Sebagai pemasok Inti Kamera Termal, saya telah menyaksikan secara langsung kemajuan luar biasa dalam teknologi pencitraan termal. Kamera termal telah menjadi alat yang sangat diperlukan di berbagai bidang, mulai dari keamanan dan pengawasan hingga inspeksi industri dan diagnostik medis. Inti dari kamera ini terletak pada inti kamera, yang menggunakan algoritme pemrosesan gambar canggih untuk mengubah data termal mentah menjadi gambar yang jelas dan dapat ditindaklanjuti. Di blog ini, saya akan mempelajari algoritme pemrosesan gambar utama yang digunakan dalam inti kamera termal dan menjelaskan bagaimana algoritme tersebut meningkatkan kinerja dan fungsionalitas kamera kami.Inti Kamera Termal.
1. Koreksi Non-Keseragaman (NUC)
Salah satu tantangan mendasar dalam pencitraan termal adalah ketidakseragaman susunan detektor. Setiap piksel dalam detektor mungkin merespons masukan termal yang sama secara berbeda karena variasi produksi, perbedaan suhu, dan efek penuaan. Ketidakseragaman ini menghasilkan noise pola tetap pada gambar termal, yang dapat mengaburkan detail dan mengurangi kualitas gambar secara keseluruhan.
Algoritma Non - Uniformity Correction (NUC) dirancang untuk mengatasi masalah ini. Ada dua jenis utama NUC: NUC statis dan NUC dinamis.
NUC Statis
NUC statis biasanya dilakukan selama proses kalibrasi di pabrik. Ini melibatkan pemaparan detektor ke sumber panas yang seragam, seperti benda hitam, dan mengukur respons setiap piksel. Berdasarkan pengukuran ini, tabel koreksi dihasilkan untuk setiap piksel. Selama pengoperasian normal, kamera menerapkan faktor koreksi dari tabel ke nilai piksel mentah untuk mengkompensasi ketidakseragaman.
NUC Dinamis
NUC Dinamis, sebaliknya, dilakukan secara real - time selama pengoperasian kamera. Ini terus memantau respons detektor dan menyesuaikan faktor koreksi sesuai kebutuhan untuk memperhitungkan perubahan suhu, penuaan detektor, dan faktor lainnya. NUC Dinamis membantu menjaga keseragaman gambar tingkat tinggi dari waktu ke waktu dan dalam berbagai kondisi pengoperasian.
2. Pengurangan Kebisingan
Detektor termal rentan terhadap berbagai jenis derau, termasuk derau Johnson, derau 1/f, dan derau tembakan. Kebisingan ini dapat menurunkan kualitas gambar, sehingga sulit membedakan perbedaan suhu kecil dan detail halus dalam pemandangan termal.


Penyaringan Median
Pemfilteran median adalah teknik pengurangan kebisingan yang sederhana namun efektif. Ini menggantikan nilai setiap piksel dengan nilai median piksel tetangganya. Hal ini membantu menghilangkan derau impuls dan mengurangi derau frekuensi tinggi tanpa mengaburkan tepi objek pada gambar.
Penyaringan Gaussian
Penyaringan Gaussian adalah metode pengurangan kebisingan populer lainnya. Ini menerapkan kernel Gaussian pada gambar, yang menghaluskan gambar dengan merata-ratakan nilai piksel di lingkungan sekitar setiap piksel. Kernel Gaussian memiliki distribusi berbentuk lonceng, dengan piksel tengah memiliki bobot paling tinggi. Pemfilteran Gaussian efektif dalam mengurangi noise Gaussian dan dapat disesuaikan untuk mengontrol jumlah penghalusan.
Pengurangan Kebisingan berbasis Wavelet
Algoritma pengurangan noise berbasis wavelet menguraikan gambar menjadi sub - band frekuensi berbeda menggunakan transformasi wavelet. Kebisingan biasanya terkonsentrasi di sub - pita frekuensi tinggi, sedangkan fitur gambar penting terdapat di sub - pita frekuensi rendah dan menengah. Dengan melakukan ambang batas koefisien pada sub - pita frekuensi tinggi dan merekonstruksi gambar, noise dapat dikurangi secara signifikan sambil mempertahankan tepi dan detail gambar.
3. Peningkatan Tepi
Algoritme peningkatan tepi digunakan untuk meningkatkan visibilitas batas objek dalam gambar termal. Dalam pencitraan termal, objek mungkin memiliki suhu yang sama, sehingga sulit untuk membedakan tepinya. Algoritme peningkatan tepi meningkatkan kontras pada tepi objek, menjadikannya lebih jelas dan lebih mudah diidentifikasi.
Operator Sobel
Operator Sobel adalah algoritma deteksi tepi yang sederhana dan banyak digunakan. Ini menghitung gradien gambar dalam arah horizontal dan vertikal menggunakan sepasang kernel konvolusi 3x3. Besaran gradien kemudian dihitung, dan piksel dengan besaran gradien tinggi dianggap sebagai bagian dari suatu tepi.
Detektor Tepi Cerdik
Detektor tepi Canny adalah algoritma pendeteksian tepi yang lebih canggih yang melibatkan beberapa langkah, termasuk penghalusan Gaussian, penghitungan gradien, penekanan non - maksimum, dan ambang batas histeresis. Ini dirancang untuk mendeteksi tepi nyata sekaligus meminimalkan tepi palsu dan noise. Detektor tepi Canny dapat memberikan deteksi tepi yang lebih akurat dan berkelanjutan dibandingkan dengan operator Sobel.
4. Pengukuran dan Kalibrasi Suhu
Salah satu aplikasi utama kamera termal adalah pengukuran suhu. Untuk mengukur suhu objek secara akurat dalam pemandangan termal, inti kamera perlu melakukan kalibrasi dan konversi suhu.
Kalibrasi Radiometri
Kalibrasi radiometrik adalah proses menetapkan hubungan antara sinyal keluaran detektor (nilai piksel) dan suhu sebenarnya benda. Hal ini biasanya dilakukan dengan memaparkan detektor ke serangkaian sumber suhu yang diketahui dan mengukur nilai piksel yang sesuai. Kurva atau persamaan kalibrasi kemudian dihasilkan untuk mengubah nilai piksel menjadi nilai suhu.
Kompensasi Emisivitas
Emisivitas adalah ukuran seberapa efisien suatu benda memancarkan radiasi termal. Bahan yang berbeda memiliki nilai emisivitas yang berbeda, dan suhu terukur suatu benda dapat dipengaruhi oleh emisivitasnya. Algoritma kompensasi emisivitas menyesuaikan pengukuran suhu berdasarkan estimasi emisivitas benda. Hal ini membantu meningkatkan keakuratan pengukuran suhu, terutama untuk objek dengan emisivitas non - kesatuan.
5. Peningkatan Gambar dan Salah - Pemetaan Warna
Teknik peningkatan gambar digunakan untuk meningkatkan tampilan visual gambar termal dan membuatnya lebih dapat diinterpretasikan. Pemetaan warna palsu adalah teknik peningkatan gambar umum yang memberikan warna berbeda pada rentang suhu berbeda pada gambar termal.
Penyetaraan Histogram
Ekualisasi histogram adalah metode penyempurnaan gambar sederhana yang mendistribusikan ulang nilai piksel dalam gambar untuk meningkatkan kontras. Ini meregangkan histogram gambar sehingga nilai piksel lebih merata di seluruh rentang yang tersedia. Hal ini dapat membuat detail pada gambar lebih terlihat, terutama di area dengan kontras rendah.
Salah - Pemetaan Warna
Salah - pemetaan warna memberikan warna pada rentang suhu berbeda pada gambar termal untuk meningkatkan persepsi visual perbedaan suhu. Misalnya, suhu yang lebih dingin mungkin diwakili oleh warna biru atau hijau, sedangkan suhu yang lebih hangat mungkin diwakili oleh warna merah atau kuning. Ada beberapa palet warna palsu yang tersedia, seperti palet pelangi, palet ironbow, dan palet skala abu - abu, masing - masing memiliki karakteristik dan penerapannya sendiri.
Aplikasi dan Manfaat Algoritma Ini
Algoritme pemrosesan gambar yang digunakan dalam inti kamera termal memiliki beragam aplikasi dan manfaat.
Keamanan dan Pengawasan
Dalam aplikasi keamanan dan pengawasan, kamera termal dapat mendeteksi penyusup dalam kondisi minim cahaya atau gelap gulita. Algoritme pengurangan noise dan peningkatan tepi membantu meningkatkan kejernihan gambar, membuatnya lebih mudah untuk mengidentifikasi penyusup dan pergerakan mereka. Algoritme pengukuran suhu juga dapat digunakan untuk mendeteksi sumber panas yang tidak normal, seperti kebakaran atau peralatan yang terlalu panas.
Inspeksi Industri
Dalam inspeksi industri, kamera termal digunakan untuk mendeteksi kesalahan pada sistem kelistrikan, komponen mekanis, dan proses industri. Algoritme pengukuran dan kalibrasi suhu memastikan pengukuran suhu akurat, yang sangat penting untuk mendeteksi panas berlebih dan potensi kegagalan. Algoritme peningkatan tepi dan peningkatan gambar membantu mengidentifikasi cacat kecil dan anomali pada gambar termal.
Diagnostik Medis
Dalam diagnostik medis, kamera termal dapat digunakan untuk mendeteksi peradangan, masalah sirkulasi darah, dan kelainan fisiologis lainnya. Algoritme pemrosesan gambar membantu meningkatkan kontras dan kejelasan gambar termal, sehingga memudahkan profesional medis menganalisis data dan membuat diagnosis yang akurat.
Kontak untuk Pembelian dan Kolaborasi
Jika Anda tertarik dengan kamiInti Kamera Termal,Kamera Termal Inframerah, atauModul Kamera Termal Tanpa Pendingin, kami akan dengan senang hati mendiskusikan kebutuhan spesifik Anda. Tim ahli kami dapat memberi Anda informasi terperinci tentang produk kami, termasuk fitur, kinerja, dan harganya. Kami berkomitmen untuk menyediakan solusi pencitraan termal berkualitas tinggi dan layanan pelanggan yang sangat baik. Baik Anda seorang integrator sistem, peneliti, atau pengguna akhir, kami dapat bekerja sama dengan Anda untuk memenuhi kebutuhan Anda. Silakan menghubungi kami untuk memulai percakapan tentang persyaratan pencitraan termal Anda.
Referensi
- RC Gonzalez dan RE Woods, "Pemrosesan Gambar Digital", Edisi Ketiga, Pearson Prentice Hall, 2008.
- GJ Alphonse, "Pencitraan Termal: Dasar-dasar, Penelitian, dan Aplikasi", CRC Press, 2012.
- PJ Besant, “Pencitraan Termal Inframerah: Prinsip, Algoritma, dan Aplikasi”, SPIE Press, 2013.




