• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      Sobel算子改進(jìn)邊緣檢測(cè)算法在混凝土裂縫識(shí)別中的應(yīng)用

      2017-03-06 00:17:27肖利芳周道洋
      軟件導(dǎo)刊 2017年1期
      關(guān)鍵詞:邊緣檢測(cè)

      肖利芳+周道洋

      摘要摘要:大型建筑、道路及橋梁等表面裂縫問(wèn)題是其安全性檢測(cè)中不能回避的問(wèn)題,傳統(tǒng)的人工檢測(cè)手段,不僅速度慢,其計(jì)算精度也有待提高,更重要的是對(duì)于不安全的位置,使用人工檢測(cè)危險(xiǎn)性高。針對(duì)該問(wèn)題,提出基于Sobel算子的改進(jìn)邊緣檢測(cè)算法對(duì)圖像進(jìn)行處理,能夠準(zhǔn)確識(shí)別混凝土表面裂縫的邊緣。

      關(guān)鍵詞關(guān)鍵詞:裂縫檢測(cè);邊緣檢測(cè);Sobel算子

      DOIDOI:10.11907/rjdk.162279

      中圖分類號(hào):TP319文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2017)001011203

      引言

      2006年,伊蘭[1]在圖像增強(qiáng)中結(jié)合對(duì)比度增強(qiáng)、濾波和銳化等方法,在裂縫識(shí)別中使用梯度閾值提取邊緣,使用最小距離法進(jìn)行計(jì)算,以獲得混凝土表面裂縫寬度。2011年,曾艷霞[2]在混凝土裂縫特征信息識(shí)別研究中提出對(duì)采集系統(tǒng)進(jìn)行標(biāo)定,得到圖像中一個(gè)像素代表的實(shí)際物理長(zhǎng)度。2014年,劉宇飛等[3]基于數(shù)字圖像處理對(duì)混凝土表面裂縫進(jìn)行識(shí)別,提出對(duì)采樣圖像進(jìn)行背景減除以消除噪聲,為了減少內(nèi)部空腔造成的影響,對(duì)處理圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算,這樣不僅將斷裂的小邊緣連接起來(lái),還能夠填充空腔。本文采用基于Sobel算子的改進(jìn)邊緣檢測(cè)算法對(duì)混凝土表面裂縫進(jìn)行檢測(cè),以達(dá)到更精確的效果。1裂縫邊緣識(shí)別

      1.1裂縫圖像預(yù)處理

      現(xiàn)場(chǎng)采集的圖像是RGB彩色圖像,在進(jìn)行圖像計(jì)算前需要將其轉(zhuǎn)換成二位灰度圖,并盡量去除圖像背景中的噪聲,以去除圖像中不需要或妨礙邊緣識(shí)別的信息,為后續(xù)處理作好準(zhǔn)備。1.2裂縫邊緣識(shí)別算法

      基于Sobel算子的改進(jìn)的邊緣檢測(cè)算法提取完成去噪圖像中的裂縫邊緣。Sobel算子對(duì)最靠近中心點(diǎn)的上下左右位置權(quán)值設(shè)為2,相鄰行或列的其它位置權(quán)值設(shè)1,用中心像素上下或左右行或列的差值作為水平或垂直方向的梯度值。但是由于其主要對(duì)水平和垂直兩個(gè)方向的邊緣最為敏感,因此檢測(cè)方向較為受限。這樣處理的結(jié)果是,圖像往往可以發(fā)現(xiàn)水平和垂直方向的邊緣檢測(cè)的較為明顯,相比之下其它方向就沒(méi)那么明顯。對(duì)于現(xiàn)實(shí)圖像中不確定的邊緣方向,對(duì)不同方向設(shè)計(jì)對(duì)應(yīng)的梯度模板,使其僅對(duì)該方向邊緣最為敏感,這樣就可以更精確檢測(cè)相應(yīng)方向的邊緣。不同方向的模板就構(gòu)成了方向匹配檢測(cè)模板,用其中的每一個(gè)模板與圖像分別卷積,最后計(jì)算出的梯度值最大的那個(gè)模板對(duì)應(yīng)的方向就是該邊緣點(diǎn)的方向。2015年,沈德海[4]提出一種多方向算子模板的邊緣檢測(cè)算法,該算法采用0°、22.5°、45°、67.5°、90°、112.5°、135°和157.5°等8個(gè)方向的算子模板來(lái)計(jì)算圖像梯度。該算法檢測(cè)效果雖然有較大提高,但是邊緣出現(xiàn)了很多顆粒狀像素,檢測(cè)的邊緣有些粗糙,仍舊不夠細(xì)致、精確。有些邊緣已經(jīng)達(dá)到了單像素邊緣,但大部分邊緣仍然還不是單像素的。2015年,宋爽等[5]利用多個(gè)閾值進(jìn)行邊緣檢測(cè),提出連點(diǎn)畫(huà)圖的方法,在目標(biāo)輪廓上作零星標(biāo)記點(diǎn),從一個(gè)標(biāo)記點(diǎn)開(kāi)始順序鄰接這些點(diǎn),結(jié)合多閾值思想,這樣就可以把目標(biāo)輪廓精確細(xì)致地描繪出來(lái)。

      本文改進(jìn)算法對(duì)沈德海提出的5×5模板8方向檢測(cè)算子處理后的圖像進(jìn)行再處理,因此著重改進(jìn)的是對(duì)已獲得的邊緣進(jìn)行再細(xì)化處理。由于模板8方向檢測(cè)算子得到的邊緣比經(jīng)典Sobel算子處理結(jié)果更細(xì),因此具體的邊緣像素選擇算法則不同于宋爽等提出的算法。采用水平、垂直、45°和135°等4個(gè)方向的 大小的卷積模板進(jìn)行檢測(cè),同時(shí)對(duì)梯度圖像采用局部標(biāo)準(zhǔn)差進(jìn)行梯度增強(qiáng),使得監(jiān)測(cè)的邊緣較為完整,細(xì)節(jié)較為豐富,連續(xù)性好。對(duì)于4個(gè)模板的權(quán)值分配問(wèn)題,提出不同位置賦予不同權(quán)值,權(quán)值大小根據(jù)該位置的像素對(duì)中心點(diǎn)相應(yīng)方向梯度值貢獻(xiàn)大小來(lái)決定,也反映了該位置與距離模板中心的位置關(guān)系,距離最近的為4或-4,其次為2或-2,再次為1或-1,最遠(yuǎn)的為0。8方向邊緣檢測(cè)算子如圖1所示。圖1八方向梯度算子

      為獲取圖像梯度,需要將這8個(gè)模板分別與圖像進(jìn)行卷積運(yùn)算以獲得模板中心點(diǎn)對(duì)應(yīng)方向的梯度g0,g45,g90,g135,g22.5,g67.5,g112.5,g157.5,則中心點(diǎn)對(duì)應(yīng)的梯度幅值MAG(x,y)計(jì)算公式如式(1):

      MAG(x,y)=sqrt((g20+g245+g290+g2135+g222.5+g267.5+g2112.5+g2157.5)/10)(1)

      根據(jù)像素水平方向梯度與垂直梯度的關(guān)系,將像素邊緣類型分為水平邊緣和垂直邊緣,其中TAG(x,y)表示(x,y)處的邊緣類型,分類公式如式(2):

      (1)使用TH1模板8方向檢測(cè)算子與圖像進(jìn)行模板運(yùn)算,獲得各方向梯度值,將這些梯度值的平方和開(kāi)方,將其除以一個(gè)調(diào)節(jié)因子,以免開(kāi)方后的梯度值過(guò)大超出范圍,將開(kāi)方結(jié)果作為模板中心點(diǎn)像素的梯度幅值。

      (2)比較該像素點(diǎn)水平和垂直梯度值,注意這里要加絕對(duì)值比較,不然對(duì)由暗向明變化的邊緣,由于模板總是下一行或者右一行減去上一行或者左一行,導(dǎo)致梯度值為負(fù),直接比較則像素點(diǎn)的邊緣方向就會(huì)被標(biāo)記為與真實(shí)邊緣方向相反,致使最后右側(cè)或下側(cè)邊緣容易出現(xiàn)斷點(diǎn)現(xiàn)象。水平梯度值大的標(biāo)記像素為垂直邊緣;反之,標(biāo)記為水平邊緣。

      (3)設(shè)置第一個(gè)閾值TH1,對(duì)上述幅度值進(jìn)行判斷,若其幅值大于TH1,并且該點(diǎn)幅值大于其左右兩像素幅值或者大于上下兩像素幅值,則將其標(biāo)記為邊緣區(qū)域。

      (4)設(shè)置第二個(gè)閾值TH2,在邊緣區(qū)域,若像素為縱向邊緣,并且左邊像素屬于邊緣區(qū)域,則該像素梯度幅值減去左邊像素梯度幅值大于TH2或者其右邊像素屬于邊緣區(qū)域;如果該像素梯度幅值減去右邊像素梯度幅值大于TH2,則將該像素標(biāo)記為標(biāo)兵點(diǎn),同時(shí)標(biāo)記為邊緣。

      (5)在邊緣區(qū)域,若像素為橫向邊緣,并且上邊像素屬于邊緣區(qū)域,則如果該像素梯度幅值減去上邊像素梯度幅值大于TH2或者其下邊像素屬于邊緣區(qū)域;如果該像素梯度幅值減去下邊像素梯度幅值大于TH2,則將該像素標(biāo)記為標(biāo)兵點(diǎn),同時(shí)標(biāo)記為邊緣。

      (6)從標(biāo)兵點(diǎn)開(kāi)始連接邊緣,若為縱向標(biāo)兵點(diǎn),則先向4-鄰域上方走;若其4-鄰域左右像素均在邊緣區(qū)域,則標(biāo)記其中幅值最大的那個(gè)作為邊緣,并以其為下一輪判斷起點(diǎn);若左右像素只有一個(gè)屬于邊緣區(qū)域,則標(biāo)記幅值大的那個(gè)像素為邊緣,并以其為下一輪判斷起點(diǎn);若左右像素均不屬于邊緣區(qū)域,則將其標(biāo)記為邊緣,并以其為下一輪判斷起點(diǎn),循環(huán)結(jié)束的條件是檢查的像素點(diǎn)不再屬于邊緣區(qū)域或者邊緣類型變?yōu)闄M向或者已經(jīng)被標(biāo)記為邊緣,向下走結(jié)束后回到該段起點(diǎn),接著再往4-鄰域上方走,展開(kāi)同樣的判斷,循環(huán)結(jié)束后回到該段起點(diǎn)。

      (7)若為橫向標(biāo)兵點(diǎn),則先向4-鄰域右方走;若其4-鄰域上下像素均在邊緣區(qū)域,則標(biāo)記其中幅值最大的那個(gè)作為邊緣,并以其為下一輪判斷起點(diǎn),若上下像素只有一個(gè)屬于邊緣區(qū)域,則標(biāo)記幅值大的那個(gè)像素為邊緣,并以其為下一輪判斷起點(diǎn);若上下像素均不屬于邊緣區(qū)域,則將其標(biāo)記為邊緣,并以其為下一輪判斷起點(diǎn),循環(huán)結(jié)束的條件是檢查的像素點(diǎn)不再屬于邊緣區(qū)域或者邊緣類型變?yōu)榭v向或者已經(jīng)被標(biāo)記為邊緣,向右走結(jié)束后回到該段起點(diǎn),接著再往4-鄰域左方走,展開(kāi)同樣的判斷,循環(huán)結(jié)束后回到該段起點(diǎn)。

      2改進(jìn)算法的檢測(cè)分析與結(jié)果

      該改進(jìn)算法實(shí)質(zhì)上就是對(duì)經(jīng)模板處理后的圖像邊緣進(jìn)行剔除操作,若邊緣是多像素寬度,則僅保留梯度幅值最大的那個(gè)像素作為邊緣;若邊緣已是單像素就直接保留為邊緣,經(jīng)過(guò)邊緣“瘦身”后圖像邊緣不僅更平滑而且更為清晰。如圖(2)所示,圖2(a)表示只是用8方向模板檢測(cè)裂縫邊緣獲得的邊緣圖像,對(duì)比圖2(b)可以發(fā)現(xiàn),改進(jìn)后的算法檢測(cè)的裂縫邊緣去除了多于的邊緣像素,對(duì)真實(shí)邊緣進(jìn)行了更準(zhǔn)確的定位,去除了假邊緣點(diǎn)對(duì)裂縫寬度計(jì)算的干擾,使得計(jì)算更貼近實(shí)際。

      3結(jié)語(yǔ)

      本文主要對(duì)混凝土表面裂縫進(jìn)行有效識(shí)別,為計(jì)算裂縫長(zhǎng)寬提供了更精確的方法。對(duì)于改進(jìn)的邊緣檢測(cè)算法中兩個(gè)閾值的確定,采用控制變量的思想,確定其中一個(gè)閾值,調(diào)節(jié)另外一個(gè),觀察圖像邊緣隨閾值變化而變化的規(guī)律,最后在這些閾值中選擇一個(gè)較為合適的配合作為參考,運(yùn)用于圖像處理,結(jié)果顯示可以達(dá)到較好效果。

      參考文獻(xiàn):

      [1]伊蘭.基于數(shù)字圖像處理技術(shù)的混凝土表面裂縫特征測(cè)量和分析[D].南京:東南大學(xué),2006.

      [2]曾艷霞.混凝土裂縫特征信息識(shí)別研究[D].長(zhǎng)沙:中南大學(xué),2011.

      [3]劉宇飛,樊建生,陶慕軒.基于數(shù)字圖像處理的混凝土表面裂縫識(shí)別[J].建筑結(jié)構(gòu)學(xué)報(bào),2014,35(2):356361.

      [4]沈德海,鄂旭,侯建等.基于Sobel的多方向算子模板邊緣檢測(cè)算法[J].現(xiàn)代電子技術(shù),2015,38(4):9197.

      [5]宋爽,任洪娥,官俊.基于Sobel梯度模板的多閾值實(shí)時(shí)邊緣檢測(cè)方法[J].計(jì)算機(jī)工程與運(yùn)用,2015,51(23):199202.

      猜你喜歡
      邊緣檢測(cè)
      基于數(shù)學(xué)形態(tài)學(xué)的一種改進(jìn)CO2焊熔池圖像邊緣檢測(cè)算法
      離散過(guò)程神經(jīng)網(wǎng)絡(luò)和CGA相融合的邊緣檢測(cè)
      基于圖像的物體尺寸測(cè)量算法研究
      唐卡圖像邊緣提取
      移相干涉術(shù)及其相位解包新思路
      基于數(shù)據(jù)挖掘技術(shù)的圖片字符檢測(cè)與識(shí)別
      水下大壩裂縫圖像分割方法研究 
      基于多算法融合的多車牌定位方法研究
      基于高精度星敏感器的星圖降噪研究
      基于灰度的圖像邊緣檢測(cè)與匹配算法的研究
      钦州市| 武胜县| 广灵县| 上林县| 金湖县| 佛坪县| 文水县| 颍上县| 余干县| 江达县| 改则县| 礼泉县| 正宁县| 芦山县| 云霄县| 乐平市| 蛟河市| 柏乡县| 玉树县| 攀枝花市| 南雄市| 页游| 腾冲县| 广宁县| 仙游县| 亚东县| 克东县| 沈阳市| 连山| 县级市| 贵阳市| 郓城县| 阜城县| 旺苍县| 汪清县| 木里| 南昌县| 津市市| 城步| 甘谷县| 安图县|