного теплового источника, например черного тела, и измерение отклика каждого пикселя. На основе этих измерений формируется таблица коррекции для каждого пикселя. Во время нормальной работы камера применяет поправочные коэффициенты из таблицы к необработанным значениям пикселей, чтобы компенсировать неравномерность.
Динамический НУК
Динамическое NUC, с другой стороны, осуществляется в реальном времени во время работы камеры. Он постоянно контролирует реакцию детектора и при необходимости корректирует поправочные коэффициенты с учетом изменений температуры, старения детектора и других факторов. Dynamic NUC помогает поддерживать высокий уровень однородности изображения с течением времени и в различных условиях эксплуатации.
2. Шумоподавление
Тепловые детекторы подвержены воздействию различных типов шума, включая шум Джонсона, 1/f-шум и дробовой шум. Этот шум может ухудшить качество изображения, затрудняя различение небольших перепадов температур и мелких деталей в тепловизионной сцене.
Медианная фильтрация
Медианная фильтрация — простой, но эффективный метод снижения шума. Он заменяет значение каждого пикселя медианным значением соседних пикселей. Это помогает убрать импульсный шум и уменьшить высокочастотный шум, не размывая края объектов на изображении.
Гауссова фильтрация
Гауссова фильтрация — еще один популярный метод снижения шума. Он применяет к изображению ядро Гаусса, которое сглаживает изображение путем усреднения значений пикселей в окрестности каждого пикселя. Ядро Гаусса имеет колоколообразное распределение, при этом центральный пиксель имеет наибольший вес. Гауссова фильтрация эффективна для уменьшения гауссова шума и может быть настроена для управления степенью сглаживания.
Шумоподавление на основе вейвлетов
Алгоритмы шумоподавления на основе вейвлетов разлагают изображение на различные поддиапазоны частот с помощью вейвлет-преобразований. Шум обычно концентрируется в высокочастотных поддиапазонах, тогда как важные особенности изображения присутствуют в низко- и среднечастотных поддиапазонах. За счет пороговой обработки коэффициентов в высокочастотных поддиапазонах и восстановления изображения можно значительно снизить шум, сохранив при этом края и детали изображения.
3. Улучшение краев
Алгоритмы улучшения краев используются для улучшения видимости границ объекта на тепловых изображениях. При тепловидении объекты могут иметь одинаковую температуру, что затрудняет различение их краев. Алгоритмы улучшения краев повышают контраст по краям объектов, делая их более четкими и легкими для идентификации.
Собель Оператор
Оператор Собеля — это простой и широко используемый алгоритм обнаружения границ. Он вычисляет градиент изображения в горизонтальном и вертикальном направлениях, используя пару ядер свертки 3x3. Затем вычисляется величина градиента, и пиксели с высокой величиной градиента считаются частью края.
Детектор Канни Края
Детектор границ Канни — это более сложный алгоритм обнаружения границ, который включает в себя несколько этапов, включая сглаживание по Гауссу, вычисление градиента, подавление немаксимальных значений и определение порога гистерезиса. Он предназначен для обнаружения реальных границ при минимизации ложных границ и шума. Детектор кромок Canny может обеспечить более точное и непрерывное обнаружение кромок по сравнению с оператором Sobel.
4. Измерение и калибровка температуры.
Одним из ключевых применений тепловизионных камер является измерение температуры. Чтобы точно измерить температуру объектов в тепловой сцене, ядру камеры необходимо выполнить калибровку и преобразование температуры.
Радиометрическая калибровка
Радиометрическая калибровка — это процесс установления связи между выходным сигналом детектора (значениями пикселей) и фактической температурой объекта. Обычно это делается путем воздействия на детектор ряда известных источников температуры и измерения соответствующих значений пикселей. Затем создается калибровочная кривая или уравнение для преобразования значений пикселей в значения температуры.
Компенсация излучательной способности
Коэффициент излучения — это мера того, насколько эффективно объект излучает тепловое излучение. Различные материалы имеют разные значения коэффициента излучения, и его коэффициент излучения может влиять на измеренную температуру объекта. Алгоритмы компенсации излучательной способности корректируют измерение температуры на основе расчетной излучательной способности объекта. Это помогает повысить точность измерения температуры, особенно для объектов с неединичной излучательной способностью.
5. Улучшение изображения и ложное отображение цветов
Методы улучшения изображения используются для улучшения внешнего вида тепловых изображений и повышения их удобства интерпретации. Ложь: отображение цветов — это распространенный метод улучшения изображения, который присваивает разные цвета разным диапазонам температур на тепловизионном изображении.
Выравнивание гистограммы
Выравнивание гистограммы — это простой метод улучшения изображения, который перераспределяет значения пикселей в изображении для улучшения контрастности. Он растягивает гистограмму изображения так, чтобы значения пикселей были более равномерно распределены по доступному диапазону. Это может сделать детали изображения более заметными, особенно в областях с низкой контрастностью.
Ложь – цветовое сопоставление
Неверно — цветовое картирование присваивает цвета разным температурным диапазонам на тепловом изображении, чтобы улучшить визуальное восприятие разницы температур. Например, более низкие температуры могут быть представлены синим или зеленым цветом, а более высокие температуры могут быть представлены красным или желтым цветами. Доступно несколько палитр ложных цветов, таких как радужная палитра, палитра железного лука и палитра оттенков серого, каждая из которых имеет свои собственные характеристики и области применения.
Приложения и преимущества этих алгоритмов
Алгоритмы обработки изображений, используемые в ядрах тепловизионных камер, имеют широкий спектр применений и преимуществ.
Безопасность и наблюдение
В системах безопасности и наблюдения тепловизионные камеры могут обнаруживать злоумышленников при слабом освещении или в полной темноте. Алгоритмы шумоподавления и улучшения контуров помогают повысить четкость изображений, упрощая идентификацию злоумышленников и их движений. Алгоритмы измерения температуры также можно использовать для обнаружения аномальных источников тепла, таких как пожары или перегрев оборудования.
Промышленная инспекция
При промышленном контроле тепловизионные камеры используются для обнаружения неисправностей в электрических системах, механических компонентах и промышленных процессах. Алгоритмы измерения температуры и калибровки обеспечивают точное измерение температуры, что имеет решающее значение для обнаружения перегрева и потенциальных сбоев. Алгоритмы улучшения краев и улучшения изображения помогают выявлять небольшие дефекты и аномалии на тепловых изображениях.
Медицинская Диагностика
В медицинской диагностике тепловизионные камеры можно использовать для выявления воспалений, нарушений кровообращения и других физиологических отклонений. Алгоритмы обработки изображений помогают повысить контрастность и четкость тепловых изображений, облегчая медицинским работникам анализ данных и постановку точного диагноза.
Контакты для приобретения и сотрудничества
Если вы заинтересованы в нашемСердечники тепловизионных камер,Инфракрасная тепловая камера, илиНеохлаждаемые модули тепловизионных камер, мы будем более чем рады обсудить ваши конкретные требования. Наша команда экспертов может предоставить вам подробную информацию о наших продуктах, включая их характеристики, производительность и цены. Мы стремимся предоставлять высококачественные тепловизионные решения и превосходное обслуживание клиентов. Независимо от того, являетесь ли вы системным интегратором, исследователем или конечным пользователем, мы можем работать с вами, чтобы удовлетворить ваши потребности. Пожалуйста, не стесняйтесь обращаться к нам, чтобы обсудить ваши требования к тепловизионному изображению.
Ссылки
- Р. К. Гонсалес и Р. Э. Вудс, «Цифровая обработка изображений», третье издание, Pearson Prentice Hall, 2008.
- Дж. Дж. Альфонс, «Тепловидение: основы, исследования и приложения», CRC Press, 2012.
- П. Дж. Безант, «Инфракрасное тепловидение: принципы, алгоритмы и приложения», SPIE Press, 2013.
