Като доставчик на ядра за термични камери, бях свидетел от първа ръка на забележителния напредък в технологията за термично изображение. Термичните камери се превърнаха в незаменими инструменти в различни области, от сигурността и наблюдението до индустриалната инспекция и медицинската диагностика. В основата на тези фотоапарати лежи ядрото, което използва усъвършенствани алгоритми за обработка на изображения, за да преобразува необработените топлинни данни в ясни, реалистични изображения. В този блог ще се задълбоча в ключовите алгоритми за обработка на изображения, използвани в ядрата на термалните камери, и ще обясня как подобряват производителността и функционалността на нашитеЯдра на термокамера.
1. Корекция на нееднородност (NUC)
Едно от основните предизвикателства при термичните изображения е нееднородността на детекторната решетка. Всеки пиксел в детектора може да реагира по различен начин на една и съща входна топлина поради производствени вариации, температурни разлики и ефекти на стареене. Тази нееднородност води до шум с фиксиран модел в топлинното изображение, което може да скрие детайлите и да намали цялостното качество на изображението.
Алгоритмите за корекция на нееднородност (NUC) са предназначени да решат този проблем. Има два основни типа NUC: статичен NUC и динамичен NUC.
Статичен NUC
Статичният NUC обикновено се извършва по време на процеса на калибриране във фабриката. Това включва излагане на детектора на равномерен топлинен източник, като черно тяло, и измерване на реакцията на всеки пиксел. Въз основа на тези измервания се генерира корекционна таблица за всеки пиксел. По време на нормална работа фотоапаратът прилага корекционните коефициенти от таблицата към необработените стойности на пикселите, за да компенсира неравномерността.
Динамичен NUC
Динамичният NUC, от друга страна, се извършва в реално време по време на работа на камерата. Той непрекъснато следи реакцията на детектора и коригира коефициентите на корекция, ако е необходимо, за да отчете промените в температурата, стареенето на детектора и други фактори. Dynamic NUC помага да се поддържа високо ниво на равномерност на изображението във времето и при различни условия на работа.
2. Намаляване на шума
Термичните детектори са подложени на различни видове шум, включително шум на Джонсън, 1/f шум и изстрелен шум. Този шум може да влоши качеството на изображението, което затруднява разграничаването на малки температурни разлики и фини детайли в термичната сцена.
Средно филтриране
Медианното филтриране е проста, но ефективна техника за намаляване на шума. Той замества стойността на всеки пиксел със средната стойност на съседните му пиксели. Това помага да се премахне импулсният шум и да се намали високочестотният шум, без да се замъгляват краищата на обектите в изображението.
Филтриране по Гаус
Филтрирането по Гаус е друг популярен метод за намаляване на шума. Той прилага гаусово ядро към изображението, което изглажда изображението чрез осредняване на стойностите на пикселите в съседство около всеки пиксел. Ядрото на Гаус има разпределение във формата на камбана, като централният пиксел има най-голямо тегло. Филтрирането по Гаус е ефективно за намаляване на шума по Гаус и може да се регулира, за да се контролира степента на изглаждане.
Wavelet базирано намаляване на шума
Алгоритмите за намаляване на шума, базирани на Wavelet, разлагат изображението на различни честотни подленти, използвайки Wavelet трансформации. Шумът обикновено е концентриран във високочестотните подленти, докато важните характеристики на изображението присъстват в нискочестотните и средночестотните подленти. Чрез ограничаване на коефициентите във високочестотните поддиапазони и реконструиране на изображението, шумът може да бъде значително намален, като същевременно се запазят краищата и детайлите на изображението.
3. Подобряване на ръбовете
Алгоритмите за подобряване на ръбовете се използват за подобряване на видимостта на границите на обекта в термичните изображения. При термичното изображение обектите могат да имат сходни температури, което затруднява разграничаването на ръбовете им. Алгоритмите за подобряване на ръбовете подобряват контраста в ръбовете на обектите, което ги прави по-различими и по-лесни за идентифициране.
Оператор Sobel
Операторът Sobel е прост и широко използван алгоритъм за откриване на ръбове. Той изчислява градиента на изображението в хоризонтална и вертикална посока, като използва чифт 3x3 ядра на навиване. След това се изчислява величината на градиента и пикселите с висока величина на градиента се считат за част от ръба.
Canny Edge Detector
Детекторът на ръбове на Canny е по-сложен алгоритъм за откриване на ръбове, който включва множество стъпки, включително изглаждане по Гаус, изчисляване на градиента, немаксимално потискане и прагове на хистерезис. Той е проектиран да открива реални ръбове, като минимизира фалшивите ръбове и шума. Детекторът на ръбове Canny може да осигури по-точно и непрекъснато откриване на ръбове в сравнение с оператора Sobel.
4. Измерване и калибриране на температурата
Едно от ключовите приложения на термокамерите е измерването на температурата. За точно измерване на температурата на обекти в термична сцена, ядрото на камерата трябва да извърши температурно калибриране и преобразуване.
Радиометрично калибриране
Радиометричното калибриране е процес на установяване на връзка между изходния сигнал на детектора (стойности на пикселите) и действителната температура на обекта. Това обикновено се прави чрез излагане на детектора на серия от известни температурни източници и измерване на съответните стойности на пикселите. След това се генерира калибровъчна крива или уравнение за преобразуване на пикселните стойности в температурни стойности.
Компенсация на излъчване
Коефициентът на излъчване е мярка за това колко ефективно даден обект излъчва топлинно излъчване. Различните материали имат различни стойности на емисионна способност и измерената температура на даден обект може да бъде повлияна от неговата емисионна способност. Алгоритмите за компенсиране на емисионната способност коригират измерването на температурата въз основа на прогнозната емисионна способност на обекта. Това помага да се подобри точността на измерване на температурата, особено за обекти с неединствен коефициент на излъчване.
5. Подобряване на изображението и фалшиво - цветово картографиране
Техниките за подобряване на изображението се използват, за да подобрят визуалния вид на топлинните изображения и да ги направят по-интерпретируеми. False - цветовото картографиране е често срещана техника за подобряване на изображението, която присвоява различни цветове на различни температурни диапазони в топлинното изображение.
Изравняване на хистограмата
Изравняването на хистограмата е прост метод за подобряване на изображението, който преразпределя стойностите на пикселите в изображението, за да подобри контраста. Той разтяга хистограмата на изображението, така че стойностите на пикселите да са по-равномерно разпределени в наличния диапазон. Това може да направи детайлите в изображението по-видими, особено в области с нисък контраст.
False - Картографиране на цветовете
False - цветовото картографиране присвоява цветове на различни температурни диапазони в топлинното изображение, за да подобри визуалното възприятие на температурните разлики. Например, по-ниските температури могат да бъдат представени със сини или зелени цветове, докато по-високите температури могат да бъдат представени с червени или жълти цветове. Има няколко налични фалшиви цветови палитри, като палитрата на дъгата, палитрата на желязната дъга и палитрата в сивата скала, всяка със свои собствени характеристики и приложения.
Приложения и предимства на тези алгоритми
Алгоритмите за обработка на изображения, използвани в ядрата на термокамерата, имат широк спектър от приложения и предимства.
Сигурност и наблюдение
В приложенията за сигурност и наблюдение термалните камери могат да открият нарушители при слаба светлина или пълна тъмнина. Алгоритмите за намаляване на шума и подобряване на ръбовете помагат за подобряване на яснотата на изображенията, което улеснява идентифицирането на нарушителите и техните движения. Алгоритмите за измерване на температурата могат също да се използват за откриване на необичайни източници на топлина, като пожари или прегряващо оборудване.
Индустриална инспекция
При промишлени инспекции термокамерите се използват за откриване на неизправности в електрически системи, механични компоненти и промишлени процеси. Алгоритмите за измерване на температурата и калибриране осигуряват точно измерване на температурата, което е от решаващо значение за откриване на прегряване и потенциални повреди. Алгоритмите за подобряване на ръбовете и изображението помагат да се идентифицират малки дефекти и аномалии в топлинните изображения.
Медицинска диагностика
В медицинската диагностика термокамерите могат да се използват за откриване на възпаление, проблеми с кръвообращението и други физиологични аномалии. Алгоритмите за обработка на изображения помагат за подобряване на контраста и яснотата на топлинните изображения, което улеснява медицинските специалисти при анализирането на данните и поставянето на точни диагнози.
Контакт за покупка и сътрудничество
Ако се интересувате от нашитеЯдра на термокамера,Инфрачервена термокамера, илиНеохлаждани термокамерни модули, ще се радваме да обсъдим вашите специфични изисквания. Нашият екип от експерти може да ви предостави подробна информация за нашите продукти, включително техните характеристики, производителност и цени. Ние се ангажираме да предоставяме висококачествени решения за термично изображение и отлично обслужване на клиентите. Независимо дали сте системен интегратор, изследовател или краен потребител, ние можем да работим с вас, за да отговорим на вашите нужди. Моля, не се колебайте да се свържете с нас, за да започнем разговор относно вашите изисквания за термично изображение.
Референции
- RC Gonzalez и RE Woods, „Обработка на цифрови изображения“, трето издание, Pearson Prentice Hall, 2008 г.
- GJ Alphonse, „Thermal Imaging: Fundamentals, Research, and Applications“, CRC Press, 2012.
- PJ Besant, "Infrared Thermal Imaging: Principles, Algorithms, and Applications", SPIE Press, 2013.
