4. 图像采集与信号处理：模拟前端、非均匀性校正、坏点替换

各位工程师朋友，咱们今天聊聊热成像系统里最核心的“底层功夫”——图像采集与信号处理。说白了，就是从探测器拿到原始信号，到最终显示出一幅干净、均匀的热图，中间到底发生了什么。

我刚开始接触热成像时，总觉得这步很简单：探测器输出数据，处理器读进来不就完了？结果第一次调板子，屏幕上全是条纹和亮点，根本没法看。后来才明白，模拟前端、非均匀性校正、坏点替换，这三步缺一不可，顺序也不能乱。

4.1 模拟前端（AFE）——信号的第一道关卡

探测器输出的信号是模拟量，非常微弱，而且噪声很大。模拟前端（AFE）的任务就是把这个信号调理好，再交给ADC去数字化。

AFE通常包含以下几个关键环节：

• 偏置电压生成：给探测器提供稳定的工作电压。我遇到过一块板子，偏置电压纹波大了10mV，结果整幅图像都在闪烁。
• 相关双采样（CDS）：消除复位噪声。说白了就是采两次样，一次复位电平，一次信号电平，然后相减。这个技巧很实用。
• 可编程增益放大器（PGA）：根据场景动态调整信号幅度。你想想看，冬天拍雪景和夏天拍火焰，信号强度差几十倍，没有PGA根本没法统一处理。
• 模数转换器（ADC）：把模拟信号变成数字信号。分辨率一般14位或16位。

下面这张图展示了AFE的典型信号流程：

4.2 非均匀性校正（NUC）——消除“花脸”

探测器每个像元的响应率不一样，有的敏感，有的迟钝。如果不做校正，图像就是花的，像一张大花脸。非均匀性校正（NUC）就是给每个像元算一个补偿系数。

常用的方法有两种：

方法	原理	适用场景
两点校正	采集高温和低温两个参考源，计算增益和偏移	环境温度变化不大时，效果很好
多点校正	采集多个温度点，分段拟合	宽温范围或高精度要求

校正公式其实很简单：

// 两点校正伪代码
for each pixel (i, j):
    corrected[i][j] = (raw[i][j] - offset[i][j]) * gain[i][j]

其中 offset 和 gain 就是通过参考源标定出来的。嗯，这里要注意：校正系数需要定期更新，因为探测器会随着时间老化。

4.3 坏点替换算法——别让黑点白点毁了图像

探测器不可能100%完美，总有几个像元是坏的——要么一直亮（白点），要么一直暗（黑点）。坏点替换就是把这些点找出来，用邻居的值补上。

坏点检测通常有两种思路：

• 基于响应率：给探测器均匀光照，响应率异常的就是坏点。这个方法简单，但需要专门的测试设备。
• 基于邻域统计：实时计算每个像元与周围8个邻居的差异，超过阈值就标记为坏点。我在项目中常用这个方法，因为它可以在线运行。

替换算法我推荐两种：

1. 中值替换：取周围8个邻居的中值。效果稳定，能避免边缘模糊。
2. 均值替换：取邻居的平均值。计算快，但遇到边缘区域容易模糊。

坏点替换的代码实现也不复杂：

// 坏点替换示例（中值法）
void replace_bad_pixel(uint16_t *frame, int width, int height, int x, int y) {
    int neighbors[8];
    int count = 0;
    for (int dy = -1; dy <= 1; dy++) {
        for (int dx = -1; dx <= 1; dx++) {
            if (dx == 0 && dy == 0) continue;
            int nx = x + dx;
            int ny = y + dy;
            if (nx >= 0 && nx < width && ny >= 0 && ny < height) {
                neighbors[count++] = frame[ny * width + nx];
            }
        }
    }
    // 排序取中值
    sort(neighbors, count);
    frame[y * width + x] = neighbors[count / 2];
}

你想想看，如果坏点不处理，一个白点可能在图像上占据好几个像素，严重影响视觉效果。尤其是做温度测量时，坏点会导致误报。

4.4 三者的配合关系

AFE、NUC、坏点替换，这三步是按顺序执行的。我画个流程图你就明白了：

说白了，AFE负责把信号“洗干净”，NUC负责把图像“抹匀”，坏点替换负责把瑕疵“补上”。三步走完，才能得到一幅可用的热图。

---