Sebagai pembekal teras kamera terma, saya telah menyaksikan kemajuan yang luar biasa dalam teknologi pengimejan haba. Kamera terma telah menjadi alat yang sangat diperlukan dalam pelbagai bidang, dari keselamatan dan pengawasan kepada pemeriksaan industri dan diagnostik perubatan. Di tengah -tengah kamera ini terletak inti, yang menggunakan algoritma pemprosesan imej yang canggih untuk mengubah data terma mentah ke dalam imej yang jelas dan boleh diambil tindakan. Di blog ini, saya akan menyelidiki algoritma pemprosesan imej utama yang digunakan dalam teras kamera termal dan menerangkan bagaimana mereka meningkatkan prestasi dan fungsi kamiTeras kamera termal.
1. Pembetulan bukan seragam (NUC)
Salah satu cabaran asas dalam pencitraan terma ialah keseragaman pelbagai pengesan. Setiap piksel dalam pengesan mungkin bertindak balas dengan cara yang sama dengan input termal yang sama kerana variasi pembuatan, perbezaan suhu, dan kesan penuaan. Keseragaman ini tidak menghasilkan bunyi bising corak tetap dalam imej terma, yang dapat mengaburkan butiran dan mengurangkan kualiti imej keseluruhan.
Algoritma Pembetulan Kesatuan (NUC) yang tidak digunakan untuk menangani isu ini. Terdapat dua jenis utama NUC: NUC statik dan NUC dinamik.
Statik nuc
NUC statik biasanya dilakukan semasa proses penentukuran di kilang. Ia melibatkan mendedahkan pengesan kepada sumber terma seragam, seperti orang kulit hitam, dan mengukur tindak balas setiap piksel. Berdasarkan pengukuran ini, jadual pembetulan dijana untuk setiap piksel. Semasa operasi biasa, kamera menggunakan faktor pembetulan dari jadual ke nilai piksel mentah untuk mengimbangi keseragaman bukan.
Nuc dinamik
Dinamik NU, sebaliknya, dijalankan dalam masa sebenar semasa operasi kamera. Ia terus memantau tindak balas pengesan dan menyesuaikan faktor pembetulan yang diperlukan untuk mengambil kira perubahan suhu, penuaan pengesan, dan faktor lain. NUC dinamik membantu mengekalkan tahap keseragaman imej yang tinggi dari masa ke masa dan di bawah keadaan operasi yang berbeza -beza.
2. Pengurangan Kebisingan
Pengesan terma tertakluk kepada pelbagai jenis bunyi, termasuk bunyi bising Johnson, bunyi bising 1/f, dan bunyi bising. Kebisingan ini dapat merendahkan kualiti imej, menjadikannya sukar untuk membezakan perbezaan suhu kecil dan butiran halus dalam adegan terma.
Penapisan median
Penapisan median adalah teknik pengurangan bunyi yang mudah tetapi berkesan. Ia menggantikan nilai setiap piksel dengan nilai median piksel jirannya. Ini membantu menghilangkan bunyi impuls dan mengurangkan bunyi kekerapan yang tinggi tanpa mengaburkan tepi objek dalam imej.
Penapisan Gaussian
Penapisan Gaussian adalah satu lagi kaedah pengurangan bunyi yang popular. Ia menggunakan kernel Gaussian pada imej, yang melicinkan imej dengan purata nilai piksel di kawasan kejiranan di sekitar setiap piksel. Kernel Gaussian mempunyai pengedaran berbentuk loceng, dengan piksel tengah yang mempunyai berat badan tertinggi. Penapisan Gaussian berkesan dalam mengurangkan bunyi Gaussian dan boleh diselaraskan untuk mengawal jumlah pelicinan.
Pengurangan bunyi berasaskan wavelet
Algoritma Pengurangan Kebisingan Berbasis Wavelet Mengurangkan imej ke dalam sub -band frekuensi yang berbeza menggunakan transformasi wavelet. Kebisingan biasanya tertumpu dalam sub -band frekuensi tinggi, manakala ciri -ciri imej yang penting terdapat di dalam sub -band frekuensi rendah dan pertengahan. Dengan mengikat koefisien dalam sub -band frekuensi tinggi dan membina semula imej, bunyi boleh dikurangkan dengan ketara semasa memelihara tepi dan butiran imej.
3. Peningkatan Edge
Algoritma peningkatan kelebihan digunakan untuk meningkatkan keterlihatan sempadan objek dalam imej terma. Dalam pengimejan terma, objek mungkin mempunyai suhu yang sama, menjadikannya sukar untuk membezakan tepi mereka. Algoritma peningkatan kelebihan meningkatkan kontras di tepi objek, menjadikannya lebih berbeza dan lebih mudah untuk dikenalpasti.
Operator Sobel
Pengendali Sobel adalah algoritma pengesanan kelebihan yang mudah dan digunakan secara meluas. Ia mengira kecerunan imej dalam arah mendatar dan menegak menggunakan sepasang kernel konvolusi 3x3. Besarnya kecerunan kemudian dikira, dan piksel dengan magnitud kecerunan yang tinggi dianggap sebagai sebahagian daripada kelebihan.
Pengesan Edge Canny
Pengesan kelebihan canny adalah algoritma pengesanan kelebihan yang lebih canggih yang melibatkan pelbagai langkah, termasuk pelepasan Gaussian, pengiraan kecerunan, penindasan maksimum, dan ambang histerisis. Ia direka untuk mengesan tepi sebenar sambil meminimumkan tepi palsu dan bunyi bising. Pengesan kelebihan canny boleh memberikan pengesanan kelebihan yang lebih tepat dan berterusan berbanding dengan pengendali Sobel.
4. Pengukuran suhu dan penentukuran
Salah satu aplikasi utama kamera terma ialah pengukuran suhu. Untuk mengukur suhu objek dengan tepat dalam adegan terma, teras kamera perlu melakukan penentukuran suhu dan penukaran.
Penentukuran radiometrik
Penentukuran radiometrik adalah proses mewujudkan hubungan antara isyarat output pengesan (nilai piksel) dan suhu sebenar objek. Ini biasanya dilakukan dengan mendedahkan pengesan kepada satu siri sumber suhu yang diketahui dan mengukur nilai piksel yang sepadan. Kurva atau persamaan penentukuran kemudian dijana untuk menukar nilai piksel ke nilai suhu.
Pampasan emis
Emisvity adalah ukuran bagaimana objek yang cekap memancarkan sinaran terma. Bahan yang berbeza mempunyai nilai emisiti yang berbeza, dan suhu yang diukur objek boleh dipengaruhi oleh emisinya. Algoritma pampasan emissivity menyesuaikan pengukuran suhu berdasarkan anggaran emissivity objek. Ini membantu meningkatkan ketepatan pengukuran suhu, terutamanya untuk objek dengan emisiti bukan perpaduan.
5. Peningkatan Imej dan Palsu - Pemetaan Warna
Teknik peningkatan imej digunakan untuk meningkatkan penampilan visual imej terma dan menjadikannya lebih ditafsirkan. Palsu - Pemetaan warna adalah teknik peningkatan imej yang biasa yang memberikan warna yang berbeza kepada julat suhu yang berbeza dalam imej terma.
Penyamaan histogram
Penyamaan histogram adalah kaedah peningkatan imej yang mudah yang mengagihkan semula nilai piksel dalam imej untuk memperbaiki kontras. Ia membentangkan histogram imej supaya nilai piksel lebih sama rata di seluruh julat yang ada. Ini boleh membuat butiran dalam imej lebih kelihatan, terutamanya di kawasan yang mempunyai kontras yang rendah.
Palsu - Pemetaan Warna
Palsu - Pemetaan warna memberikan warna kepada julat suhu yang berbeza dalam imej terma untuk meningkatkan persepsi visual perbezaan suhu. Sebagai contoh, suhu sejuk boleh diwakili oleh warna biru atau hijau, sementara suhu yang lebih panas boleh diwakili oleh warna merah atau kuning. Terdapat beberapa palet warna palsu yang tersedia, seperti Palet Rainbow, Palet Ironbow, dan Palet Grayscale, masing -masing dengan ciri -ciri dan aplikasinya sendiri.
Aplikasi dan faedah algoritma ini
Algoritma pemprosesan imej yang digunakan dalam teras kamera termal mempunyai pelbagai aplikasi dan faedah.
Keselamatan dan pengawasan
Dalam aplikasi keselamatan dan pengawasan, kamera terma dapat mengesan penceroboh dalam kegelapan yang rendah atau lengkap. Pengurangan bunyi dan algoritma peningkatan kelebihan membantu meningkatkan kejelasan imej, menjadikannya lebih mudah untuk mengenal pasti penceroboh dan pergerakan mereka. Algoritma pengukuran suhu juga boleh digunakan untuk mengesan sumber haba yang tidak normal, seperti kebakaran atau peralatan terlalu panas.
Pemeriksaan Perindustrian
Dalam pemeriksaan perindustrian, kamera terma digunakan untuk mengesan kesalahan dalam sistem elektrik, komponen mekanikal, dan proses perindustrian. Algoritma pengukuran suhu dan penentukuran memastikan pengukuran suhu yang tepat, yang penting untuk mengesan kegagalan terlalu panas dan potensi. Peningkatan kelebihan dan algoritma peningkatan imej membantu mengenal pasti kecacatan kecil dan anomali dalam imej terma.
Diagnostik Perubatan
Dalam diagnostik perubatan, kamera haba boleh digunakan untuk mengesan keradangan, masalah peredaran darah, dan keabnormalan fisiologi yang lain. Algoritma pemprosesan imej membantu meningkatkan kontras dan kejelasan imej terma, menjadikannya lebih mudah bagi profesional perubatan untuk menganalisis data dan membuat diagnosis yang tepat.
Hubungi Pembelian dan Kerjasama
Sekiranya anda berminat dengan kamiTeras kamera termal,Kamera terma inframerah, atauModul kamera termal yang tidak bersuara, kami lebih senang membincangkan keperluan khusus anda. Pasukan pakar kami dapat memberi anda maklumat terperinci tentang produk kami, termasuk ciri, prestasi, dan harga mereka. Kami komited untuk menyediakan penyelesaian pengimejan terma berkualiti tinggi dan perkhidmatan pelanggan yang cemerlang. Sama ada anda seorang penyepadu sistem, penyelidik, atau pengguna akhir, kami boleh bekerjasama dengan anda untuk memenuhi keperluan anda. Sila berasa bebas untuk menghubungi kami untuk memulakan perbualan mengenai keperluan pengimejan terma anda.
Rujukan
- RC Gonzalez dan Re Woods, "Pemprosesan Imej Digital", Edisi Ketiga, Pearson Prentice Hall, 2008.
- GJ Alphonse, "Pengimejan Thermal: Fundamental, Penyelidikan, dan Aplikasi", CRC Press, 2012.
- PJ Besant, "Pengimejan Thermal Inframerah: Prinsip, Algoritma, dan Aplikasi", SPIE Press, 2013.
