摘 要: 在研究了紅外測溫理論的基礎上，通過黑體實驗得到“溫度—像素”和“像素—距離”曲線，對實驗數據進行挖掘和處理后，建立了一種與距離無關的紅外圖像型測溫方法,并給出了系統的實際應用模型。實驗證明，該模型能夠滿足實際的測溫精度要求。
關鍵詞: 紅外圖像; 像素值; 距離; 測溫; 模型建立
紅外測溫技術在國防、航天航空和火災監控等領域都有重要的應用。與接觸式測溫方法相比，紅外測溫具有非接觸式測量、測溫范圍廣、響應速度快和靈敏度高等優點[1]。
1 紅外測溫機理
物體處于絕對零度以上時, 由于其內部帶電粒子的運動, 因此物體會以不同波長的電磁波形式向外輻射能量, 波長涉及紫外、可見和紅外光區, 但主要處于紅外光區內。
紅外光是電磁波譜中波長為0.76 μm~1 000 μm的電磁輻射，位于可見光與無線電波之間。紅外光具有與可見光相同的反射、折射、干涉、衍射和偏振等特性，同時具有粒子性。人的眼睛對紅外光不敏感，需要借助于對紅外光敏感的探測器才能接收到紅外光。紅外輻射的本質是熱輻射, 熱輻射包括紫外光和可見光輻射，但是波長在0.76 μm~40 μm的紅外輻射熱效應最大。
物體的紅外輻射能量大小按其波長的分布, 與其表面溫度有著十分密切的關系。因此, 通過對物體自身輻射的紅外能量的測量, 便能準確地測定其表面溫度, 這就是紅外測溫的客觀依據。
2.2 測溫攝像頭的選取
在紅外圖像測溫系統中，攝像機的選用十分關鍵，它直接決定了整個系統的圖像效果。攝像機主要依據攝像機使用環境（應用場合）和攝像機的相關主要參數兩個要素進行選用。
紅外圖像測溫系統的攝像頭主要安裝在工廠、變電站和倉庫等地點，要求監控范圍大、視野開闊。本文采用黑白工業監控攝像頭，如圖2所示。
3.2 部分源代碼
cvSmooth(image1, image1, CV_MEDIAN, 3, 0, 0, 0);
//中值濾波
cvCvtColor(image1,gray,CV_RGB2GRAY); //灰度化
cvSmooth(image2, image2, CV_MEDIAN, 3, 0, 0, 0);
cvCvtColor(image2,gray1,CV_RGB2GRAY);
cvMinMaxLoc(gray,&MinValue,&MaxValue,&MinLocation,
&MaxLocation); //得到圖像最大、最小像素值
average=cvAvg(gray); //得到圖像平均像素值
s1.Format("%f",MinValue);
s2.Format("%f",MaxValue);
s3.Format("%f",average.val[0]);
s4.Format("%f",T); //T為閾值
m_Edit18.SetSel(0,-1);
m_Edit18.ReplaceSel(s4);
SetDlgItemText(IDC_EDIT17,s5);
cvGetMat(gray,gray_mat,0,0);
F_Gray2Color(gray_mat, color_mat);
//將灰度圖轉化為偽彩色圖
cvGetImage(color_mat,color_img);
DrawPicToHDC(color_img,IDC_STATIC_PIC); //顯示圖像
4 紅外圖像測溫模型建立
4.1 溫度與像素值的關系
本文用黑體做實驗來標定溫度與像素的關系[3]。所謂黑體[4]是指入射的電磁波全部被吸收，既沒有反射，也沒有透射(當然黑體仍然要向外輻射)。黑體輻射情況只與其溫度有關,與組成材料無關。
實驗設備如圖4所示，由黑體、裝有濾光片的紅外攝像頭和PC組成。
線性擬合模型為：
f(x)=p1×x+p2 Coefficients(with 95% confidence bounds):
p1=0.8113(0.776 7, 0.846)
p2=453.1(448.1, 458.2)
Goodness of fit:
SSE: 84.65 R-square: 0.990 7
Adjusted R-square: 0.990 3 RMSE: 1.962
其中，R-square表示確定系數,正常取值范圍為[0,1]，越接近1，表明方程的變量對y的解釋能力越強。該模型對數據擬合較好，此處R-square為0.990 7，說明擬合良好。由此得到溫度和像素值的函數關系為：
T=0.811 3p+453.1 (2)
4.2 像素值與距離關系
像素值會隨著距離的增大而呈現一定規律的衰減，為找出這一規律，在同一溫度下,記錄了不同距離下的像素值。實驗采集到的數據如表2所示。
線性擬合模型為：
f(x)=p1×x+p2 Coefficients(with 95% confidence bounds):
p1=-0.445 8 (-0.470 1, -0.421 5)
p2=212.1 (207.1, 217.1)
Goodness of fit:
SSE: 241.4 R-square: 0.986 5
Adjusted R-square: 0.985 9 RMSE: 3.474
此處R-square為0.986 5，說明擬合良好。
對每隔10 cm像素改變值取平均值為：
（5+4+4+5+5+5+5+7+3+5+6+4+5+4+3+3+4+0+3+3+13）/21=4.57
結果表明，距離每增加10 cm，像素值減小約4.57。
4.3 綜合模型設計
要測量物體的溫度，首先要測得物體紅外圖像的像素值，但實驗測得的像素值并非真實像素值，是隨著距離衰減的。要根據像素值與距離線性關系得到真實像素值，然后才能根據溫度與像素值的線性關系得到實際溫度值。測得的像素值、真實像素值以及實際溫度三者的關系如圖7所示。
物體的溫度可通過其紅外溫度圖像的像素值來獲得，但紅外像素值會隨著距離增大而線性衰減。本文應用了紅外測溫理論，通過黑體做實驗來標定溫度與像素值的關系以及像素值與距離的關系，得到了紅外圖像測溫系統的模型,最后把該模型應用到實際測溫過程中。實驗證明，該模型能夠滿足實際的測溫精度要求。
參考文獻
[1] 張欽. 紅外測溫儀的工作原理及檢定數據處理方法探討[J].計量與測試技術，2008,35(8):46-47
[2] 陸峰.基于紅外圖像識別的火災探測系統[D].上海：東華大學， 2009.
[3] 劉強.紅外熱成像偽彩色測溫系統設計[D]. 南京：南京理工大學，2006.
[4] 李冰,李響,魏臻.實時定標紅外測溫法測量海水表面溫度[J].天津理工大學學報，2010,26(2):66-69.