基于低分辨器件的超分热成像系统*

徐 逸 焦良葆 孟 琳

（南京工程学院人工智能产业技术研究院 南京 211167）

1 引言

目前测温的方式分为接触式和非接触式测温两大类［1］。接触式测温主要利用热电阻或者热电偶温度探测器，通过测温元件对被测对象进行测温，该种方法优点是操作简单，但缺点是测量的精度低、速度慢，对于高温度的环境下不能起到很好的实时测量效果。非接触式测温主要是基于物体的热辐射原理设计而成的，在测量的过程中不需要与被测物体接触，具有较高的测温上线、安全可靠、测量快速等优势，适合测量移动旋转的高温物体的温度。

非制冷红外焦平面红外热成像系统［2～3］就是采用非接触式红外探测器［4］探测物体的红外辐射，并加以信号处理、光电转换等手段将物体的温度分布转换成红外热辐射图像，使用该设备我们可以清楚地看见待测量物体的发热位置。目前许多部门广泛使用红外热像仪对相关设备进行带电测量，可以及时发现故障隐患。但是分辨率高的热像仪［5～6］的价格比较昂贵、测量范围有限、驱动比较复杂。

针对上述问题，本文设计了一种基于MLX90640低成本的红外热成像系统［7～9］。该系统以树莓派作为核心控制［10～11］，并与MLX90640 红外传感器和高清摄像头共同实现温度数据和图片的实时采集，此外可以通过SSH 与PC 端屏幕连接并显示图像。因热像分辨率较低，故采用了基于边缘保护的插值算法来有效提高红外图像的分辨率，可以清晰看出发热部位。该系统具有动态监测、测量范围大、低成本的优势，能实时形成高分辨率的红外热力图，便于使用者监测设备发热情况。

2 系统总体构成和硬件设计

2.1 系统总体方案设计

红外热成像系统主要是以MLX90640 为核心的温度采集模块和基于树莓派的软硬件设计，对采集的数据和图片进行分析和处理，系统结构如图1所示。本系统选用树莓派作为核心控制器件，其内部有IIC 和USB 接口，通过串口通信将MLX90640红外阵列传感器温度数据传输到树莓派进行实时处理、分析和存储。此外将树莓派通过SSH 连接PC 端屏幕来实时显示热图像。由于红外热图像是根据768个温度值绘制的32pixel×24pixel的红外热图像，图像的分辨率较低，所以提出了一种新的基于边缘保护的插值算法，将图像分辨率提高至320pixel×240pixel。此外，为了方便使用者查看，将768个温度数据存储在txt中，并可显示该测量区域的最高温和最低温。

图1 系统总体结构图

2.2 温度传感器模块

为降低成本，本系统选用了尺寸小、功耗低、方便集成的MLX90640 红外阵列传感器。该模块是一款32×24 像素的红外阵列传感器，需要2.5V～3.3V/5V 的供电电压，正常工作时温度为-45℃～85℃，可测量物体温度范围为-40℃～300℃，其编程刷新速率为0.5Hz～64Hz，在整个测量范围内保持高精度水平。该模块有两种视场角（FOV）可以选择，分别为55°×30°和110°×75°。为了能近距离高效地监测物体温度，本系统选用110°×75°红外探测器视角（FOV）。

MLX90640 组成框图如图2 所示，它有四个引脚，其中SDA 用于IIC 串行接口数据线，SCL 用于IIC 串行接口时钟线，VDD 用于外接3.3V 电源，GND 接地。同时，它具有环境温度传感器和VDD电压检测ADC。通过IIC 接口，可以访问存储于内部RAM 中的红外阵列、环境温度以及VDD 实时数据，并能读取存储在EEPROM 中传感器出厂时校准常数和配置参数。

图2 MLX90640组成框图

2.3 微处理器

在此次的微处理器型号选择过程中，本系统主要以成本、效率和集成度作为三个参考指标，通过综合比较，最终选择了树莓派4B 这款微处理器。该款处理器是目前单板计算机中的最新款。实际上，树莓派［12］与普通的小型嵌入式计算机几乎没有差别，不仅体积小而且功能全面。主板上有多种类型的接口，可以满足不同信息处理需求，包括USB 3.0、USB2.0 接口各两个，还有数字接口和网络接口。树莓派内置64 位四核处理器，它内部的随机存取存储器内存有4GB的大容量，有着强大的图像数字处理技术，支持4K 高清影像，包含有2.4/5.0GHz 双频无线LAN。此外，开发板支持Python和C 语言等多种软件编程语言，广泛应用于无线传感器网络领域。

3 软件设计

3.1 温度测量流程

将芯片的刷新速率设置为64Hz并选用棋盘工作模式，然后根据EEPROM 中存储的校准数据计算出测量的温度值，其测量流程如图3 所示。将芯片接上5V 电源后，其内部需要等待80ms 左右，然后从EEPROM 中读取校准参数，并将参数存储在RAM 中，共占用1536 字节。接着，标准的MLX90640 红外传感器工作在棋盘模式下，每次测量一半的像素点，通过I2C 总线轮流读取每个子页像素的测量数据，分两次完成768像素点的测量。

图3 MLX90640测温流程

3.2 温度计算

根据式（1）可计算出每个像素点的实际温度：

式 中 有4 个 未 知 参 数，分 别 是VIR(i，j)_COMPENSATED、αcomp(i，j)、Sx(i，j)和Ta_r，其中i 的取值范围为1～32，j的取值范围为1～24，（i，j）表示像素点的位置；VIR(i，j)__COMPENSATED表示单个像素的温度梯度补偿系数，可由式（2）求得：

αcomp(i，j)表示单个像素归一化的灵敏度系数，其计算公式如式（3）：

Sx(i，j)与Ks、α(i，j)、VIR(i，j)__COMPENSATED等 参 数 有关，可由式（4）求得：

Ks表示不同温度范围的灵敏度斜率，Ta_r是由红外信号反射温度Tr、环境温度Ta、发射率系数ε组成，IR反射温度Tr≈Ta-8，其计算公式见式（5）：

式中环境温度Ta可由式（6）计算：

式中的所有参数可以在EEPROM和RAM中读取，然后将所求参数直接代入式（1）即可求得每个像素点的实际温度。

3.3 图像插值算法

插值算法［13～15］是获得高分辨率图像的主要技术手段，其中最近邻插值、双线性插值和三次多项式插值方法等使用最为普遍。1）最近邻插值算法：此种算法的优势是算法步骤少，缺点是会在插值生成位置产生锯齿状，其原理是通过计算出最近邻象素灰度，然后赋给待求像素；2）双线性插值算法：此种算法的优点是最终成像效果好，原理是从热力图的两个方向进行两次线性插值计算，这样就得出了四个不同方位的像素值；3）三次多项式插值算法：在这几种算法中，此种获得图像的分辨率最高，效果最好，但是计算量也最大，步骤繁复。需要选取待采样点周围的16 个像素灰度数值，进行三次的插值运算。

在分析了几种不同的插值算法之后，可以得知传统的插值算法尽管提升了图像的分辨率，但问题是细节处理能力较弱，导致最终的整体效果差。因此，本文提出了一种以边缘保护为处理思路的插值算法。一般来说，图像分为边缘和非边缘两个部分，前者的灰度变化很大，后者的灰度变化较小，结合这一特点，针对分辨率较低的图像，可以先运用改进的Canny 算法［16～19］准确检测出边缘位置，然后针对两个不同区域，采用不同的插值算法来获得高分辨率图像。算法流程如图4所示。

图4 插值流程

一般来说，Canny 算法会先对图像进行高斯滤波，然后计算出梯度大小和方向并对梯度幅值进行非极大抑制，最后通过双阈值处理找到图像边界，从而实现边缘提取。高斯滤波虽然使得图像变得更平滑，但滤波后的图片边缘会变得模糊，因此，本文对Canny 算法进行了改进，采用中值滤波来代替高斯滤波，中值滤波［20～21］能有效地消除图片的噪声，克服线性滤波器带来的图像细节模糊问题，能较好地保留图片的细节信息。通过主观和客观实验证明该改进可以有效提取图片的边缘。

在提取边缘并计算出像素点的灰度方向后，按照所需放大的倍数将边缘点进行放大映射，并利用已知的相邻像素灰度值来确定待插值像素，在待插值像素的具体位置插值，即在边缘区采用最近邻插值算法，可有效地保留图片的边缘细节。在此基础上，对非边缘区则采用双线性插值算法，将待插值点对应的原图像中的相邻4 点的灰度值来计算该点灰度值，使得温度高低差异明显，减少了运算量。将32pixel×24pixel 分辨率的热图像提高到320pixel×240pixel。经过技术优化，MLX90640型号的红外传感器的图像处理技术得到了较大提升，像素处理功能已经十分强大，在这点上，无论是AMG8833 还是MLX90621，都稍显逊色。这种新插值方法结合了各插值算法的优点，使得图像保留了大量信息，边缘信息更加清晰，减少了计算量，使得放大后的整体效果自然，具有较好的视觉效果。

4 测试分析

将树莓派接收到的768 温度数据存储在txt 文件中，并实时显示红外热图像。用不同灰度来表示一个区间温度的高低，温度越低，其灰度越暗，温度越高，其灰度越亮。本文对原始的热图像采用传统的插值算法和新算法进行实验。

4.1 评估指标

此次提出的新算法能否真正提升图像分辨率以及是否具有有效性，则需要通过主客实验的方法来进行验证，首先，将新算法和上述提到的几种插值算法做一次综合分析。在此次研究中，图像的熵与平均梯度是验证分析的主要参考指标，图像的熵体现的是图像信源的平均信息量，熵值有具体的数值来表示，且与插值效果成正相关关系。平均梯度能够反映图像纹理的变化情况，细节反差越大，图像整体效果越好，层次感更佳。

4.2 实验对比分析

将上述提到的三种算法进行综合或者搭配运用，第一种实验方法：单独使用双线性插值；第二种实验方法：双线性插值与三次线性插值同时运用；第三种实验方法：最近邻插值与三次多项式插值同时使用；第四种实验方法：本文提出的基于边缘保护的插值算法。放大的效果图分别如图5（a）～5（d）所示。最后，对比四种实验的图像的熵值与平均梯度数值，如表1 所示。其中运用新插值算法得到的图像，其熵值和平均梯度值是最高的，不仅计算量最小，整体效果也最佳，分辨率很高。从效果图中可以看出：图5（a）～（c）的图片中出现严重马赛克，边缘细节模糊，效果较差，图5（d）相较于其它图片层次感更加，视觉效果更好。

图5 检测结果对比

表1 几种插值算法对比

5 结语

本文采用非接触式高精度的MLX90640 红外测温传感器对需要测量的对象进行实时监测并显示热像图。由于系统是根据传感器测得的768 个像素点形成低的图像分辨率较低，提出了基于边缘保护的插值算法，与传统插值算法相比较，有效保持了图像边缘特性，提高了插值后图片的质量，具有良好的视觉效果。为了让使用者更好地监测设备，将所有温度数据存储在txt文件中，并能显示最高和最低温度。实验结果表明该系统成本低、安装方便、测量速度较快、安全稳定，该系统可以应用在对分辨率要求不高的场合，起着红外热成像系统的作用。