建筑散热器热表面上的气流场的红外热成像测速方法

摘要

建筑散热器热表面上的气流场的红外热成像测速方法，本发明涉及红外热成像测速方法。本发明是要解决点测速中很难准确和详细地测量室内环境中整个流场，目前对整个流场逐点测量仍然是非常困难和耗时的，以及面测速技术中的PIV技术对测试区域的连续分布粒子的拍摄实际是困难的，同时操作起来也比较复杂繁琐，进而提出建筑散热器热表面上的气流场的红外热成像测速方法。该方法是通过一、选择合适的红外热像仪；二、拍摄红外热像视频；三、获取帧图；四、得到滤波后的图像；五、得到相邻两张帧图的相关性；六、计算得到速度矢量V；七、绘制速度矢量图等步骤实现的，本发明应用于红外热成像测速领域。

说明书

技术领域

本发明涉及红外热成像测速方法，特别涉及建筑散热器热表面上的气流场的红外热成像测速方法。

背景技术

目前，其流场可视化技术有很多，一般情况下可以分为点测速和面测速。点测速技术包括毕托管、热线风速仪、热球风速仪和激光多普勒测速仪(LDV)等。面测速技术主要包括粒子跟踪测速(PTV)、粒子条纹测速(PSV)和粒子图像测速技术(PIV)。一般来说，使用点测速很难准确和详细地测量室内环境中整个流场。同时，大部分的点测速，如热风速仪和超声波测速会对当地的气流有扰动。即使使用非侵入式的点测速技术(例如LDV)，对整个流场逐点测量仍然是非常困难和耗时的。而面测速技术可以在不干扰气流的情况下，获得整个面上瞬时和平均速度场。所以PIV是比较广泛用于流场研究的光学测速仪器。然而，尽管PIV技术用于各种流场的测量已取得丰硕成果，但其在白天测量流场是困难的，由于光线太亮以至于不能捕获激光片上的粒子图像。PIV的测量区域大小仅限于约10米，由于激光的能量有限想要测量整个测试区域的连续分布粒子实际是困难的，同时操作起来也比较复杂繁琐。

因此提出一种利用红外热成像测量散热器热表面附近气流场的方法，即红外热成像测速技术(TIV)。该技术操作简单，具有广泛的潜在应用。

发明内容

本发明的目的是为了解决点测速很难准确和详细地测量室内环境中整个流场、对整个流场逐点测量仍然是非常困难和耗时的以及面测速技术对测试区域的连续分布粒子实际是困难的，同时操作起来也比较复杂繁琐问题，而提出的建筑散热器热表面上的气流场的红外热成像测速方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、选择合适的红外热像仪，使得仪器的分辨率、解像度以及热灵敏度满足要求；其中，满足的要求红外热像仪的分辨率为320x240；解像度为1.36mrad，热灵敏度<0.05℃；

步骤二、利用红外热像仪对散热器表面拍摄红外热像视频；

步骤三、对得到的红外热像视频进行视频处理获取帧图；

步骤四、选取相邻的两张帧图进行滤波处理，得到滤波后的图像；

步骤五、计算相邻两张滤波后的帧图温度模式的相关性，得到相邻两张帧图的相关性；

步骤五一、通过matlab中的imread函数读取滤波后的相邻两张帧图；

步骤五二、设置询问窗口的尺寸windowsize；

步骤五三、确定图片的分块数，即图片尺寸除以询问窗口尺寸；

X＝M/windowsize Y＝N/windowsize

其中，windowsize为询问窗口尺寸，X为图片长的分块总数；Y为图片宽的分块总数；

步骤五四、利用Matlab中的normxcorr2函数进行互相关计算，得到相邻两张帧图温度模式的相关性γ(u,v)：

$\gamma (u,v)=\frac{{\Sigma }_{x,y}[f(x,y)-{\bar{f}}_{u,v}][t(x-u^{\prime },y-v^{\prime })-\bar{t}]}{{\left\{{\Sigma }_{x,y}{[f(x,y)-{\bar{f}}_{u,v}]}^2{\Sigma }_{x,y}{[t(x-u^{\prime },y-v^{\prime })-\bar{t}]}^2\right\}}^{0.5}}$

其中，f(x,y)是图像，t是经滤波处理后图像中坐标(u′，v′)处的询问窗口包含的特征图，是t的平均值，是f(x,y)的平均值；(x,y)为图像f(x,y)的坐标点；x＝1,2,3，...，X,y＝1，2，3，...，Y；

步骤六、通过相邻两张帧图的相关性计算获得表面亮度温度的位移l，根据表面亮度温度的位移计算得到速度矢量V；

步骤七、通过matlab中的quiver函数根据速度矢量V值绘制速度矢量图。

发明效果

本发明的目的在于随着流场可视化技术的发展，以一种更加简单有效的技术来实现流场可视化。本发明将红外热像技术应用到流场可视化领域，相比其他任何测速技术，该技术使得流场可视化的实现更加高效方便，也使得红外热像技术得到更广泛的应用。

利用红外热成像测速技术测量速度场，属于面测速技术：是直接对测试表面附近进行拍照，得到红外热像视频，然后对视频图像进行处理就可以得到速度场。是一项非常便利的面测速技术如图5。

附图说明

图1为具体实施方式八提出的红外热像技术实现气流场可视化的原理图；其中，1为第一张帧图，2为速度矢量；3为第一张帧图中的一块亮度温度；4为第二张帧图，5指代拍摄的帧图的亮度温度块即3,7；6为是指代拍摄的帧图即1,4；7为第二张帧图中与第一块相同的一块亮度温度；8为红外热像仪；

图2为具体实施方式一提出红外热像技术测建筑散热器热表面附近气流场示意图；其中，1为测试房间，2为红外热像仪，3为散热器；

图3为具体实施方式一提出散热器上方可见光图像；

图4为具体实施方式一提出散热器上方红外热像；

图5为具体实施方式一提出散热器上方速度矢量图。

具体实施方式

具体实施方式一：本实施方式的建筑散热器热表面上的气流场的红外热成像测速方法，具体是按照以下步骤制备的：

步骤一、选择合适的红外热像仪，使得仪器的分辨率、解像度以及热灵敏度满足要求；其中，满足的要求红外热像仪的分辨率范围为320x240；解像度为1.36mrad，热灵敏度<0.05℃；

步骤二、利用红外热像仪对散热器表面拍摄红外热像视频如图2和图3；

步骤三、对得到的红外热像视频进行视频处理获取帧图；(如图4)通过matlab编程处理，读取视频，然后将视频分离成帧图如图4；

步骤四、选取相邻的两张帧图进行滤波处理，得到滤波后的图像；

步骤五、计算相邻两张滤波后的帧图温度模式的相关性，得到相邻两张帧图的相关性；

步骤五一、通过matlab中的imread函数读取滤波后的相邻两张帧图；

步骤五二、设置询问窗口的尺寸windowsize；

步骤五三、确定图片的分块数，即图片尺寸除以询问窗口尺寸；

X＝M/windowsize Y＝N/windowsize

其中，windowsize为询问窗口尺寸，X为图片长的分块总数；Y为图片宽的分块总数；

步骤五四、利用Matlab中的normxcorr2函数进行互相关计算，得到相邻两张帧图温度模式的相关性γ(u,v)：

$\gamma (u,v)=\frac{{\Sigma }_{x,y}[f(x,y)-{\bar{f}}_{u,v}][t(x-u^{\prime },y-v^{\prime })-\bar{t}]}{{\left\{{\Sigma }_{x,y}{[f(x,y)-{\bar{f}}_{u,v}]}^2{\Sigma }_{x,y}{[t(x-u^{\prime },y-v^{\prime })-\bar{t}]}^2\right\}}^{0.5}}$

其中，f(x,y)是图像，t是经滤波处理后图像中坐标(u′，v′)处的询问窗口包含的特征图，是t的平均值，是f(x,y)的平均值；(x,y)为图像f(x,y)的坐标点；x＝1,2,3，...，X,y＝1，2，3，...，Y；

步骤六、通过相邻两张帧图的相关性计算获得表面亮度温度的位移l，根据表面亮度温度的位移计算得到速度矢量V；

步骤七、通过matlab中的quiver函数根据步骤六二中得到的速度矢量V值绘制速度矢量图；

红外热像仪拍到的红外热像照片上面显示的是温度场，然后基于红外热像照片，经过步骤一到步骤七处理过程最后得到我们想要的最终结果速度矢量图，目标是通过温度场来得到速度场(如图5)；图3为实验的散热器及上方壁面，通过红外热像仪拍摄红外热像视频，然后进过预处理得到图4散热器上方红外热图像，最后通过软件计算处理得到图5散热器上方速度矢量图。

本实施方式效果：

本实施方式的目的在于随着流场可视化技术的发展，以一种更加简单有效的技术来实现流场可视化。本实施方式将红外热像技术应用到流场可视化领域，相比其他任何测速技术，该技术使得流场可视化的实现更加高效方便，也使得红外热像技术得到更广泛的应用。

利用红外热成像测速技术测量速度场，属于面测速技术：是直接对测试表面附近进行拍照，得到红外热像视频，然后对视频图像进行处理就可以得到速度场。是一项非常便利的面测速技术如图5。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤三中对得到的红外热像视频进行视频处理获取帧图具体过程如下：

步骤三一、利用Matlab中的函数VideoReader读取视频文件对象；

步骤三二、通过.NumberOfFrames程序语句获取读取地视频的总帧数；

步骤三三、再利用Matlab中的read函数一帧一帧的读取；

步骤三四、利用Matlab中的imshow函数显示读取的帧图，用imwrite函数保存读取的帧图。其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：步骤四中选取相邻的两张帧图进行滤波处理，得到滤波后的图像具体过程如下：

步骤四一、利用Matlab中的imread函数读取相邻的两张帧图；

步骤四二、将相邻的两张帧图进行预处理，利用Matlab中的rgb2gray函数将真彩图变成灰度图像，为接下来的处理做准备；

步骤四三、利用Matlab中的fft二维离散傅里叶变换函数将灰度图像进行傅里叶正变换，将灰度图像的时域变换到频域；

步骤四四、通过Matlab中的size函数获取经过傅里叶变换后的图片的尺寸M x N；

步骤四五、根据傅里叶正变换将图形的时域变换到频域，设置滤波的截止频率；

步骤四六、通过滤波传递函数进行滤波处理，将经过傅里叶变换转换到频率域的图像中低于截止频率的信号滤去得到滤波处理后的结果；

步骤四七、将滤波处理后的结果再经过ifft二维傅里叶逆变换函数将滤波处理后的结果由频域变回时域，得到滤波后的帧图。其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤四三中由于数字图像的存储是离散的，因此经常用到离散傅里叶变换；二维离散傅里叶变换的定义：

$F(u,v)=\underset{m=0}{\overset{M-1}{\Sigma }}\underset{n=0}{\overset{N-1}{\Sigma }}f(m,n)e^{-j2\pi (um/M+vn/N)}$

其中，f(m，n)表示图像空间域坐标为点(m，n)的灰度值；数字图像像素为MxN；u和v是频率域的频率变量，u取值是0到M-1，v取值是0到N-1；j为虚数，e为指数；M为图片的长(单位为像素)，N为图片的宽(单位为像素)；

F(u,v)为图像矩阵f(m,n)的频谱，为复数写成下式：

F(u,v)＝|F(u,v)|e^jΦ(u,v)＝R(u,v)+jI(u,v)

F(u,v)为频谱的幅值，Φ(u,v)为频谱的相位，R(u,v)为F(u,v)的实部，I(u,v)为F(u,v)的虚部；

$\left|F(u,v)\right|=\sqrt{R{(u,v)}^2+I{(u,v)}^2}$

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：步骤四五中截止频率的设置是根据处理的图像的特征来定的，一般取50～100。其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：步骤四六所述的滤波传递函数公式d为：

$d=\sqrt{{(i-a)}^2+{(k-b)}^2}$

其中，a＝M/2取整，b＝N/2取整；i＝1～M，k＝1～N；数字图像像素为MxN。其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤四七中二维离散傅里叶逆变换的定义：

其它步骤及参数与具体实施方式一至六之一相同。

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤六中通过相邻两张帧图的相关性计算获得表面亮度温度的位移l，根据表面亮度温度的位移计算得到速度矢量V具体为：

步骤六一、如说明书附图1所示，通过相邻两张帧图的相关性，根据matlab中的normxcorr2函数计算读取的相邻两张帧图得到表面亮度温度的位移l；

表面亮度温度的位移l具体为：相邻两张帧图中第一张帧图的亮度温度在第二张帧图中的出现的相对位移；

步骤六二、设置相邻两张帧图的时间增量Δt；

步骤六三、根据表面亮度温度的位移计算得到速度矢量V具体为如图1：

$V=\frac{l}{\Delta t}$

其中，l为表面亮度温度的位移，V为速度矢量。其它步骤及参数与具体实施方式一至七之一相同。