红外成像是一种将可见光难以捕捉的“温度”“辐射”和“分子化学信息”转换为图像的技术。从利用热成像观察温度分布，到利用红外光谱绘制化学成分分布，其应用已扩展到医疗、材料、制造和生物等众多领域。

本文将系统介绍红外线能够观察什么、主要方式与设备构成、光谱成像方法、具体应用实例、导入评价要点及未来发展趋势。

红外成像基础

首先了解红外成像通过何种原理将哪些信息可视化，有助于理解不同方式之间的差异并选择合适用途。

红外成像大致分为捕捉热辐射的方式，以及测量物质如何吸收红外线的方式。两者都需要“检测红外线并形成图像”，但所得信息是温度还是化学组成，其含义完全不同。

初学者容易误以为红外图像一定直接代表温度。实际上，基本测量量是辐射或透射强度，再据此推算温度或成分。推算过程需要发射率、反射和样品厚度等前提，如果前提不正确，解释也会发生偏差。

正确使用红外成像的关键，是先区分希望观察的是“热现象”还是“化学信息”，再确定所需波段和测量模式。如果目的不明确就选择设备，可能在讨论分辨率和灵敏度之前，就已经在追踪原理上无法观察的对象。

红外线能够观察什么（温度、辐射、分子信息）

红外成像能够观察的信息大致分为三类。第一类是温度分布，将物体因热产生的红外辐射强度转换为图像。热成像是其代表，可以直观观察发热体的热点和热流。

第二类是辐射本身。红外摄像机的信号不仅由温度决定，还会受到发射率差异、周围物体的映入（反射）和大气吸收影响。金属等低发射率材料即使温度相同，也可能显得较暗或明显反射周围物体，因此换算温度时必须正确设置条件并进行补偿。

第三类是分子信息。以中红外为主，分子振动会产生特定吸收，因此可通过光谱观察官能团、组成、结晶和氧化等状态变化。逐像素获取这些信息并以成分分布形式显示，就是红外光谱成像。它擅长识别外观相似的材料，并分析劣化和污染的原因。

热红外（热成像）与红外光谱成像的区别

热成像主要根据辐射强度推算温度分布，适合快速观察包括时间变化在内的热行为。所得数据基本上是每个像素一个值（温度或辐射强度），分析重点包括发射率设置、反射温度补偿和区域温度统计。

红外光谱成像则使每个像素都具有一条光谱。除图像外，还有波数（波长）方向的信息，可以根据特定峰值强度和光谱形状推算化学成分或状态。虽然测量时间和数据量会增加，但能够深入解释仅靠温度无法说明的“发生了什么”。

简单来说，热成像是热的可视化，光谱成像是化学信息的可视化。现场容易把两者混淆，例如希望使用测温设备观察材料差异。先明确目的，就能自然确定所需波段和设备构成。

红外成像方式与设备构成

红外波段、探测器、光学系统和测量模式的组合，会显著改变适用对象、可获得的信息、成本和运行条件。

使用哪个波段决定可以观察的信息及测量难易程度；探测器方式决定灵敏度和速度；光学系统与测量模式则决定分辨率和样品限制。

选择设备时，重要的不是规格最大值，而是对实际样品能否获得所需重复性。例如，即使灵敏度很高，如果样品含水量较多、吸收很强，目标波段的信号也可能饱和而失去信息。

把构成要素分为“波段”“探测器”“模式”三部分进行整理，可以减少选型遗漏。研发用途与检验用途所需的吞吐量和运行负担不同，因此导入前还需要设计完整的测量流程。

中红外、近红外与远红外（太赫兹）的使用区分

近红外具有较高的透射性，容易获得较厚样品或较深区域的信息。不过，其分子信息主要来自倍频和合频，吸收峰容易重叠，因此相比简单识别峰值，更适合结合统计分析和校准曲线进行推算。

中红外包含分子振动的指纹区，不同官能团的吸收通常较明显，因而具有较高的化学选择性。它适合材料鉴定、混合比例变化和劣化生成物检测，但水的吸收很强，因此对生物和湿润样品需要合理选择测量模式并调整样品制备方法。

远红外至太赫兹适用于介电响应、层状结构和异物检测。波长越长，空间分辨率通常越不利，但有时可以非破坏方式观察内部结构。综合考虑目标现象的尺度、水分影响和所需分辨率，可以明确适用范围。

探测器与摄像机（测辐射热计、制冷型、InGaAs等）

非制冷测辐射热计属于热型探测器，优势是容易使用且成本较低。它广泛用于热成像，现场维护负担较小，但灵敏度和响应速度通常不如制冷型，在微小温差和高速现象测量中可能遇到限制。

制冷型多采用量子型探测器，具有高灵敏度和高速特性，适合微弱红外信号和短积分时间测量。但其需要制冷机构，会增加初期费用、运行成本、预热和校准管理负担。研究中追踪微小差异与检验中追求稳定运行，对设备的最佳选择并不相同。

InGaAs等近红外摄像机在近红外区域具有很高的实用性。配合波段适合的光源，可用于高速生产线检查和工序内监控；同时，噪声特性、暗场补偿和温度漂移管理会直接影响品质，因此还应考虑现场温度环境和校准频率。

光学系统与测量模式（透射、反射、ATR）

空间分辨率不仅取决于波长，也会受到物镜数值孔径和光学设计影响。在显微系统中，除确认分辨率是否足以观察目标结构外，还要确认光量能否保证SNR，以及视野与分辨率是否取得平衡。

透射模式适合薄片和薄膜等能够透光的样品，容易直接获得吸收光谱。但样品过厚时吸收会饱和，使成分差异难以观察，因此样品制备会显著影响测量品质。

反射模式适合不透明样品，所得信息主要来自表面及其附近。ATR使样品与高折射率晶体紧密接触，擅长观察表面薄层，适用于涂层和生物膜。但接触压力、贴合不均、基板和表面粗糙度会影响结果，因此必须标准化测量条件。

主要红外光谱成像方法

光谱成像有多种图像和光谱数据获取方式，应根据目的（速度、分辨率、灵敏度和化学选择性）选择适当方法。

不同方式的本质区别，在于如何收集“每个像素的光谱”。方式改变后，测量时间、波数分辨率、噪声和分析前提也会发生变化。

实际应用中，应首先定义获得目标结论所需的光谱品质。例如，若目的只是判定某种成分有无，可能无需很高的波数分辨率；如果要区分相近成分，分辨率和SNR则十分重要。

光谱成像的数据量通常很大，因此选型时除测量外，还要考虑数据管理和分析流程。即使提高了测量速度，如果分析无法跟上，运行仍然无法顺利进行。

FTIR成像的特点

FTIR成像采用傅里叶变换红外光谱法，将干涉仪获得的干涉图进行傅里叶变换以得到光谱。将其与面阵探测器（FPA）组合，可以一次获取视野内大量像素的光谱，高效完成化学成分映射。

波数分辨率、测量速度和光谱SNR之间存在取舍关系。提高分辨率需要扫描更长的光程差，因此测量变慢；增加积分次数可以提高SNR，但也会延长时间。根据目的确定必要的分辨率和SNR、避免性能过剩，是实际应用的关键。

典型流程包括背景测量、样品测量、光谱预处理、大气成分补偿、峰值或波段强度计算及图像映射。如果背景条件和大气补偿不足，图像可能反映的是测量条件差异而非成分差异，因此测量前应稳定环境并固定流程。

超分辨中红外光谱成像的发展趋势

中红外波长较长，普通光学显微镜受到衍射极限限制，微小结构细节容易模糊。为突破这一限制，利用近场的方法、将红外吸收转换为其他信号进行检测的光热方法，以及AFM-IR等技术正受到关注。

空间分辨率提高后，可以分析材料微小区域、界面反应以及纳米填料周围的分子取向等原本被平均化而无法观察的化学不均匀性。也就是说，可以通过图像直接追踪“材料特性波动的原因”，从而提高设计依据的准确性。

目前仍面临设备复杂、测量吞吐量低、样品要求高和数据解释困难等课题。若只关注分辨率，运行容易难以持续。更现实的方法是先用大视野FTIR把握整体，再对必要区域进行超分辨分析。

红外成像的应用实例

红外成像同时具备热信息和化学信息的可视化能力，因此从研发到质量管理都有广泛应用。

考虑应用时，可将预期输出分为“发现异常有无”“确定原因物质”和“定量分析分布”。热成像通常擅长异常检测和工序监控，光谱成像则更擅长原因分析和材料评价。

红外测量的难点在于，即使对象相同，观察条件不同也可能改变结论。例如，需要区分热图像中的差异究竟来自发射率还是温度，也要区分光谱图中的差异究竟来自厚度还是组成。能否合理设计这种切分方法，会决定应用成败。

下面具体介绍主要领域能够实现的目标及容易遇到的问题。

生物测量与医疗（蛋白质、细胞、组织）

红外光谱成像可以根据与蛋白质二级结构相关的波段，以及脂质、核酸等特征吸收，绘制细胞和组织内分子指标的分布。由于无需依赖染色即可提取特征，因此在减少预处理影响的病理辅助和研究领域具有价值。

但生物样品中的水吸收很强，会显著影响中红外信号。因此需要使用干燥切片、调整固定条件，或选择ATR等模式，避免目标信息被水的影响淹没。

医疗应用的重点，是验证光谱差异与病理状态之间的关系。即使图像显示差异，也可能由测量厚度或预处理波动造成。样品制备标准化以及使用独立数据确认重复性，是从研究走向实际应用的主要门槛。

材料与制造（缺陷检查、接合、涂层）

热成像利用缺陷或剥离会改变热流的现象进行检测。除被动观察温度分布外，还可以结合主动热检测，即对对象加热或冷却并观察其响应，使内部缺陷和接合不良更容易显现。

在制造现场，即使温差很小也可能代表工序异常，因此图案的稳定性和重复性往往比绝对温度更重要。对于发射率变化的表面，测量角度、表面状态管理和基准点补偿会影响最终结果。

光谱成像能够显示涂层和树脂的组成分布、混合不良、劣化和局部污染。它可以直接发现外观检查容易漏掉的细微组成不均，但也会受到厚度差影响。因此，可通过峰值比和多变量分析抑制厚度因素，只提取化学差异。

生物膜的分子成像

生物膜由多糖、蛋白质和核酸等复杂成分组成，其组成会随成熟过程和药物响应在时间与空间上发生变化。红外光谱成像无需染色即可追踪这些成分指标的分布，以地图形式显示何处发生了何种增减。

测量时，样品水分管理尤其重要。若希望保持湿润状态观察，需要选择受水影响较小的波数范围，或使用ATR将观察区域限制在表面附近。若将样品干燥，则必须注意干燥过程可能改变结构和成分分布。

分析方面，与其只根据单一峰值得出结论，不如组合多个波段并使用聚类方法划分区域，再用代表性光谱解释其含义。生物膜本质上具有不均匀性，因此需要通过统计方法重现平均光谱无法显示的局部差异。

导入与评价要点

设备选型不能只看规格表，应先定义达到目的所需的充分性能，并将数据分析纳入评价，这是成功导入的捷径。

即使红外成像获得了“漂亮的图像”，如果无法作出目的所需的判断，也不能算导入成功。应先确定评价指标，例如需要判定什么是否合格、识别哪种成分，再寻找能够稳定获得该指标的条件。

评价应尽量使用实际样品并找出波动因素。把温度、表面状态、样品厚度、测量人员和日内变化等现场可能发生的波动纳入验证，可以减少导入后的意外问题。

对于光谱成像，分析本身也是性能的一部分。即使提高测量条件，如果分析流程不完善，最终仍可能退回人工目视判断。因此，应在导入设备的同时设计分析流程标准和验证计划。

如何理解空间分辨率、灵敏度和测量时间

空间分辨率不仅由衍射极限决定，还与像素尺寸、光学系统和SNR有关。即使像素更细，如果信号不足导致噪声增大，实际上仍无法分辨。实际判断时，应确认“希望观察的最小结构能否在充足SNR下区分”。

热成像的灵敏度通常用NETD等指标表示，光谱测量中则表现为噪声底和检测限。重要的不是数值本身有多好，而是对象对比度不会被噪声淹没。对于发射率或厚度波动较大的对象，样品本身的波动有时会超过设备噪声。

测量时间可以根据像素数、积分次数和扫描方式估算。提高分辨率和扩大视野会增加数据量，也会延长分析时间。导入评价时，可以在满足所需视野和分辨率的基础上，以每个样品必须在多少分钟内完成为KPI，并估算从测量到报告的总时间，以判断现场适用性。

分析（光谱处理与化学计量学）

光谱分析的预处理会显著影响结果。基线校正、归一化、平滑和大气成分补偿，并非为了让图像更美观，而是为了去除不必要的波动因素，使数据可以比较。预处理方法选择错误，可能消除真实差异，也可能人为制造差异。

随后可通过峰值分析，把特定波段强度或峰值比转换为图像并进行解释。但对于受到厚度或散射影响的样品，单纯峰值强度不一定能够代表组成。这时需要组合多个波段，并根据物理背景设计评价指标。

化学计量学常使用PCA整体观察波动原因，通过聚类划分区域，再利用PLS等建立定量模型。关键在于训练数据设计和验证。为避免条件偏差和过拟合，应使用跨日期、跨批次的数据进行评价并确认重复性。分析模型也不应一次建立后长期不变，而应设计根据运行条件变化进行更新的机制。

未来展望（高灵敏度、超分辨、单分子观测）

随着探测器、光源和计算方法的发展，红外成像正朝着观察更微小、更高速和更低浓度现象的方向持续进步。

未来灵敏度提高后，过去需要长时间积分的微弱信号将能够在短时间内获取。这不仅会推动研究应用，也将提高工序内光谱成像和现场快速原因分析的实用性。

超分辨技术使人们能够利用红外化学信息直接评价材料界面和微小缺陷等支配性能的局部区域。但分辨率越高，测量视野通常越小，因此如何组合大视野与高分辨率将成为运行设计的重要课题。

单分子观测等极限灵敏度领域，将与光源、探针和计算处理共同发展。从实际应用角度看，挑战物理极限的技术最终会以降低噪声、小型化和分析自动化等形式扩散，使红外成像在更多现场变得易于使用。

总结

最后简要整理理解和导入红外成像时需要掌握的要点。

红外成像能够观察的并非只有温度分布，还包括辐射条件差异和分子化学信息。首先明确希望观察什么，是选择适当方式的起点。

波段、探测器和测量模式的组合决定适用对象及限制。相比单纯比较规格，更重要的是使用实际样品，连同发射率、水分和厚度等影响一起评价，并定义满足目的所需的性能。

在光谱成像中，分析会直接影响成果。通过包含预处理和化学计量学在内的重复性设计，并建立从测量到判断的运行流程，可以在研究和现场中最大限度发挥红外成像的价值。