CN103942809A - 检测岩石图像中节理裂隙的方法 - Google Patents
检测岩石图像中节理裂隙的方法 Download PDFInfo
- Publication number
- CN103942809A CN103942809A CN201410197540.3A CN201410197540A CN103942809A CN 103942809 A CN103942809 A CN 103942809A CN 201410197540 A CN201410197540 A CN 201410197540A CN 103942809 A CN103942809 A CN 103942809A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- straight line
- joint fissure
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及岩石节理裂隙检测技术领域,特别是一种检测岩石图像中节理裂隙的方法,包括以下步骤:步骤1:对岩石图像的二值图像进行去噪和增强处理,并进行骨架提取;步骤2:采用Hough变换分别检测出步骤1处理后的二值图像中各节理裂隙段的主线(连通域);步骤3:采用Bresenham算法对每条主线分段扩展,得到节理裂隙区域。该方法提高了图像中岩石节理裂隙的检测效果。
Description
技术领域
本发明涉及岩石节理裂隙检测技术领域,特别是一种检测岩石图像中节理裂隙的方法。
背景技术
在岩石节理裂隙图像的处理中,节理裂隙作为重要的目标,对其进行自动识别研究具有重要的意义。由于节理裂隙的发育程度对于许多岩石工程的设计及安全预警都具有重要意义。因此,岩石节理裂隙的自动识别成了急待解决的课题。
从上世纪90年代开始,人们就已经开始关注节理裂隙图像的检测识别,也提出了很多方法,如通过用不同的传感器获取图像,从感兴趣区域提取出节理裂隙目标,基于岩石工程知识、上下文信息的目标检测。近年来,大量的研究者又对节理裂隙的自动识别产生了很大的兴趣,并针对一些数据源提出了一些识别方法。
发明内容
本发明的目的在于提供一种检测岩石图像中节理裂隙的方法,该方法提高了岩石图像中节理裂隙的检测效果。
为实现上述目的,本发明的技术方案是:一种检测岩石图像中节理裂隙的方法,包括以下步骤:
步骤1:对岩石图像的二值图像进行去噪及孔洞充填;
步骤2:采用Hough变换分别检测出步骤1处理后的二值图像中各节理裂隙段的主线,即连通区域;
步骤3:采用Bresenham算法对每条主线分段扩展,得到节理裂隙区域。
进一步的,在步骤1中,利用数学形态学和逻辑运算对所述二值图像进行去噪及孔洞充填,包括以下步骤:
步骤1.1:对所述岩石图像的二值图像进行开运算,将颗粒噪声从图像中去除;
步骤1.2:从步骤1.1处理后的图像中提取各自独立的连通区域,并分别赋予标记值,然后循环遍历每个连通区域并计算其面积,如果面积小于设定的第一阈值,则判定该连通区域不是目标区域,将该连通区域所有像素值赋为0,以消除小的噪声颗粒,留下大结构的目标区域;
步骤1.3:对步骤1.2处理后的图像进行孔洞充填;
步骤1.4:对节理裂隙进行主线提取,具体方法如下:
1)基于大津阈值法把图像分成第一区域和第二区域;
2)分别对第一区域和第二区域进行循环处理,如果第一区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p,即赋值为0;如果第二区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p;
条件G1:当被检测点p满足
时,其中
,x1, x2, ..., x8是像素p的8邻域,X H (p)表示一个因素;
条件G2:当被检测点p满足
,时,其中
,n 1(p)、n 2(p)分别表示两个不同的判断参数;
条件G3:,
最后得到去噪及孔洞充填处理后的二值图像。
进一步的,在步骤1.2中,按如下方法从步骤1.1处理后的图像中提取各自独立的连通区域:对图像进行逐点扫描,如果当前像素值为0,就移到下一个扫描位置;如果当前像素值为1,检查它的8个相邻像素,直到8个相邻像素值都为0,则判定此为一连通区域。
进一步的,在步骤2中,采用Hough变换分段检测出各节理裂隙的主线,以连接断续的节理裂隙,包括以下步骤:
步骤2.1:设y=k*x+b是岩石图像x-y平面上的一条直线,其中k和b是参数,分别表示斜率和截距;过一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b,即点(x0,y0)确定了一簇直线,而方程y0=kx0+b在参数k-b平面上是一条直线;
步骤2.2:岩石图像x-y平面上的一个前景像素点,即节理裂隙点对应参数k-b平面上的一条直线,即将岩石图像x-y平面中共线的点映射为参数k-b平面中共点的线;
步骤2.3:对于步骤2.1和步骤2.2处理后生成的多个小线段,将位于同一直线的线段合并,合并后的线段中,长度大于设定的第二阈值的即为检测出的主线。
进一步的,在步骤3中,按如下方法对每条主线分段扩展,确定节理裂隙区域:
在图像上构造虚拟的网格线,每一个网格代表一个像素点;给图像上的直线选择一个方向,按从起点到终点的顺序找出该直线与各网格线的交点,找出与各交点最近的下一个像素点,把这些像素点连接起来生成的直线段,即为与初始的直线最近的直线或折线;
设直线为y=kx+b,m=△y/△x,△y、△x分别表示y、x方向的增量,直线的像素点只能取整数值坐标;再假设直线上第i个像素点坐标为(xi,yi),它是直线上点(xi,yi)的最佳近似,并且xi=xi(设m<1),那么,直线上下一个像素点的可能位置是(xi+1,yi)或(xi+1,yi+1);当x=xi+1时,直线上点的y值是y=m(xi+1)+b,该点离像素点(xi+1,yi)和像素点(xi+1,yi+1)的距离分别是d1和d2,按如下方法选择下一个像素点:
(1) d1>d2,说明直线上理论点离(xi+1,yi+1)像素更近,下一个像素点取(xi+1,yi+1);
(2) d1<d2,说明直线上理论点离(xi+1,yi)像素更近,下一个像素点取(xi+1,yi);
(3) d1=d2,说明直线上理论点离(xi+1,yi)、(xi+1,yi+1)两个像素点的距离相等,任取其中一点为下一个像素点;
从而得到每条直线或折线的外扩展线,最后得到节理裂隙区域。
本发明的有益效果是有效地克服了当节理裂隙区域比较狭长,特别是节理裂隙宽度只有2~3个像素时,现有技术中利用边缘信息检测直线的方法检测出的节理裂隙效果不好的缺点。该方法不是检测节理裂隙边缘的平行线对,而是根据节理裂隙的中轴线提取整个目标区域,对于提取地质图像中的节理裂隙具有较好的效果,具有非常广泛的应用前景。
附图说明
图1是本发明实施例的实现流程图。
图2是本发明实施例确定节理裂隙区域过程中对应的一坐标平面示意图。
图3是本发明实施例确定节理裂隙区域过程中对应的另一坐标平面示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
本发明检测岩石图像中节理裂隙的方法,如图1所示,包括以下步骤:
步骤1:将岩石图像转化为二值图像,对岩石图像的二值图像进行去噪及孔洞充填。
在步骤1中,利用数学形态学和逻辑运算对所述二值图像进行去噪及孔洞充填,包括以下步骤:
步骤1.1:对所述岩石图像的二值图像进行开运算,将颗粒噪声从图像中去除,再将断续的节理裂隙进行缝合。
步骤1.2:从步骤1.1处理后的图像中提取各自独立的连通区域,并分别赋予标记值,然后循环遍历每个连通区域并计算其面积,如果面积小于设定的第一阈值,则判定该连通区域不是目标区域,将该连通区域所有像素值赋为0,以消除小的噪声颗粒,留下大结构的目标区域。
在步骤1.2中,按如下方法从步骤1.1处理后的图像中提取各自独立的连通区域:对图像进行逐点扫描,如果当前像素值为0,就移到下一个扫描位置;如果当前像素值为1,检查它的8个相邻像素,直到8个相邻像素值都为0,则判定此为一连通区域。
步骤1.3:为了减少孔洞对节理裂隙骨架的提取,对步骤1.2处理后的图像进行孔洞充填。
步骤1.4:对节理裂隙进行主线提取,具体方法如下:
1)基于大津阈值法把图像分成第一区域和第二区域;
2)分别对第一区域和第二区域进行循环处理,如果第一区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p(赋值为0);如果第二区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p;
条件G1:当被检测点p满足
时,其中
,x1, x2, ..., x8是像素p的8邻域,X H (p)表示一个因素;
条件G2:当被检测点p满足
,时,其中
,n 1(p)、n 2(p)分别表示两个不同的判断参数;
条件G3:,
最后得到去噪及孔洞充填处理后的二值图像。
步骤2:采用Hough变换分别检测出步骤1处理后的二值图像中各节理裂隙段的主线,即连通区域。
在步骤2中,采用Hough变换分段检测出各节理裂隙的主线,以连接断续的节理裂隙,包括以下步骤:
步骤2.1:设y=k*x+b是岩石图像x-y平面上的一条直线,其中k和b是参数,分别表示斜率和截距;过一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b,即点(x0,y0)确定了一簇直线,而方程y0=kx0+b在参数k-b平面上是一条直线;
步骤2.2:岩石图像x-y平面上的一个前景像素点,即节理裂隙点对应参数k-b平面上的一条直线,即将岩石图像x-y平面中共线的点映射为参数k-b平面中共点的线;
步骤2.3:对于步骤2.1和步骤2.2处理后生成的多个小线段,将位于同一直线的线段合并,合并后的线段中,长度大于设定的第二阈值的即为检测出的主线。
步骤3:采用Bresenham算法对每条主线分段扩展,得到节理裂隙区域。
在步骤3中,按如下方法对每条主线分段扩展,确定节理裂隙区域:
在图像上构造虚拟的网格线,每一个网格代表一个像素点;给图像上的直线选择一个方向,按从起点到终点的顺序找出该直线与各网格线的交点,找出与各交点最近的下一个像素点,把这些像素点连接起来生成的直线段,即为与初始的直线最近的直线或折线;
设直线为y=kx+b,m=△y/△x,△y、△x分别表示y、x方向的增量,从图2、3中可以看出,直线的像素点只能取整数值坐标;再假设直线上第i个像素点坐标为(xi,yi),根据离散数学的概念,它是直线上点(xi,yi)的最佳近似,并且xi=xi(设m<1),那么,直线上下一个像素点的可能位置是(xi+1,yi)或(xi+1,yi+1);当x=xi+1时,直线上点的y值是y=m(xi+1)+b,该点离像素点(xi+1,yi)和像素点(xi+1,yi+1)的距离分别是d1和d2,按如下方法选择下一个像素点:
(1) d1>d2,说明直线上理论点离(xi+1,yi+1)像素更近,下一个像素点取(xi+1,yi+1);
(2) d1<d2,说明直线上理论点离(xi+1,yi)像素更近,下一个像素点取(xi+1,yi);
(3) d1=d2,说明直线上理论点离(xi+1,yi)、(xi+1,yi+1)两个像素点的距离相等,任取其中一点为下一个像素点;
从而得到每条直线或折线的外扩展线,最后得到节理裂隙区域。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种检测岩石图像中节理裂隙的方法,其特征在于,包括以下步骤:
步骤1:对岩石图像的二值图像进行去噪及孔洞充填;
步骤2:采用Hough变换分别检测出步骤1处理后的二值图像中各节理裂隙段的主线,即连通区域;
步骤3:采用Bresenham算法对每条主线分段扩展,得到节理裂隙区域。
2.根据权利要求1所述的检测岩石图像中节理裂隙的方法,其特征在于,在步骤1中,利用数学形态学和逻辑运算对所述二值图像进行去噪及孔洞充填,包括以下步骤:
步骤1.1:对所述岩石图像的二值图像进行开运算,将颗粒噪声从图像中去除;
步骤1.2:从步骤1.1处理后的图像中提取各自独立的连通区域,并分别赋予标记值,然后循环遍历每个连通区域并计算其面积,如果面积小于设定的第一阈值,则判定该连通区域不是目标区域,将该连通区域所有像素值赋为0,以消除小的噪声颗粒,留下大结构的目标区域;
步骤1.3:对步骤1.2处理后的图像进行孔洞充填;
步骤1.4:对节理裂隙进行主线提取,具体方法如下:
1)基于大津阈值法把图像分成第一区域和第二区域;
2)分别对第一区域和第二区域进行循环处理,如果第一区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p,即赋值为0;如果第二区域中的像素p同时满足如下G1、G2和G3的条件,就去掉所述像素p;
条件G1:当被检测点p满足
时,其中
,x1, x2, ..., x8是像素p的8邻域,X H (p)表示一个因素;
条件G2:当被检测点p满足
,时,其中
,n 1(p)、n 2(p)分别表示两个不同的判断参数;
条件G3:,
最后得到去噪及孔洞充填处理后的二值图像。
3.根据权利要求2所述的检测岩石图像中节理裂隙的方法,其特征在于,在步骤1.2中,按如下方法从步骤1.1处理后的图像中提取各自独立的连通区域:对图像进行逐点扫描,如果当前像素值为0,就移到下一个扫描位置;如果当前像素值为1,检查它的8个相邻像素,直到8个相邻像素值都为0,则判定此为一连通区域。
4.根据权利要求2所述的检测岩石图像中节理裂隙的方法,其特征在于:在步骤2中,采用Hough变换分段检测出各节理裂隙的主线,即连通区域,以连接断续的节理裂隙,包括以下步骤:
步骤2.1:设y=k*x+b是岩石图像x-y平面上的一条直线,其中k和b是参数,分别表示斜率和截距;过一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b,即点(x0,y0)确定了一簇直线,而方程y0=kx0+b在参数k-b平面上是一条直线;
步骤2.2:岩石图像x-y平面上的一个前景像素点,即节理裂隙点对应参数k-b平面上的一条直线,即将岩石图像x-y平面中共线的点映射为参数k-b平面中共点的线;
步骤2.3:对于步骤2.1和步骤2.2处理后生成的多个小线段,将位于同一直线的线段合并,合并后的线段中,长度大于设定的第二阈值的即为检测出的主线。
5.根据权利要求4所述的检测岩石图像中节理裂隙的方法,其特征在于:在步骤3中,按如下方法对每条主线分段扩展,确定节理裂隙区域:
在图像上构造虚拟的网格线,每一个网格代表一个像素点;给图像上的直线选择一个方向,按从起点到终点的顺序找出该直线与各网格线的交点,找出与各交点最近的下一个像素点,把这些像素点连接起来生成的直线段,即为与初始的直线最近的直线或折线;
设直线为y=kx+b,m=△y/△x,△y、△x分别表示y、x方向的增量,直线的像素点只能取整数值坐标;再假设直线上第i个像素点坐标为(xi,yi),它是直线上点(xi,yi)的最佳近似,并且xi=xi(设m<1),那么,直线上下一个像素点的可能位置是(xi+1,yi)或(xi+1,yi+1);当x=xi+1时,直线上点的y值是y=m(xi+1)+b,该点离像素点(xi+1,yi)和像素点(xi+1,yi+1)的距离分别是d1和d2,按如下方法选择下一个像素点:
(1) d1>d2,说明直线上理论点离(xi+1,yi+1)像素更近,下一个像素点取(xi+1,yi+1);
(2) d1<d2,说明直线上理论点离(xi+1,yi)像素更近,下一个像素点取(xi+1,yi);
(3) d1=d2,说明直线上理论点离(xi+1,yi)、(xi+1,yi+1)两个像素点的距离相等,任取其中一点为下一个像素点;
从而得到每条直线或折线的外扩展线,最后得到节理裂隙区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197540.3A CN103942809A (zh) | 2014-05-12 | 2014-05-12 | 检测岩石图像中节理裂隙的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410197540.3A CN103942809A (zh) | 2014-05-12 | 2014-05-12 | 检测岩石图像中节理裂隙的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103942809A true CN103942809A (zh) | 2014-07-23 |
Family
ID=51190460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410197540.3A Pending CN103942809A (zh) | 2014-05-12 | 2014-05-12 | 检测岩石图像中节理裂隙的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103942809A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023197A (zh) * | 2016-05-18 | 2016-10-12 | 南京师范大学 | 一种直立岩层自动化识别和提取的方法 |
CN106683060A (zh) * | 2017-01-03 | 2017-05-17 | 北京大学 | 一种烧火模型去除微波噪声方法 |
CN107680092A (zh) * | 2017-10-12 | 2018-02-09 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN108074223A (zh) * | 2017-12-28 | 2018-05-25 | 中国矿业大学(北京) | 煤岩序列ct图中裂隙网络自动提取方法 |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN111340763A (zh) * | 2020-02-20 | 2020-06-26 | 浙江省交通规划设计研究院有限公司 | 一种隧道开挖面岩体破碎程度快速测量方法 |
CN113744219A (zh) * | 2021-08-25 | 2021-12-03 | 绍兴文理学院 | 一种基于改进的分形学的岩石节理裂隙整体复杂度测量分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473548A (zh) * | 2013-09-22 | 2013-12-25 | 铁道第三勘察设计院集团有限公司 | 一种利用图像处理和先验知识提取断裂构造信息方法 |
-
2014
- 2014-05-12 CN CN201410197540.3A patent/CN103942809A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473548A (zh) * | 2013-09-22 | 2013-12-25 | 铁道第三勘察设计院集团有限公司 | 一种利用图像处理和先验知识提取断裂构造信息方法 |
Non-Patent Citations (1)
Title |
---|
王卫星 等: "遥感图像中机场跑道的检查", 《重庆邮电大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023197A (zh) * | 2016-05-18 | 2016-10-12 | 南京师范大学 | 一种直立岩层自动化识别和提取的方法 |
CN106023197B (zh) * | 2016-05-18 | 2018-11-09 | 南京师范大学 | 一种直立岩层自动化识别和提取的方法 |
CN106683060A (zh) * | 2017-01-03 | 2017-05-17 | 北京大学 | 一种烧火模型去除微波噪声方法 |
CN107680092A (zh) * | 2017-10-12 | 2018-02-09 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN107680092B (zh) * | 2017-10-12 | 2020-10-27 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN108074223A (zh) * | 2017-12-28 | 2018-05-25 | 中国矿业大学(北京) | 煤岩序列ct图中裂隙网络自动提取方法 |
CN109614913A (zh) * | 2018-12-05 | 2019-04-12 | 北京纵目安驰智能科技有限公司 | 一种斜车位识别方法、装置和存储介质 |
CN111340763A (zh) * | 2020-02-20 | 2020-06-26 | 浙江省交通规划设计研究院有限公司 | 一种隧道开挖面岩体破碎程度快速测量方法 |
CN113744219A (zh) * | 2021-08-25 | 2021-12-03 | 绍兴文理学院 | 一种基于改进的分形学的岩石节理裂隙整体复杂度测量分析方法 |
CN113744219B (zh) * | 2021-08-25 | 2024-04-05 | 绍兴文理学院 | 一种基于改进的分形学的岩石节理裂隙整体复杂度测量分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103942809A (zh) | 检测岩石图像中节理裂隙的方法 | |
CN103839268B (zh) | 一种地铁隧道表面裂缝的检测方法 | |
CN105427323B (zh) | 一种基于相位一致性的激光熔覆熔池边缘提取方法 | |
US11443500B2 (en) | Image processing apparatus, image processing method, and program for detecting defect from image | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
CN109724988B (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
CN108399644A (zh) | 一种墙体图像识别方法及其装置 | |
CN103345743A (zh) | 一种用于电池尾端智能探伤的图像分割算法 | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN102073872A (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN111127498A (zh) | 一种基于边缘自生长的Canny边缘检测方法 | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN102663814A (zh) | 利用二维图像生成三维几何模型的自动建模方法 | |
CN109271882B (zh) | 一种区分颜色的手写体汉字提取方法 | |
CN104408721A (zh) | 基于背景密度估计的***图像提取方法 | |
CN112857252B (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
JP2019087050A (ja) | 構造物維持管理業務支援システム | |
CN102542259A (zh) | 一种近岸陆上水体的识别方法 | |
CN102313740A (zh) | 太阳能电池板裂痕检测方法 | |
CN105894501A (zh) | 一种高分辨率遥感图像单木探测和树冠描绘方法 | |
CN116309284A (zh) | 坡面顶/底线提取***及方法 | |
CN104680506A (zh) | 一种分方向边界线检测方法及*** | |
CN111105408B (zh) | 一种基于图像处理的建筑物表面裂缝检测方法及*** | |
CN115115820A (zh) | 用于盾尾间隙智能监测的图像特征提取方法、***及装置 | |
CN110533682B (zh) | 一种基于曲率滤波的图像边缘实时提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140723 |
|
RJ01 | Rejection of invention patent application after publication |