胡乱捣鼓01——基于AMG8833热成像模块的插值显示优化

胡乱捣鼓01——基于AMG8833热成像模块的显示优化

1.介绍一下AMG8833模块：松下品牌的AMG8833红外热像仪传感器是一个8*8的红外热传感器阵列，当连接到微控制器时，它将通过IIC返回一组64个单独的红外温度读数，紧凑而简单，便于集成。AMG8833提供比以前的AMG8831更高的性能，传感器仅支持IIC通讯，并且具有可配置的中断引脚，当任何单个像素高于或低于设置的阈值时，该引脚可以触发。

2.不足之处：该AMG8833红外热像仪传感器温度测量范围为0°C至80°C，精度为+ - 2.5°C。它可以从远达7米的距离检测物体。最大帧频为10Hz，非常适合创建人体探测器或迷你热像仪。
但是由于其返回的数据只有64个，所以直接利用这64个温度像素点来构建热成像的图像是极为不清晰的，这是AMG8833模块的最大的短板，也是实现热成像功能所要克服的至关重要的问题。下图是实测图与数据经MATLAB成像后的效果图。


由上图可知，直接将模块传回的8 * 8个数据成像后，只能稍微看出一杯热水的轮廓，因而AMG8833模块的精度是远远不够的，为此必须对8 * 8的数据进行处理。显然，要使得成像效果图更加圆滑清晰，需要对其进行插值处理。

3.插值处理
插值的任务是由已知的观测点为物理量，建立一个简单、连续的解析模型，以便能根据该模型推测物理量在非观测点处的特性。插值包括多项式插值、艾尔米特插值、分段插值和样条插值等等，其中最常见的有双线性插值和双三次插值。这里选用常见的双线性插值以及双三次插值。

3.1 双线性插值

确定了插值方式后，将AMG8833的一组数据导入MATLAB作为一个新的矩阵b，其某时刻的数据采集图及导入的数据如图所示。


因为回传的数据为8*8的一个网格数据，对于这种非函数关系的数据表，处理的方式会略有不同。先采用双线性插值的方法对数据进行插值处理。其原理较为简单，如下图所示，p点像素值决定于Q12、Q22、Q11、Q21这4个点的像素值。

先在X轴方向做2次插值操作(分别为R1和R2),然后在Y轴方向做一次插值操作§,相反的，也可以先在Y轴做2次插值操作，然后在X轴做一次插值操作。具体公式如下：

其中i、j均为浮点坐标的整数部分，u、v为浮点坐标的小数部分，为取值[0,1)区间的浮点数。比如，现在假如目标图的象素坐标为（1，1），那么反推得到的对应于源图的坐标是（0.75 , 0.75）, 这其实只是一个概念上的虚拟象素,实际在源图中并不存在这样一个象素,那么目标图的象素（1，1）的取值不能够由这个虚拟象素来决定，而只能由源图的这四个象素共同决定：（0，0）（0，1）（1，0）（1，1），而由于（0.75,0.75）离（1，1）要更近一些，那么（1,1）所起的决定作用更大一些，这从公式1中的系数uv=0.75×0.75就可以体现出来，而（0.75,0.75）离（0，0）最远，所以（0，0）所起的决定作用就要小一些，系数(1-u)(1-v)=0.25×0.25也体现出了这一特点。

明白了具体的算法之后，在matlab中进行编程代码如下：

	clear;
	clc;
	
	a = [27.50, 28.25, 29.75, 30.50, 28.50, 28.00, 28.25, 28.00
	27.75, 27.25, 27.50, 29.00, 31.00, 29.25, 30.00, 29.25
	26.50, 27.50, 26.75, 27.00, 30.75, 34.00, 46.50, 33.25
	26.50, 26.75, 27.00, 27.00, 31.00, 39.00, 59.00, 40.75
	26.00, 26.25, 25.75, 27.25, 29.50, 40.75, 59.50, 40.50
	26.25, 25.50, 21.75, 23.75, 28.00, 41.00, 59.50, 37.50
	26.50, 25.75, 17.50, 20.75, 28.00, 41.25, 53.25, 34.50
	27.25, 25.75, 24.75, 25.00, 28.00, 33.75, 36.25, 33.00               %%存数据组1到a矩阵中
	]
	b = [28.00, 31.25, 33.00, 29.75, 31.75, 29.25, 27.25, 27.25
	    29.75, 34.25, 38.25, 35.25, 36.75, 31.75, 27.50, 26.50
	    30.00, 37.00, 39.25, 38.25, 37.75, 33.00, 28.25, 26.75
	    29.50, 34.50, 39.25, 38.75, 37.00, 31.75, 27.25, 26.75
	    28.00, 31.00, 33.75, 34.25, 32.25, 28.75, 26.25, 26.25
	    26.75, 27.25, 28.25, 28.50, 27.25, 26.00, 26.75, 26.25
	    26.25, 26.50, 26.25, 26.00, 26.25, 26.50, 26.00, 26.00
	    27.50, 26.00, 26.50, 25.75, 26.00, 26.50, 26.25, 27.25            %%存数据组2到b矩阵中
	]
	
	c = [];
	d = [];                                  %构建插值后的矩阵c、d
	i=0;
	for hang=1:36                            %双线性插值
	        if hang==1
	            i=i+1;
	        end
	        if hang>2
	            
	            if rem(hang,5)==2
	                i=i+1;
	
	            end
	        end
	        
	     if rem(hang,5)==1
	        ku=0;
	    end
	    
	    if rem(hang,5)==2
	        ku=0.2;
	    end
	    
	    if rem(hang,5)==3
	        ku=0.4;
	    end
	    
	    if rem(hang,5)==4
	        ku=0.8;
	    end
	       
	     if rem(hang,5)==0
	        ku=1;
	     end
	    if hang==6 || hang==11 || ...
	       hang==16 || hang==21 || ...
	       hang==26 || hang==31 || ...
	       hang==36
	        ku=1;
	    end
	    
	    j=0;
	    for lie=1:36 
	        if lie==1
	            j=j+1;
	        end
	        if lie>2
	            
	        if rem(lie,5)==2
	        j=j+1;    
	        end
	        end
	    if rem(lie,5)==1
	        kv=0;
	    end
	    if rem(lie,5)==2
	        kv=0.2;
	    end
	    if rem(lie,5)==3
	        kv=0.4;
	    end
	    if rem(lie,5)==4
	        kv=0.6;
	    end   
	     if rem(lie,5)==0
	        kv=0.8;
	     end
	     if lie==6 || lie==11 ||...
	        lie==16 || lie==21 ||...
	        lie==26 || lie==31 || ...
	        lie==36
	        kv=1;
	     end
	 u=ku;
	 v=kv;
	   
	        
	c(hang,lie)=(1-u)*(1-v)*b(i,j)...       %%利用权重公式进行赋值
	    +(1-u)*v*b(i,j+1)...
	    +u*(1-v)*b(i+1,j)...
	    +u*v*b(i+1,j+1);
	
	d(hang,lie)=(1-u)*(1-v)*a(i,j)...
	    +(1-u)*v*a(i,j+1)...
	    +u*(1-v)*a(i+1,j)...
	    +u*v*a(i+1,j+1);
	
	
	
	    end
	    
	    
	end
	
	    
	subplot(2,2,1)                          %显示原有像素图以及插值后的像素图
	imagesc(b);
	subplot(2,2,2)
	imagesc(c);
	subplot(2,2,3)
	imagesc(a);
	subplot(2,2,4)
	imagesc(d);

效果如图所示：

3.2 双三次插值
利用MATLAB自带的函数imresize函数，可以快速的给矩阵进行双三次插值。imrersize 函数由参数method指定的插值运算来改变图像的大小。method的几种可选值： nearest（默认值）为最近邻插值，此种插值效果不好，因而放弃使用；bilinear为双线性插值，上述以做了双线性插值，因此也不再赘述；bicubic为 双三次插值 ，它是一种更加复杂的插值方式，它能创造出比双线性插值更平滑的图像边缘。借用MATLAB自带的库，我们可以快速对图像或者矩阵进行双三次插值。下图分别为将矩阵的行和列分别放大4.5倍和45倍的效果图。

代码如下：

	clc;
	clear;
	
	b = [28.00, 31.25, 33.00, 29.75, 31.75, 29.25, 27.25, 27.25
	    29.75, 34.25, 38.25, 35.25, 36.75, 31.75, 27.50, 26.50
	    30.00, 37.00, 39.25, 38.25, 37.75, 33.00, 28.25, 26.75
	    29.50, 34.50, 39.25, 38.75, 37.00, 31.75, 27.25, 26.75
	    28.00, 31.00, 33.75, 34.25, 32.25, 28.75, 26.25, 26.25
	    26.75, 27.25, 28.25, 28.50, 27.25, 26.00, 26.75, 26.25
	    26.25, 26.50, 26.25, 26.00, 26.25, 26.50, 26.00, 26.00
	    27.50, 26.00, 26.50, 25.75, 26.00, 26.50, 26.25, 27.25
	]
	
	
	t=imresize(b,45,'bicubic');   %45倍插值
	
	
	 imagesc(t);

4.准备利用AMG8833模块和arduino做一个低成本的DIY热成像相机，利用双线性插值插值完成后，实时投影到tft的显示屏中！