Termal Kamera Çekirdekleri tedarikçisi olarak termal görüntüleme teknolojisindeki dikkate değer gelişmelere ilk elden tanık oldum. Termal kameralar, güvenlik ve gözetimden endüstriyel denetim ve tıbbi teşhise kadar çeşitli alanlarda vazgeçilmez araçlar haline geldi. Bu kameraların kalbinde, ham termal verileri net, eyleme geçirilebilir görüntülere dönüştürmek için gelişmiş görüntü işleme algoritmaları kullanan çekirdek yatıyor. Bu blogda termal kamera çekirdeklerinde kullanılan temel görüntü işleme algoritmalarını inceleyeceğim ve bunların kameramızın performansını ve işlevselliğini nasıl artırdığını açıklayacağım.Termal Kamera Çekirdekleri.
1. Tekdüzelik Düzeltmesi (NUC)
Termal görüntülemedeki temel zorluklardan biri dedektör dizisinin tek biçimli olmamasıdır. Dedektördeki her piksel, üretim farklılıkları, sıcaklık farklılıkları ve eskime etkileri nedeniyle aynı termal girdiye farklı tepki verebilir. Bu tekdüzelik, termal görüntüde ayrıntıları gizleyebilen ve genel görüntü kalitesini düşürebilen sabit modelli gürültüye neden olur.
Tekdüzelik Düzeltme (NUC) algoritmaları bu sorunu çözmek için tasarlanmıştır. İki ana NUC türü vardır: statik NUC ve dinamik NUC.
Statik NUC
Statik NUC genellikle fabrikadaki kalibrasyon işlemi sırasında gerçekleştirilir. Dedektörün siyah cisim gibi tekdüze bir termal kaynağa maruz bırakılmasını ve her pikselin tepkisinin ölçülmesini içerir. Bu ölçümlere dayanarak her piksel için bir düzeltme tablosu oluşturulur. Normal çalışma sırasında kamera, düzensizliği telafi etmek için tablodaki düzeltme faktörlerini ham piksel değerlerine uygular.
Dinamik NUC
Dinamik NUC ise kameranın çalışması sırasında gerçek zamanlı olarak gerçekleştirilir. Dedektörün tepkisini sürekli olarak izler ve sıcaklık, dedektör eskimesi ve diğer faktörlerdeki değişiklikleri hesaba katmak için düzeltme faktörlerini gerektiği şekilde ayarlar. Dinamik NUC, zaman içinde ve değişen çalışma koşulları altında yüksek düzeyde görüntü bütünlüğünün korunmasına yardımcı olur.
2. Gürültü Azaltma
Termal dedektörler Johnson gürültüsü, 1/f gürültü ve atış gürültüsü dahil olmak üzere çeşitli gürültü türlerine maruz kalır. Bu gürültü görüntü kalitesini düşürebilir ve termal sahnedeki küçük sıcaklık farklarının ve ince ayrıntıların ayırt edilmesini zorlaştırabilir.
Medyan Filtreleme
Medyan filtreleme basit ama etkili bir gürültü azaltma tekniğidir. Her pikselin değerini komşu piksellerin medyan değeriyle değiştirir. Bu, görüntüdeki nesnelerin kenarlarını bulanıklaştırmadan darbe gürültüsünü gidermeye ve yüksek frekanslı gürültüyü azaltmaya yardımcı olur.
Gauss Filtreleme
Gauss filtreleme başka bir popüler gürültü azaltma yöntemidir. Görüntüye, her pikselin çevresindeki bir mahalledeki piksel değerlerinin ortalamasını alarak görüntüyü yumuşatan bir Gauss çekirdeği uygular. Gauss çekirdeği çan şeklinde bir dağılıma sahiptir ve merkez piksel en yüksek ağırlığa sahiptir. Gauss filtreleme, Gauss gürültüsünü azaltmada etkilidir ve yumuşatma miktarını kontrol edecek şekilde ayarlanabilir.
Dalgacık Tabanlı Gürültü Azaltma
Dalgacık tabanlı gürültü azaltma algoritmaları, dalgacık dönüşümlerini kullanarak görüntüyü farklı frekans alt bantlarına ayrıştırır. Gürültü tipik olarak yüksek frekans alt bantlarında yoğunlaşırken, önemli görüntü özellikleri düşük ve orta frekans alt bantlarında mevcuttur. Yüksek frekans alt bantlarındaki katsayıların eşiklenmesi ve görüntünün yeniden yapılandırılmasıyla, görüntünün kenarları ve ayrıntıları korunurken gürültü önemli ölçüde azaltılabilir.
3. Kenar Geliştirme
Kenar iyileştirme algoritmaları, termal görüntülerde nesne sınırlarının görünürlüğünü iyileştirmek için kullanılır. Termal görüntülemede nesnelerin benzer sıcaklıkları olabilir, bu da kenarlarının ayırt edilmesini zorlaştırır. Kenar geliştirme algoritmaları, nesnelerin kenarlarındaki kontrastı artırarak onları daha belirgin ve tanımlanması daha kolay hale getirir.
Sobel Operatörü
Sobel operatörü basit ve yaygın olarak kullanılan bir kenar tespit algoritmasıdır. Bir çift 3x3 evrişim çekirdeği kullanarak görüntünün yatay ve dikey yönlerdeki gradyanını hesaplar. Daha sonra degradenin büyüklüğü hesaplanır ve yüksek degrade büyüklüğüne sahip piksellerin bir kenarın parçası olduğu kabul edilir.
Canny Kenar Dedektörü
Canny kenar dedektörü, Gauss yumuşatma, gradyan hesaplaması, maksimum olmayan bastırma ve histerezis eşikleme dahil olmak üzere birçok adımı içeren daha karmaşık bir kenar algılama algoritmasıdır. Sahte kenarları ve gürültüyü en aza indirirken gerçek kenarları tespit edecek şekilde tasarlanmıştır. Canny kenar dedektörü, Sobel operatörüne kıyasla daha doğru ve sürekli kenar tespiti sağlayabilmektedir.
4. Sıcaklık Ölçümü ve Kalibrasyonu
Termal kameraların en önemli uygulamalarından biri sıcaklık ölçümüdür. Termal bir sahnedeki nesnelerin sıcaklığını doğru bir şekilde ölçmek için kamera çekirdeğinin sıcaklık kalibrasyonu ve dönüşümü yapması gerekir.
Radyometrik Kalibrasyon
Radyometrik kalibrasyon, dedektörün çıkış sinyali (piksel değerleri) ile nesnenin gerçek sıcaklığı arasında bir ilişki kurma işlemidir. Bu genellikle dedektörün bir dizi bilinen sıcaklık kaynağına maruz bırakılması ve karşılık gelen piksel değerlerinin ölçülmesiyle yapılır. Daha sonra piksel değerlerini sıcaklık değerlerine dönüştürmek için bir kalibrasyon eğrisi veya denklem oluşturulur.
Emisyon Telafisi
Emissivite, bir nesnenin termal radyasyonu ne kadar verimli bir şekilde yaydığının bir ölçüsüdür. Farklı malzemeler farklı emisyon değerlerine sahiptir ve bir nesnenin ölçülen sıcaklığı onun emisyonundan etkilenebilir. Emisyon telafisi algoritmaları, nesnenin tahmini emisyonuna göre sıcaklık ölçümünü ayarlar. Bu, özellikle birlik olmayan emisyona sahip nesneler için sıcaklık ölçümünün doğruluğunun geliştirilmesine yardımcı olur.
5. Görüntü İyileştirme ve Yanlış Renk Eşleme
Termal görüntülerin görsel görünümünü iyileştirmek ve daha yorumlanabilir hale getirmek için görüntü iyileştirme teknikleri kullanılmaktadır. Yanlış renk eşleme, termal görüntüdeki farklı sıcaklık aralıklarına farklı renkler atayan yaygın bir görüntü iyileştirme tekniğidir.
Histogram Eşitleme
Histogram eşitleme, kontrastı iyileştirmek için görüntüdeki piksel değerlerini yeniden dağıtan basit bir görüntü iyileştirme yöntemidir. Görüntünün histogramını genişleterek piksel değerlerinin mevcut aralıkta daha eşit şekilde dağılmasını sağlar. Bu, özellikle düşük kontrastlı alanlarda görüntüdeki ayrıntıların daha görünür olmasını sağlayabilir.
Yanlış - Renk Eşleme
Yanlış - renk eşleme, sıcaklık farklılıklarının görsel algısını geliştirmek için termal görüntüdeki renkleri farklı sıcaklık aralıklarına atar. Örneğin, daha soğuk sıcaklıklar mavi veya yeşil renklerle, daha sıcak sıcaklıklar ise kırmızı veya sarı renklerle temsil edilebilir. Gökkuşağı paleti, demir kuşak paleti ve gri tonlamalı palet gibi her birinin kendine has özellikleri ve uygulamaları olan çeşitli sahte renk paletleri mevcuttur.
Bu Algoritmaların Uygulamaları ve Faydaları
Termal kamera çekirdeklerinde kullanılan görüntü işleme algoritmalarının geniş bir uygulama alanı ve faydası bulunmaktadır.
Güvenlik ve Gözetim
Güvenlik ve gözetim uygulamalarında termal kameralar, izinsiz girenleri düşük ışıkta veya tamamen karanlıkta tespit edebilir. Gürültü azaltma ve kenar iyileştirme algoritmaları, görüntülerin netliğini artırmaya yardımcı olarak davetsiz misafirlerin ve hareketlerinin tespit edilmesini kolaylaştırır. Sıcaklık ölçüm algoritmaları, yangınlar veya ekipmanın aşırı ısınması gibi anormal ısı kaynaklarını tespit etmek için de kullanılabilir.
Endüstriyel Muayene
Endüstriyel muayenede termal kameralar elektrik sistemlerindeki, mekanik bileşenlerdeki ve endüstriyel proseslerdeki arızaları tespit etmek için kullanılır. Sıcaklık ölçümü ve kalibrasyon algoritmaları, aşırı ısınmayı ve olası arızaları tespit etmek için hayati önem taşıyan doğru sıcaklık ölçümünü sağlar. Kenar iyileştirme ve görüntü iyileştirme algoritmaları, termal görüntülerdeki küçük kusurların ve anormalliklerin tespit edilmesine yardımcı olur.
Tıbbi Teşhis
Tıbbi teşhislerde termal kameralar iltihabı, kan dolaşımı sorunlarını ve diğer fizyolojik anormallikleri tespit etmek için kullanılabilir. Görüntü işleme algoritmaları, termal görüntülerin kontrastını ve netliğini artırmaya yardımcı olarak tıp uzmanlarının verileri analiz etmesini ve doğru teşhisler koymasını kolaylaştırır.
Satın Alma ve İşbirliği İçin İletişime Geçin
Eğer bizimle ilgileniyorsanızTermal Kamera Çekirdekleri,Kızılötesi Termal Kamera, veyaSoğutmasız Termal Kamera Modülleri, özel gereksinimlerinizi tartışmaktan mutluluk duyarız. Uzman ekibimiz size ürünlerimiz hakkında özellikleri, performansı ve fiyatları dahil olmak üzere ayrıntılı bilgi sağlayabilir. Yüksek kaliteli termal görüntüleme çözümleri ve mükemmel müşteri hizmetleri sunmaya kendimizi adadık. İster sistem entegratörü, ister araştırmacı, ister son kullanıcı olun, ihtiyaçlarınızı karşılamak için sizinle birlikte çalışabiliriz. Termal görüntüleme gereksinimleriniz hakkında bir görüşme başlatmak için lütfen bizimle iletişime geçmekten çekinmeyin.
Referanslar
- RC Gonzalez ve RE Woods, "Dijital Görüntü İşleme", Üçüncü Baskı, Pearson Prentice Hall, 2008.
- GJ Alphonse, "Termal Görüntüleme: Temel Bilgiler, Araştırma ve Uygulamalar", CRC Press, 2012.
- PJ Besant, "Kızılötesi Termal Görüntüleme: İlkeler, Algoritmalar ve Uygulamalar", SPIE Press, 2013.
