图形图像技术在红外热成像中的应用

张从华，杨 勇，刘若凡，张宪亮，石 敏，苏红雨

（1.中国测试技术研究院，四川 成都 610021；2.无锡市计量测试中心，江苏 无锡 214101)

0 引 言

大多数材料能吸收红外辐射，导致自身温度升高；同时，当温度大于绝对零度时，材料自身也会发射红外辐射。红外成像即是基于这一基本物理性质，利用红外敏感单元接收物体发射的红外辐射，生成物体的红外图像，进而分析成像对象的物理形态。红外成像已经运用到许多领域，如：医学上热传导分析、半导体器件的质量评估、鉴别管道渗漏、高速公路检测、桥梁检测、机场跑道检测等[1-3]。开展红外辐射成像的图像处理与分析，具有一定的科学意义。本文将利用数字图像的处理技术来分析材料缺陷，探索不同的边缘检测方法和图像增强技术对红外图像的分析能力。

1 红外成像原理

在电磁辐射中，Planck定律描述了黑体辐射的能量[4-6]，即：

式中：h——普朗克常量；

c——真空中的光速；

k——Boltzmann常数；

ν——电磁辐射频率，Hz；

T——发射体的绝对温度，K；

I（ν，T）——黑体发射单位时间内的能量，J/s。

对于红外辐射体，将式（1）进行全谱和全空间积分，考虑发射率影响，可得到单位面积在每秒时间内的红外辐射能量密度，遵从Stefan-Boltzmann规律[7-8]：

式中：P——净辐射能量，J/s；

A——辐射面积，m2，

ε——发射常数；

T——发射体温度，K；

σ——Stefan常数5.6704×10-8J·s-1m-2K-4。

式（2）常被用来测量物体的表面温度，通过红外摄像仪采集红外辐射体的温度分布与变化。

2 图形图像处理技术

图像处理是对图像进行分析、加工和处理，使其满足视觉、心理以及其他要求的技术，是信号处理在图像域上的一个应用。目前大多数图像是以数字形式存储，图像处理很多情况下指数字图像处理。图形图像处理技术涉及到图像的噪声处理、图像增强、图像复原、图像分割、图像重建、图像识别等，这里侧重介绍图像的噪声处理、边缘检测和图像增强。

2.1 滤波

图像噪声在数字图像处理技术中的重要性越来越明显。主动式红外加热成像过程中，带来噪声有光学噪声和电气噪声。光学噪声来源于红外线本身的光学特性产生的噪声，受探测对象的表面形态分布、温场分布、摄像的光学器件的影响；电气噪声来源于光电转换器件、电子学采集系统、图像处理系统、图像显示系统；同时，成像物体接收的红外线分布具有一定的随机涨落，导致热图像具有随机噪声。图像滤波处理可以分为空间域和频率域两类。

2.1.1 空间域

空间域通常采用的滤波方式为算术平均值滤波、中值滤波、几何平均值滤波。其中，中值滤波法[9]是一种非线性平滑技术，计算速度快，它将每一象素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，即：

式中：（s，t）——坐标；

g（s，t）——原始图像；

f（x，y）——滤波后的图像；

Sxy——坐标集合。

对于多种噪声，中值滤波都具有良好的去噪能力。

2.1.2 频率域

由于噪声频谱一般集中在高频段，采用衰减高频的低通滤波器可以在频域对红外图像进行滤波。低通滤波可能给图像细节带来一定的模糊影响，必须注意选择适合的滤波器。

常用的低通滤波器有理想低通滤波器、巴特沃兹滤波器、指数滤波器、梯形滤波器等。其中，梯形滤波器[10]对图像造成的模糊程度轻，噪声平滑效果好，易于实现。滤波器如：

式中：D0、D1——截止频率。

2.2 边缘检测

图像的特征提取离不开图像边缘的检测，在数学上，函数的一阶导数、二阶导数都可以用于边界判别。在数字图像处理中，通常采用数字模板的方式检测有用信号的边缘。通常像素值的梯度表示为

式中：G（i，j）——图像f（i，j）像素值梯度；

Gx——x方向的梯度分量；

Gy——y方向的梯度分量。

边缘检测的常见算子有Roberts算子、Prewitt算子、Sobel算子、Canny 算子等[11-12]。

Roberts算子值为

Canny边缘检测算子是John F.Canny开发出来的一个多级边缘检测算法，基本步骤包括去噪声、寻找亮度梯度、跟踪边缘等。此算法适用于不同的场合，它的参数允许根据不同实现的特定要求进行调整以识别不同的边缘特性。对于实时图像处理来说可能较慢，但是，在单幅图像的处理中对计算机速度要求并不高。

2.3 图像增强

图像增强的目标是对图像进行处理，为观察者提供易于理解和观察的感兴趣的图像特征，提高图像的可懂度。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。图像增强技术有空间域法和频率域法。

形态学的处理方法在图像边缘显现、对比度、细节方面具有一定的优势，通常采用高低帽变化。图像的高帽变化可以提取图像的峰值，低帽变化可以提取图像的谷值，将高帽变化的结果与原始图像叠加，再减去低帽变换的结果，对图像具有较强的增强作用[13]。

3 分析与运用

为了观察边缘检测和图像增强在红外图像分析中的应用，设计了分析样品。样品铝合金试件[14]如图1（a）所示，厚度为1.8mm，背面设置6个平底孔，假定为缺陷，缺陷的直径大小均为10mm，第1行从左至右缺陷深度分别为0.6，0.8，1.0mm，第2行从左至右缺陷深度分别为1.2，1.4，1.6mm。为了增强试件表面的光吸收率和红外发射率，在检测面涂一层很薄的黑漆。

采用高温黑体对样品进行加热，运用红外热像仪进行摄影。红外热像仪为TVS-500，基本性能为测试温度-40～500℃，分辨率小于0.05℃，准确度为±2℃或者±2%，有效像素 320×240。

红外热像仪记录了样品被加热和降温的过程。从升温过程中提取了一张图片图1（b）进行了分析，结果如图 1（c）～图 1（j）所示。

图像边缘提取对缺陷的识别有利。图1（b）是摄影原始图，下面一排的缺陷隐约可见，上面一排非常模糊，无法辨别。采用Roberts算子、Prewitt算子、Sobel算子、Canny算子对图 1（b）进行处理，得到了边缘检测结果（图 1（c）～图 1（f））。从 4 种边缘检测的结果来看，Canny算子所得结果较好，可以显现更多的图像细节，基本体现了缺陷的形态，能更好地检测出图像中的微弱信息。针对图像中缺陷的边缘检测，应比较几种边缘检测的结果，进行综合分析，共同确定缺陷的存在，以便于分析缺陷。

为了进一步观察缺陷，采用了Top hat滤波器和Bottom hat滤波器对图1（b）进行图像增强操作，结果如图 1（g）～图 1（j）所示。Top hat滤波结果如图1（g）所示，能反映缺陷的存在，同时反映出样品后面的加热黑体的红外辐射场，使分析复杂化。Bottom hat滤波结果如图1（h），能反映缺陷的存在，对样品后面的加热黑体的红外辐射场几乎没有体现。在增强图像图1（j）中，缺陷得到了较好的体现，加热黑体也得到了显现，说明图像增强能进一步提供红外图像的更多细节，为缺陷的几何测量提供清晰轮廊。

图1 边缘检测与图像增强的比较

综合边缘检测和增强图像，可以明显地判断5个缺陷的存在，除上面一排左边第一个缺陷外均未得到体现，说明红外分析和红外图像的摄取还是存在一定的局限性。对得到显现的缺陷进行数量测量，结果如表1所示，直接测量值的偏差较大，进行深度修正后，修正值更接近缺陷的实际值，特别是Bottom hat滤波后的图像和增强图像的修正结果基本一致，说明这两种图像处理更适合用于该红外图像的分析测试。

表1 缺陷测试值和修正值（单位：mm）

4 结束语

红外热成像已经得到广泛的应用，温度图像的分析技术不断扩展。为促进红外图像中缺陷目标的识别和测量，将图形图像处理中的边缘检测技术和图像增强技术运用到红外图像处理分析中，对比了Roberts算子、Prewitt算子、Sobel算子、Canny 算子边缘检测算子对图像目标边缘的检测效果，几种检测算子对缺陷的发现具有重要意义。经过观察图像增强效应对提高图像对比度的影响，进一步确认缺陷的存在。将边缘检测和图像增强相结合，可以识别缺陷的存在，开展对缺陷的测量，提高目标识别的可靠性和测量结果的准确度。

[1]Clark M R，McCann D M，Forde M C.Application of infrared thermography to the non-destructive testing of concrete and masonry bridges[J].NDT&E International，2003（36）：265-275.

[2]Avdelidis N P， Almondb D P， Dobbinsonb A， et al.Aircraft composites assessment by means of transient thermal NDT[J].Progress in Aerospace Sciences，2004（40）：43-162.

[3]Holst G C.Testing and evaluation of infrared imaging systems[M].Florida：JCD Publishing and SPIE Optical Engineering Press，1998：2-7.

[4]Planck M.The theory of heat radiation[M].Masius.M.（transl.）（2nd ed.）.Philadelphia：Blakiston’s Son&Co.，1914.

[5]Chandrasekhar S.Radiative transfer（Revised reprint ed.）[M].New York：Dover Publications，1960.

[6]Rybicki G B，Lightman A P.Radiative processes in astrophysics[M].Massachusetts： John Wiley&Sons，1979.

[7]Stefan J.Über die beziehung zwischen der wärmestrahlung und der temperatur[R].Sitzungsberichte der Mathematischnaturwissenschaftlichen Classe der Kaiserlichen Akademie der Wissenschaften，Bd，1879（79）：391-428.

[8]Boltzmann L.Ableitung des stefan’schen gesetzes， betreffend die abhängigkeitderwärmestrahlung von der temperatur aus der electromagnetischen lichttheorie[R].Annalen der Physik und Chemie，1884（22）：291-294.

[9]冈萨雷斯.数字图像处理[M].北京：电子工业出版社，2003：183-184.

[10]夏良正.数字图像处理[M].南京：东南大学出版社，2001：153-154.

[11]冈萨雷斯.数字图像处理[M].北京：电子工业出版社，2003：468-470.

[12]Canny J.A computational approach to edge detection[J].IEEE Trans.Pattern Analysis and Machine Intelligence，1986（8）：679-714.

[13]梅林，吴立德，王裕文.脉冲加热红外无损检测中的图像处理[J].红外与毫米波学报，2002，21（5）：372-376.

[14]其达拉图，郭兴旺.基于多项式拟合的脉冲红外热像无损检测数据处理方法[J].机械工程师，2009（2）：41-43.