基于數(shù)字圖像處理的軌道梁裂縫檢測技術(shù)

杜清超，鐘 偉，鄭佩瑩

(重慶市建筑科學研究院，重慶 400016)

軌道梁作為跨座式單軌梁系統(tǒng)的重要組成部分，梁體裂縫對其剛度及耐久性有不容忽視的影響。因此，在進行結(jié)構(gòu)調(diào)查、日常維護等工作需對裂縫進行檢測。裂縫寬度檢測方法主要有目測法和攝影測量法等。目測法主觀性大，需要花費大量的人力和時間，對于不能觸及的裂縫存在一定局限性。攝影量測法主要利用數(shù)碼相機﹑攝像機等進行裂縫圖像采集，然后經(jīng)過一系列圖像處理，提取出想要得到的裂縫特征數(shù)據(jù)。

隨著計算機性能的提高，圖像處理技術(shù)的發(fā)展，基于數(shù)字照相及圖像處理技術(shù)的裂縫檢測技術(shù)越來越多地運用于混凝土結(jié)構(gòu)中。鄒軼群[1]等于2004年針對某發(fā)動機二級渦輪葉片的特點，設(shè)計了一套基于數(shù)字圖像處理的表面裂紋檢測算法。郭春華[2]于2010年提出了基于圖像分析的跨座式單軌交通PC軌道梁面裂紋檢測系統(tǒng)。文強[3]等于2010年提出了基于圖像處理的單軌交通PC梁邊緣檢測技術(shù)。劉學增[4-5]等于2012年提出了隧道襯砌裂縫的遠距離圖像測量技術(shù)。

本文從圖像預(yù)處理、區(qū)域提取、形態(tài)修正、邊緣檢測等方面入手，研究基于數(shù)字圖像處理的軌道梁裂縫檢測技術(shù)。

1 裂縫數(shù)字圖像的獲取

圖像獲取是圖像處理的基礎(chǔ)和前提，圖像質(zhì)量的好壞影響著圖像識別的成功與否。而相機的選用、光源的設(shè)置、拍攝距離和角度等關(guān)系著圖像的質(zhì)量。

軌道梁裂縫寬度一般較小，每條裂縫在寬度范圍內(nèi)包含的像素較少。當數(shù)碼相機分辨率越高時，單位寬度裂縫像素越多。因此數(shù)碼相機應(yīng)采用像素高。

光源的設(shè)置是影響機器視覺系統(tǒng)輸入的重要因素，關(guān)系著裂縫數(shù)字圖像的質(zhì)量?；谲壍懒簷z測工作主要為夜間進行，如果光線從軌道梁裂縫的側(cè)面斜射過來，軌道梁其他部位會由于光線照射不到而顯示為黑色，進而獲得裂縫與軌道梁其他部分對比度較高的數(shù)字圖像。

圖1 斜射照明示意

拍攝距離的遠近直接影響著目標景物在圖像中的大?。壕嚯x越近，目標景物的成像越大。

假如拍攝裂縫一側(cè)邊緣存在凸起時，不同角度拍攝會得到不同的圖像表現(xiàn)結(jié)果，由于突起側(cè)邊緣的遮擋，同一裂縫在不同角度的拍攝中可能會表現(xiàn)為不同的灰度特征和形狀。因此，在拍攝過程中需盡量令拍攝方向垂直于裂縫所在位置的切線方向。

2 裂縫圖像識別

2.1 相機標定

在圖像處理前，需進行相機標定工作。通常所用的標定原理為：在拍攝距離固定的前提下，在裂縫所在平面放置一實際尺寸a(mm)大小固定的物體作為標尺，用圖像處理量測其像素尺寸b(pixel)；通過兩者的比值得到相機標定系數(shù)R=a/b(mm/pixel)。

因此，通過標定系數(shù)和圖像處理得出像素尺寸，可計算得出裂縫的實際尺寸。

2.2 預(yù)處理

圖像采集過程中，由于拍攝技巧、隧道環(huán)境等影響，造成數(shù)字圖像的噪聲和失真，為后續(xù)的圖像分析，須進行預(yù)處理。

通過鼠標框選進行處理區(qū)域的選擇，所選中的區(qū)域先進行圖像灰度化，然后采用中值濾波法消除其噪聲。

本文灰度變換預(yù)處理采用線性灰度變換，可以使圖像對比度擴展，特征更加明顯，圖像質(zhì)量更好。變換關(guān)系式為：

式中：f為變換前圖像的灰度級；g為變換后圖像的灰度級；[m,M]為變換前的灰度范圍；[n,N]為變換后灰度范圍；其他的值被剪切掉，并把值分別置換成與n和N相對應(yīng)。

(a)原圖

(b)灰度變換處理后圖像

2.3 區(qū)域提取

圖像裂縫區(qū)域提取前，需要對圖像進行區(qū)域分割?；趨^(qū)域的分割基本思路為根據(jù)圖像數(shù)據(jù)的特征，將圖像空間分割成不同的區(qū)域。對圖像設(shè)定一個閾值，將圖像分成兩部分，認為灰度值小于閾值的為目標區(qū)域，灰度值大于閾值的為背景區(qū)域。閾值分割法實際上就是按照某個準則函數(shù)求最優(yōu)閾值t的過程。

本文采用最大類間方差法(OTSU法)來確定最佳分割閾值。設(shè)圖像I中目標景物灰度值為u1，概率為w1；背景灰度值為u2，其概率為w2，圖像I的平均灰度為u，則有：u=u1w1+u2w2，設(shè)分割閾值為t，當t使得類間方差g=w1×(u1-u)2+w2×(u1-u)2最大時，t即為最佳分割閾值。

方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大。當部分目標錯分為背景或部分背景錯分為目標都會導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。其原理如下：

假設(shè)一幅圖像的灰度級集合為G={0，1，2，3，…，L-1}，灰度級為i的像素個數(shù)為ni，則整幅圖像的像素總數(shù)為：

那么對應(yīng)灰度級為i的像素概率分布為：

則整幅圖像的灰度平均值μ，方差σ2可以表述為：

假若整幅圖像以灰度級T作為閾值，那么T將圖像分割成為G1={0,1,…T}，G2={T+1，T+2，L-1}兩個類S1，S2。

此時，類S1和類S2發(fā)生的概率w1，w2可以表述為：

并且有w1+w2=1，從而這兩類的均值分別為：

這兩類的方差分別為：

同時有：μ1w1+μ2w2=μ。

這樣就可以得到圖像的類間方差為：

通過求取T使得σB2(T)最大，從而得到最佳閾值T。

利用OTSU法將圖像進行二值化閾值分割，并將圖像黑白反轉(zhuǎn)(即白色區(qū)域為目標裂縫區(qū)域，黑色區(qū)域為背景區(qū)域)。在此基礎(chǔ)上，尋找目標區(qū)域(白色)最大的部分，并將其他區(qū)域(黑色)賦值為0，由此提取包含裂縫的區(qū)域。將提前圖像與n×n(n為大于圖像中裂縫的最大像素寬度的整數(shù))的單位矩陣進行匹配操作。若不匹配，則說明所提取的區(qū)域中除了目標裂縫區(qū)域，還包含大塊的背景區(qū)域，需對原圖像中對應(yīng)于所提取出的唯一裂縫區(qū)域的所有像素點進行灰度值排序，并將圖像閾值重新選擇為：Tj=max(pixels)-k。其中，k為閾值變化量(一般取0.01)，再根據(jù)Tj進行圖像分割和區(qū)域提取，直到提取區(qū)域與單位矩陣匹配為止。

2.4 形態(tài)修正

形態(tài)修正主要有開運算(膨脹)和閉運算(腐蝕)兩種，膨脹是把裂縫區(qū)域周圍的背景點合并到裂縫中，腐蝕是把裂縫的部分邊界點消除。本文使用兩種形狀不同的結(jié)構(gòu)元素，對裂縫圖像進行開、閉運算相結(jié)合的形態(tài)學處理。先利用se1進行閉運算將裂縫區(qū)域內(nèi)的孔洞進行填充，再利se2進行開運算剔除邊緣毛刺，使裂縫區(qū)域邊緣平滑。

(a)結(jié)構(gòu)元素se1

(b) 結(jié)構(gòu)元素se2

2.5 邊緣檢測

邊緣是裂縫圖像的重要特征，是指裂縫周邊像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣的特性主要體現(xiàn)為沿邊緣走向的像素變化不大，而垂直于邊緣方向的像素存在明顯差別。

針對上述處理形成只含有白色目標裂縫區(qū)域和黑色背景區(qū)域的二值裂縫圖，結(jié)合軌道梁裂縫寬度小的特點，本文采用亞像素邊緣檢測。

在裂縫邊緣檢測的基礎(chǔ)上，采用“最小距離法”計算提取裂縫的寬度，其計算公式為：

其中k=0,1,2,3,...

3 工程應(yīng)用

通過制作理論裂縫和現(xiàn)場采集軌道梁裂縫來驗證基于數(shù)字圖像處理的軌道梁裂縫檢測技術(shù)的適應(yīng)性和準確性。

具體的圖像分析流程為：讀取圖像→框選處理區(qū)域→圖像增強→閾值分割→尋找裂縫區(qū)域→形態(tài)學裂縫區(qū)域修整→亞像素邊緣提取→最小距離法計算裂縫寬度→結(jié)合標定系數(shù)計算實際寬度→結(jié)果儲存。

3.1 室內(nèi)試驗

理想情況下的裂縫即為白色背景加上黑色裂縫區(qū)域，室內(nèi)制作寬度為2 mm、5 mm的理想裂縫，并將采集的圖像進行處理分析，處理后得到裂縫邊緣和裂縫寬度為2.23 mm、5.18 mm，相對誤差為12 %、3.6 %。處理結(jié)果如圖4。

(a)理想裂縫模型 (b)原圖 (c)邊緣檢測

圖4 室內(nèi)試驗主要步驟

3.2 現(xiàn)場試驗

現(xiàn)場采集軌道梁裂縫圖像，通過圖像處理計算得出寬度與現(xiàn)場裂縫測寬儀檢測的寬度進行對比圖5，現(xiàn)場檢測梁裂縫寬度為1.23 mm，由計算機識別得出裂縫寬度為1.42 mm，相對誤差為19 %。試驗表明，能滿足工程檢測精度要求。

(a)原圖

(b) 區(qū)域提取

(c)邊緣檢測

4 結(jié)論

(1)總結(jié)提出了相機標定、圖像預(yù)處理、區(qū)域提取、形態(tài)修正、邊緣檢測等的裂縫圖像處理技術(shù)。

(2)通過室內(nèi)試驗和現(xiàn)場檢測，驗證上述裂縫圖像處理技術(shù)的可行性，滿足工程檢測精度要求。