El procesamiento de imagen térmica influye en el rendimiento de una cámara infrarroja tanto como el formato del detector, el tamaño de píxel, el NETD, la óptica o la frecuencia de imagen. La cadena entre el plano focal y la interfaz de salida puede modificar la sensibilidad aparente, el detalle espacial, la estabilidad radiométrica, la latencia, la detectabilidad de objetivos, el comportamiento de compresión y el rendimiento de algoritmos posteriores. Para ingenieros OEM, la cuestión no es si el procesamiento es “bueno” o “malo”, sino qué pasos están activos, dónde se aplican, si son reversibles y si el sistema anfitrión puede acceder a datos brutos o calibrados.
¿Cómo afecta el procesamiento de imagen térmica al rendimiento de una cámara infrarroja?
El procesamiento convierte la salida no uniforme del detector en una imagen o flujo de datos utilizable. Un detector térmico no genera directamente una escena visual limpia: cada píxel tiene su propio offset, ganancia, ruido temporal, defectos, deriva térmica y curva de respuesta. La electrónica y el firmware compensan estas variaciones, transforman datos térmicos de alta profundidad de bits en valores aptos para visualización y pueden añadir mejoras para observación humana o percepción automática.
Una cadena embebida típica incluye corrección del detector, sustitución de píxeles defectuosos, corrección de no uniformidad, filtrado temporal, filtrado espacial, mapeo de contraste, control automático de ganancia, realce de bordes, formateo de vídeo y, en algunos casos, estabilización electrónica o inferencia de IA. En productos radiométricos, también intervienen tablas de calibración y conversión a temperatura. En vigilancia, navegación o adquisición móvil, la cadena puede priorizar saliencia de objetivos, baja latencia o continuidad de vídeo por encima de la exactitud absoluta de temperatura.
Por eso, el mismo sensor puede verse distinto en dos núcleos de cámara si sus ajustes predeterminados difieren. Una imagen “limpia” puede deberse a promediado temporal, no a un detector con menor ruido físico. Un borde muy marcado puede venir de sharpening, no de mayor MTF óptica. Un fondo estable puede ser resultado de una NUC agresiva y de gestión de contraste, aunque el mismo tratamiento atenúe objetivos pequeños en movimiento. Las evaluaciones OEM deben medir el núcleo completo, no solo la hoja de datos del detector. Normas como ISO 18251-1:2017 son relevantes porque tratan el procesador de imagen como parte definida del sistema de imagen infrarroja.
Por ejemplo, un módulo LWIR no refrigerado como SPECTRA L06A 640×512 LWIR 12μm puede ser adecuado cuando importan tamaño, consumo y coste. Un módulo MWIR refrigerado como SPECTRA M06A 640×512 Cooled MWIR 15μm suele elegirse cuando pesan más la sensibilidad, el alcance y el control rápido del tiempo de integración. En ambos casos, la canalización de procesamiento decide cómo la respuesta bruta del detector se convierte en una señal útil para un operador, grabador, rastreador o sistema de control.
Corrección NUC y reducción de ruido: diferencias clave
La corrección de no uniformidad, o NUC, corrige diferencias fijas entre píxeles del detector. Sin NUC, la salida puede mostrar bandas verticales, textura píxel a píxel, artefactos por fila, sombreado o patrones residuales que no pertenecen a la escena. El método habitual aplica coeficientes de offset y ganancia por píxel, obtenidos a partir de referencias de calibración. En muchos sistemas, la NUC puede actualizarse mediante obturador, referencia externa o algoritmos basados en escena.
La reducción de ruido actúa sobre fluctuaciones temporales y espaciales que permanecen después de corregir el patrón fijo. El filtrado temporal combina información de varios fotogramas para reducir ruido aleatorio. El filtrado espacial usa píxeles vecinos para suavizar grano visible o artefactos aislados. Estas operaciones mejoran la apariencia y pueden reducir el ruido percibido, pero introducen compromisos: el filtrado temporal puede generar retardo, arrastrar objetivos en movimiento o reducir la amplitud de eventos transitorios; el filtrado espacial puede borrar detalle fino, desenfocar objetos calientes pequeños o alterar la forma de los bordes.
La distinción es crítica. La NUC suele ser imprescindible para que la imagen sea utilizable; la reducción de ruido depende más de la aplicación. Una cámara para inspección lenta puede tolerar más promediado temporal que una cámara montada en una plataforma móvil. En vigilancia estabilizada, el suavizado puede mejorar la repetibilidad; en navegación o seguimiento, puede ocultar señales débiles justo cuando el sistema las necesita.
La NUC también afecta la estabilidad a largo plazo. Los microbolómetros no refrigerados derivan con la temperatura del plano focal y las condiciones de operación, de modo que la corrección periódica es importante. Los sistemas MWIR refrigerados trabajan bajo otro régimen térmico, pero siguen necesitando gestión de calibración para respuesta del detector, tiempo de integración y óptica. El OEM debe preguntar con qué frecuencia ocurre la NUC, si interrumpe el vídeo, si existe corrección sin obturador, cómo se especifica el ruido fijo residual y si el anfitrión puede controlar el momento de corrección.
La sustitución de píxeles defectuosos merece una evaluación separada. Reemplazar píxeles dañados con valores vecinos limpia la imagen, pero también puede ocultar objetos pequeños de alto contraste si hay demasiadas sustituciones próximas. Los integradores que desarrollan detección automática deberían solicitar mapas de defectos, reglas de sustitución y acceso a datos brutos o mínimamente procesados para validación.
Mejora de contraste y rango dinámico en cámaras térmicas
Las cámaras térmicas suelen generar más niveles de gris de los que puede representar una pantalla o un flujo de vídeo comprimido. Un detector y su ADC pueden producir datos internos de 12 bits, 14 bits o más, mientras que el vídeo de visualización puede limitarse a 8 bits. La mejora de contraste y el control automático de ganancia comprimen ese rango amplio en una imagen visible. Este paso influye con fuerza tanto en la interpretación humana como en la visión artificial.
El mapeo lineal es sencillo: un intervalo de temperatura o señal se asigna a niveles de gris de salida. Conserva relaciones relativas dentro del intervalo, pero desperdicia contraste si la escena contiene zonas extremadamente calientes o frías. Los métodos basados en histograma redistribuyen los grises según el contenido de la escena; pueden revelar detalles en regiones de bajo contraste, aunque hacen que objetos idénticos parezcan distintos cuando cambia el encuadre. La mejora local de contraste ayuda en gradientes térmicos débiles, pero puede amplificar ruido o crear halos junto a bordes de alto contraste.
El rango dinámico es especialmente importante en escenas con cielo, superficies calentadas por el sol, motores, fuego, agua o materiales reflectantes. En una escena aérea puede haber cielo frío, terreno cálido y componentes de motor calientes en el mismo fotograma. Si la cámara usa AGC agresivo, el vídeo puede resultar cómodo para el operador, pero inestable para un clasificador. Si la ganancia queda fija, la imagen será menos adaptable visualmente, pero más predecible para procesamiento posterior.
La medición radiométrica añade otra restricción. La mejora de visualización no debe confundirse con salida de temperatura calibrada. Un vídeo visualmente optimizado puede no preservar relaciones lineales de temperatura. Para inspección, control de proceso y analítica cuantitativa, el OEM debe confirmar si el módulo entrega datos radiométricos, datos corregidos de alta profundidad de bits o solo vídeo mapeado para pantalla. Los principios generales de termografía en ISO 10880:2017 ayudan a enmarcar la selección del sistema según la tarea de medición.
Filtros temporales, realce de bordes e IA: cuándo usarlos
El realce de bordes puede aumentar la nitidez percibida y facilitar la lectura rápida de límites de objetos. Es útil cuando un operador debe interpretar vídeo en condiciones de bajo contraste. Sin embargo, no recupera información óptica que la lente y el detector no capturaron. Aumenta el contraste local en transiciones y puede elevar ruido, ringing y falsa textura. En medición o análisis automático, un sharpening excesivo distorsiona contornos y puede afectar segmentación, estimación de tamaño o seguimiento.
El filtrado temporal es adecuado cuando la escena es estable o cuando se valora un vídeo suave. Es menos apropiado cuando los objetos pequeños se mueven rápido, la plataforma vibra o el sistema debe conservar tiempos precisos entre fotogramas. La cantidad aceptable de filtrado depende del tamaño angular del objetivo, su velocidad, el tiempo de integración, la frecuencia de imagen y el lazo de control que use la imagen. Estudios de SPIE sobre técnicas como microscan en sensores infrarrojos, por ejemplo Benefits of microscan for staring infrared imagers, muestran cómo procesamiento y muestreo pueden cambiar resolución aparente y calidad de imagen.
La IA añade otra capa. Detección embebida, fusión, clasificación o mejora pueden reducir carga del anfitrión y mejorar la respuesta del sistema, pero también cambian el contrato de datos entre la cámara y la plataforma OEM. Los modelos suelen requerir preprocesamiento consistente, contraste estable, latencia controlada y metadatos. Si el modelo se entrenó con una configuración, cambiar NUC, AGC, sharpening, compresión o fusión puede degradar su fiabilidad.
Un sistema como NEXUS LV0619B AI multi-band Ethernet/SDI ilustra este punto: la cadena de imagen no es solo una fuente de vídeo, sino parte de una pila de percepción. La evaluación debe incluir probabilidad de detección, falsas alarmas, distribución de latencia, tasa de actualización, deriva ambiental y comportamiento de interfaz con escenas reales. Trabajos en IEEE Xplore sobre reducción de ruido por procesamiento multifotograma en matrices focales infrarrojas, como Interior Radiation Noise Reduction Method Based on Multiframe Processing, subrayan que el filtrado puede mejorar la señal, pero debe verificarse frente a la tarea final.
Datos térmicos brutos o vídeo procesado: qué debe especificar un OEM
El OEM debe especificar la salida según la tarea posterior. El vídeo procesado es apropiado para observación, grabación, conciencia situacional o apoyo a decisiones de operador. Es compacto, fácil de visualizar y compatible con infraestructura de vídeo convencional. Los datos brutos o corregidos de alta profundidad de bits son preferibles cuando el anfitrión realiza medición, fusión sensorial, detección de objetivos, SLAM, seguimiento o mejora propietaria.
La arquitectura más útil a menudo ofrece ambos. Un flujo de visualización puede optimizarse para operadores, mientras un flujo de datos conserva valores corregidos para algoritmos. Esta separación evita que un procesamiento orientado a pantalla contamine entradas de medición o percepción. También facilita el desarrollo: los ingenieros pueden comparar flujos brutos, corregidos y mejorados para aislar si un problema viene del detector, la óptica, la calibración, el procesamiento, la compresión o el algoritmo anfitrión.
La latencia debe especificarse con el mismo rigor que la calidad de imagen. Cada búfer, filtro, codificador, pila de red y etapa de IA puede añadir demora. Unos pocos fotogramas de retardo pueden ser irrelevantes para inspección estática, pero inaceptables para gimbals, navegación robótica, asistencia a la conducción o sensores de control rápido. Conviene solicitar mediciones de latencia extremo a extremo bajo el modo de salida previsto, no solo la frecuencia nominal de imagen.
Las interfaces también condicionan el rendimiento práctico. MIPI, Camera Link, USB, Ethernet, SDI y vídeo analógico difieren en ancho de banda, sincronización, metadatos, longitud de cable, complejidad de integración y compatibilidad de ecosistema. Además, los sistemas de doble banda requieren más escrutinio. Un producto como FUSION LV1225A 1280×1024+2560×1440 combina información térmica y visible, por lo que el procesamiento incluye registro, escalado, alineación, mezcla y quizá fusión guiada por objetivos. Estos pasos mejoran la interpretabilidad, pero añaden requisitos de calibración y latencia.
La especificación práctica debería indicar qué flujos están disponibles, su profundidad de bits, si son radiométricos, qué correcciones ya están aplicadas, qué mejoras pueden desactivarse, cómo se controla la NUC, cómo se generan marcas temporales y si existen metadatos de calibración. Sin estos detalles, dos cámaras con especificaciones principales similares pueden comportarse de forma muy distinta en el producto final.
Preguntas frecuentes
¿Cómo afecta el procesamiento de imagen al alcance de detección térmica?
Puede mejorar el alcance aparente al reducir ruido de patrón fijo, estabilizar contraste y hacer visibles diferencias térmicas pequeñas. También puede reducirlo si el filtrado temporal arrastra objetivos móviles, el filtrado espacial desenfoca objetos pequeños o el AGC suprime firmas débiles junto a zonas más intensas.
¿Un NETD más bajo siempre significa mejor imagen después del procesamiento?
No necesariamente. Un NETD bajo es valioso, pero solo describe sensibilidad bajo condiciones definidas. La NUC residual, la MTF, la estabilidad de calibración, el rango dinámico, la latencia y la configurabilidad del procesamiento pueden pesar más en una aplicación concreta.
¿Deben los modelos de IA usar datos térmicos brutos o vídeo mejorado?
Normalmente conviene entrenar y validar con una entrada consistente. Los datos térmicos corregidos de alta profundidad de bits conservan más información. El vídeo mejorado puede funcionar si el modelo se entrena con exactamente los mismos ajustes que se desplegarán.
¿Por qué la misma cámara térmica se ve diferente en escenas distintas?
Porque muchas cámaras adaptan contraste y escala de grises al contenido. Si entra un objeto caliente en el campo de visión, el AGC puede remapear toda la imagen y hacer que el fondo parezca cambiar aunque su temperatura sea estable.
¿Qué ajustes deben revisarse antes de seleccionar un módulo térmico OEM?
Método y temporización de NUC, gestión de píxeles defectuosos, filtrado temporal y espacial, sharpening, modos de contraste, salida de alta profundidad de bits, radiometría, latencia, marcas temporales, metadatos, compresión, interfaces y posibilidad de configurar o desactivar mejoras.
