克服 InGaAs SWIR 成像的畫素缺陷
克服 InGaAs SWIR 成像的畫素缺陷
本公司獨特的 Pixel Correction Beyond 演算法，開發目的在於克服經常出現在工業用 SWIR 成像中的畫素缺陷問題。該演算法超越了傳統的動態畫素缺陷校正方式。本技術可彈性微調影像內容的校正強度，以獲得大幅提升的 SWIR 畫質。在您的視覺系統運作時，可以同時獲得性能提升與成本下降等益處。
精確測量結果的主要障礙：有缺陷的畫素
數位工業用相機的影像感光元件，常常因為製造時的缺陷、感光元件老化或環境影等等，發生畫素缺陷問題，結果就是損害影像品質，進而影響測量與影像結果的精確性。
相機感光元件中的畫素缺陷
在長曝光時間、高增益設定、感光元件於高溫下運作（熱畫素）時，特別容易發生畫素缺陷問題。雖然有問題的畫素為數不多，但會完全呈現黑色或白色畫素，因而無法提供任何有用的資訊。
InGaAs 感光元件最著名的特色，就是對短波紅外光的靈敏度。不過這也使得該類元件容易發生畫素缺陷，感光元件溫度愈高，雜訊強度也跟著提高。
解決方案之一：動態畫素缺陷校正
畫素缺陷必須校正，測量精確度才能提高。靜態校正方式會在感光元件校正時偵測有缺陷的畫素，並且儲存結果。另一方面，動態校正會在應用執行時連續運作於每一張畫格，因此可以在新發現缺陷畫素時對條件變更進行反應。該方式會在影像資料自相機傳輸出去之前，對缺陷畫素進行辨識與校正，調整其方向與強度的數值，以符合周遭畫素。這種畫素運算會大量使用電腦算力，也必須及時進行運算，因此本公司的 Pixel Correction Beyond 功能係在相機 FPGA 上執行。
下一步：超越 SWIR 成像的 Pixel Correction Beyond 功能
對工業使用者而言，是否要使用具備冷卻功能的 SWIR 相機，主要取決於影像品質。Basler 的解決方案，其性能大幅超過舊有的校正演算法，能夠產生足堪匹敵 TEC 相機的影像品質，因而大幅降低系統成本。
Pixel Correction Beyond 功能在 SWIR 成像解决方案中的優越性
透過整合影像內容，我們的方法超越了傳統的動態畫素缺陷校正，提供：
靈活調整校正強度
更佳的邊緣結構校正結果，同時保留影像細節
也可校正飽和度多變的閃爍畫素
本公司的演算法可以帶來均勻且一致的影像，大幅改善 SWIR 成像品質。可透過校正強度的微調，達成影像品質的敏銳校正。在 SWIR 相機 FPGA 上執行該演算法，帶來最佳影像處理速度，不增加 CPU 負荷。