4. 红外图像采集与预处理

红外热像仪输出的“原始热图”并不是一张普通的灰度照片，而是每个像素对应一个与入射辐射强度相关的量化数值。矿山巡检机器人要可靠识别电机轴承过热、电缆接头虚接、皮带托辊异常摩擦等故障，第一步就是把原始数据完整、无损地拿到手，再经过一系列预处理，把“能测温的物理量”变成“能看清、能判断的图像”。本节按数据获取、缺陷修正、噪声抑制、对比度增强的顺序展开，并给出可操作的参数示例。

一、原始热图的数据格式与读取

常见红外机芯（如 640×512 分辨率、17 μm 像元、NETD≤40 mK 的非制冷氧化钒探测器）在 RAW 模式下输出的是 16 位无符号整数矩阵，每个像素值称为 DN（Digital Number），它与探测器响应电压近似线性，但尚未换算为温度。机芯通常同时提供：RAW 数据帧、快门（挡片）状态标志、机芯温度、镜头透过率与大气参数等元数据。只有保留 RAW 数据，后续才能重新做非均匀性校正和精确测温；若只保存经过机芯内部压缩的 8 位伪彩 JPEG，测温信息已不可逆丢失。

工程上建议机器人端以“RAW16 + 元数据”打包存储，例如每帧附加时间戳、云台角度、快门标志、机芯温度。读取时用二进制方式按行优先解析，示例（Python/NumPy 思路）：

import numpy as np
W, H = 640, 512
raw = np.fromfile("frame_0001.raw", dtype="<u2").reshape(H, W)  # 小端16位
dn = raw.astype(np.float32)
# 元数据示例：快门温度 t_shutter=32.5℃，机芯温度 t_fpa=35.1℃

需要注意字节序（大端/小端）、是否含帧头、是否做了 14 位到 16 位的左移。若解析后图像出现规律性条纹或整体错位，多半是行宽、帧头长度或字节序不匹配，应先核对机芯通信协议再谈算法。

二、非均匀性校正（NUC）

同一均匀辐射场景下，探测器各像元输出并不一致，表现为固定图案噪声（FPN），在低对比度场景中会形成明显“网格”或“竖纹”，严重干扰对细小过热点位的判读。两点法非均匀性校正是最常用的手段：在低温 T1 与高温 T2 两个均匀黑体场景下采集响应，对每个像元 (i,j) 求增益与偏置：

G(i,j) = (mean_H - mean_L) / (DN_H(i,j) - DN_L(i,j))
O(i,j) = mean_L - G(i,j) * DN_L(i,j)
DN_nuc(i,j) = G(i,j) * DN_raw(i,j) + O(i,j)

其中 mean_H、mean_L 为全帧均值。实际使用中，机芯会周期性闭合快门做“单点校正”以跟踪温漂，机器人应在快门动作期间暂停测温判读，避免把挡片温度误判为设备热点。若现场温差大、机芯温漂明显，可每隔 10～15 分钟或环境温度变化超过 5℃ 时重新做两点校正。校正效果的判断依据是：均匀场景下全帧标准差明显下降，且不再出现随位置固定的条纹。

三、盲元检测与补偿

盲元包括死像元（响应几乎不随辐射变化）和过热像元（暗电流大、噪声高），在图像上表现为恒黑点或恒白点。检测可在两点校正数据上进行：计算每个像元在 T1、T2 下的响应差与全帧响应差的偏离程度，偏离超过 3 倍标准差的判为盲元；也可用邻域均值偏差法在均匀场景中快速筛查。补偿一般采用邻域中值或双线性插值，用周围正常像元替代：

盲元掩膜 mask = |resp(i,j) - median(resp)| > 3 * std(resp)
DN_fix(i,j) = median(DN_nuc[i-1:i+2, j-1:j+2])   # 对 mask 为真的点

盲元表应随校正一起保存并定期更新，因为探测器在长期高温、强辐射环境下盲元数量会缓慢增加。对巡检机器人而言，若盲元恰好落在关键测温区域（如电缆接头），应在任务规划时通过云台微调让目标落在正常像元区，而不是仅靠插值“补”出来。

四、图像滤波与增强

原始热图噪声以高频随机噪声为主，直接做阈值分割容易产生大量虚假热点。滤波要在“抑噪”和“保边”之间取舍：高斯滤波平滑但会糊掉小目标边缘；中值滤波对椒盐噪声和盲元残留有效；双边滤波或导向滤波能在平滑同时保留接头、螺栓等结构边缘。示例参数：对 640×512 图像，中值滤波核 3×3 用于去除孤立坏点，双边滤波空间域 σs=2、值域 σr=8（以 DN 为单位）用于抑制噪声并保留边缘。

增强的目的是拉开目标与背景的对比度。由于热图动态范围大，常用分段线性拉伸或 CLAHE（限制对比度自适应直方图均衡）：先按巡检场景设定感兴趣温区（例如 -10℃～150℃），把该区间的 DN 映射到 0～255，再对局部窗口做直方图均衡，clipLimit 取 2.0～3.0 可避免噪声被过度放大。增强只用于显示和辅助判读，测温计算必须回到校正后的原始 DN 与标定曲线，二者不能混用。

五、参数选择与结果判断

预处理参数没有“一套通吃”的取值，应结合巡检对象和机芯特性确定。以矿山配电室电缆接头巡检为例：环境温度约 30℃，接头正常温升 5～10℃，故障温升可达 30℃ 以上。此时温区拉伸可设为 25℃～90℃，CLAHE 的 clipLimit 取 2.0，双边滤波 σr 取 6～8 DN，既能压住背景噪声，又不会把 2～3℃ 的细微温升抹平。判断预处理是否合格，可看三点：均匀背景区域是否还有固定条纹；盲元位置是否仍有恒亮点；同一目标在连续多帧中的温度读数是否稳定（波动应在 ±0.5℃ 量级，具体以机芯指标为准）。

把上述环节串起来，机器人端的数据流就是：采集 RAW16 与元数据 → 两点 NUC 与快门跟踪 → 盲元掩膜与邻域补偿 → 中值/双边滤波 → 温区拉伸与 CLAHE 增强 → 分别输出测温数据与显示图像。每一步都保留中间结果和参数记录，出现误报或漏报时才能回溯到具体环节，而不是笼统地“调一调参数”。