CN107240079A - 一种基于图像处理的路面裂缝检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的路面裂缝检测方法。步骤如下：在裂缝路段用相机进行图像采集，在采集过程中保持固定的高度、焦距和图像尺寸；同时，镜头正对裂缝，将采集到的裂缝图像传输到计算机中进行处理．对获取到的彩色图像进行预处理，图像分割，裂纹图像提取最终进行图像骨化，利用像素统计和空间距离计算积分得到裂缝的面积和长宽参数。本发明操作方便简单，硬件轻且小，测量精确。

Description

一种基于图像处理的路面裂缝检测方法

技术领域

本发明属于计量检测技术领域，特别是一种基于图像处理的路面裂缝检测方法。

背景技术

高速公路的发展带给人们方便的同时,也给人们提出了一个新的难题:公路养护与管理。因为高速公路暴露于大气中，需长期承受着雨水的腐蚀、车辆的重压、人为的破坏等等会给公路带来破损,破损形式多样,如裂缝、坑槽等,这些病害给人们交通安全带来了隐患。因此,及时并且有效的路面破损检测成为公路养护的重中之重,其中,路面裂缝检测就是一个关键的部分。

目前国内很大程度上还是采用目测和简单工具丈量的方式来检测高速公路的路况，已经不能够满足高速公路的检测要求，存在着人力耗费过大、时间耗费过长、成本过高、精确度不高和影响正常的交通的缺点。

而采用的图像识别方法在预处理时，所采用的均值滤波、自适应平滑滤波等等，这些算法缺乏对整幅图像的理解，并且不能很好的保持住裂纹的边缘，不利于裂缝的识别。

发明内容

本发明的目的在于提供一种操作简单、测量精度高的基于图像处理的路面裂缝检测方法。

实现本发明目的的技术解决方案为：一种基于图像处理的路面裂缝检测方法，通过相机采集路面裂缝图像，传输到处理硬件平台，对获取的图像进行分析和处理，包括灰度处理、改进的中值滤波以及阈值分割，然后利用像素统计和裂缝细化得到裂缝的面积长度和宽度值。具体包括以下步骤：

步骤1、在裂缝路面上进行裂缝图像采集，采集过程中注意保持固定高度、焦距和图像尺寸，同时，相机镜头正对裂缝，保持与路面的平行。

步骤2、将采集到的彩色图像转换成灰度图像；

步骤3、利用改进的中值滤波增强算法对图像进行预处理去除噪声干扰；

步骤4、对得到的干净图像进行图像分割，将研究的目标提取出来；

步骤5、对提取出来的目标特征参数进行分析和提取，计算出实际裂缝的相关参数即裂缝的面积长度和宽度值。

步骤1中所述裂缝宽度在0.3mm-6mm，一般意义上的宏观路面裂缝宽度小于0.3mm是无害的，发明选用摄像头分辨率为2048*1536

步骤2中所述灰度转换公式为：

Y＝0.229R+0.587G+0.114B

其中R、G、B分别表示图像坐标(x，y)处的红色、绿色、蓝色各分量值，Y是YUV色彩空间亮度分量

步骤3所述中值滤波公式为：

Y(I,J)＝min[P₁,P₂,P₃,P₄]

min函数是取最小值运算,P1,P2,P3,P4是四个方向子窗口进行中值滤波后的中值，Y(i,j)即为中心点像素的灰度值。

步骤4所述阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值为255，其中阈值通过最大类间方差法确定，具体为：

假设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T。

步骤5中目标的的特征参数进行分析和提取所用公式为：

裂缝面积:

对灰度值为1的像素点进行统计,S＝灰度值为0的像素数*每个像素对应的实际面积。

裂缝长度

所有骨架的长度之和就是裂缝的长度，每段骨架的长度L通过相邻的两个像素点求得，如下式：

Li＝{[(Xi-Xi+1)*H]²+[(Yi-Yi+1)*V]²}^1/2

(Xi,Yi)和(Xi+1,Yi+1)是相邻的两个点，H为水平方向比例因子，图像水平方向像素个数与被抓拍的实际路面的宽度比值，单位(毫米/像素)，V为垂直方向比例因子，图像垂直方向像素个数与被抓拍的实际路面的宽度比值，单位(毫米/像素)。总长度就是对每一段长度进行求和：

裂缝宽度

根据裂缝图像得到的裂缝面积S，裂缝长度L,即可以通过面积和长度的比值，一段一段求得裂缝的平均宽度：

W＝S/L。

本发明与现有技术相比，其显著优点：(1)通过改进中值滤波一定程度上消除了噪声并且很好的突出了裂缝边缘信息，提高了识别精度；(2)整个过程都是通过***自行完成，具有高度自动化，操作方便，准确率高；(3)所需硬件资源较少，方便长期检测路面裂缝，测量成本低。

附图说明

图1是本发明基于图像处理的路面裂缝检测所得带钢尺得灰度图像。

图2是本发明基于图像处理的路面裂缝检测图像分割后的目标图象。

图3是本发明基于图像处理的路面裂缝检测图像处理解释流程示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

结合图1～3，本发明提出的基于图像分析的路面裂缝检测技术的步骤如下：

步骤一：设备安装与图像获取

由于路面裂缝一般较小，每条裂缝在宽度范围内的像素较少.为了满足裂缝宽度识别精度的要求，发明选用摄像头分辨率为2048*1536.增加了裂缝在图像中所占的像素个数，避免缩放图像以保证每张照片具有相同的解析度(单位像素的实际几何尺寸)。

同时为了确定裂缝图像的解析度，必须对图像的实际几何尺寸进行标定，标定时的拍摄要求与现场采集相同.具体标定方法是，选定一平整的地面，将相机固定好，调好拍摄高度、焦距和图像尺寸，将一把钢尺置于镜头正下方，使钢尺平行或垂直于视场的一条边并贯穿视场，拍摄钢尺照片.由照片中钢尺的长度直接读出图像长宽对应的实际尺寸，由设定的图像尺寸计算一个像素对应的实际长宽尺。由标定结果可得图1。

表一：图像像素解析度

步骤二：图像预处理

在本发明所提出的基于图像分析的路面裂缝检测技术中，对获取图像的预处理主要是利用对图像灰度化处理、改进中值滤波以及利用最大类间方差法确定分割图像的阈值。

彩色图像可以用下式表示：

f(x,y)＝(R,G,B)

其中R、G、B分别表示图像坐标(x，y)处的红色、绿色、蓝色各分量值。

颜色还可以利用YUV色彩空间表示，此时Y是亮度分量，U、V是色度分量，因此仅仅用Y分量就完全可以表示出一幅灰度图，这是因为Y分量包含了灰度图中所有信息。又因为YUV和RGB之间有着如下的对应关系：

利用以上公式可以得到Y＝0.229R+0.587G+0.114B

在图像的采集过程中,图像中不可避免的会存在大量的噪声。所以,首先要对数字图像进行去噪处理。在成像和传输过程中会产生随机噪声中的高斯噪声和脉冲噪声,高斯噪声的特点是某个强度的噪声点个数最多,离这个强度越远噪声点个数越少,且这个规律服从高斯分布。而脉冲噪声点分布比较孤立,灰度值突变,且与相邻像素点无相关性。

均值滤波和中值滤波这些经典方法确实能够在一定程度上减少噪声干扰,但是这些方法往往也会产生一些问题,在进行去噪的操作中,也同时会模糊了裂缝的边缘。这不利于对裂缝的识别。因此要克服这个问题,对这两种经典方法进行了改进,把这种干扰降到最低。

传统的中值滤波是一种非线性平滑滤波方法。它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.其算法步骤是将滑动窗口中各像素点的按大小进行排序,去中值来替代指定点(一般为窗口中心点),让周围的像素值接近的真实值，从而消除孤立的噪声点。但这种方法不能全面适用于图像中每条裂缝的形状和走向。为了适应裂缝具有线性特征的特点,在二维滑动窗口中,过中心点分别在0°,45°,90°和135°方向形成4个一维子窗口,分别对4个子窗口求中值,然后取其最小值作为中心点的值。

具体算法如下:M为大小为(2n+1)×(2n+1)的窗口,中心点为(i,j),窗口内的像素点为X(e,f),则4个一维子窗口依次表示为：

M₀＝{X(i+d,j)；-n<d<n}

M₄₅＝{X(i+d,j+d)；-n<d<n}

M₉₀＝{X(i,j+d)；)；-n<d<n}

M₁₃₅＝{X(i-d,j+d)；-n<d<n}

对于每个子窗口分别进行一维中值滤波即对子窗口所有元素进行排序取中值,

设分别为p1,p2,p3和p4,则最后输出：

Y(I,J)＝min[P₁,P₂,P₃,P₄]

min函数是取最小值运算,则Y(I,J)即为中心点像素的灰度值。

步骤三：图像分割

阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值置为255，阈值通过最大类间方差法确定，具体为：

假设图像像素总数为N,图像灰度值的取值范围为0～L-1,与灰度级i相对应的像素个数为n_i，概率为：

P_i＝n_i/N

图像的像素被选定的阈值T分成两类，分别记为C0和C1，即C0＝{0,1,…,T}和C1＝{T+1,T+2,…,L-1}，整幅图像的均值为：

则C0和C1的均值为：

其中：

由上式可得下式：

u_i＝W₀u₀+W₁u₁

类间方差定义公式的推导如下所示：

让最大的T值为最佳阈值，T的取值范围为0～L-1。但由于裂缝图像中裂缝相对于背景像素所占的比例非常小时,可以增添人工选出裂缝区域的功能,使得算法应用在这个区域中,这样可以避免裂缝比例小的问题。

步骤四：裂缝的特征参数分析和提取

裂缝特征的提取主要包括裂缝面积、长度和宽度的计算等。裂缝面积的计算是通过对裂缝像素的统计实现的,而长度和宽度的计算则需先对裂缝进行细化,得到裂缝的骨架(见图二),对骨架进行计算得到长度和宽度值。

4.1裂缝面积

对灰度值为1像素点进行统计

S＝灰度值为0的像素数*每个像素对应的实际面积。

最后提取的裂缝图像得到的裂缝所占像素个数为22469,每个像素所对应的面积S＝0.08*0.08＝0.0064mm²，求得裂缝总面积为：

S＝22469*0.0064＝143.8016mm²

4.2裂缝的长度

基于裂缝的线性特征,首先对裂缝做细化操作,得到单像素宽的裂缝骨架曲线。裂缝的长度实际上就是骨架图像骨干点之间的长度之和。骨化后的图像是一个单像素宽度的连通性好的骨干图像。可以分别求取相邻像素之间长度,然后把所有的相邻像素之间的距离求和即为所得,如下式：

Li＝{[(Xi-Xi+1)*H]²+[(Yi-Yi+1)*V]²}^1/2

(Xi,Yi)和(Xi+1,Yi+1)是相邻的两个点，H为水平方向比例因子，图像水平方向像素个数与被抓拍的实际路面的宽度比值，单位(毫米/像素)，V为垂直方向比例因子，图像垂直方向像素个数与被抓拍的实际路面的宽度比值，单位(毫米/像素)，V和H根据表一图像解析度确定为0.08。

总长度即为所有相邻元素的长度Li之和:

可以求得总长度L＝134.72mm。

4.3裂缝宽度

根据裂缝图像得到的裂缝面积S，裂缝长度L,即可以通过面积和长度的比值，一段一段求得裂缝的平均宽度：

W＝S/L

S＝143.8016mm²,L＝134.72mm求得W＝1.07mm。

Claims (6)

1.一种基于图像处理的路面裂缝检测方法，其特征在于包括以下步骤：

步骤1、在裂缝路面上进行裂缝图像采集，采集过程中保持相机固定高度、焦距和图像尺寸，同时，镜头正对裂缝，保持与路面平行；

步骤2、将采集到的彩色图像转换成灰度图像；

步骤3、利用改进的中值滤波增强算法对图像进行预处理去除噪声干扰；

步骤4、对得到的干净图像进行图像分割，将研究的目标提取出来；

步骤5、对提取出来的目标特征参数进行分析和提取，计算出实际裂缝的面积长度和宽度值。

2.根据权利要求1所述的基于图像处理的路面裂缝检测方法，其特征在于：步骤1中所述裂缝宽度在0.3mm-6mm，所选用相机分辨率为2048*1536。

3.根据权利要求1所述的基于图像处理的路面裂缝检测方法，其特征在于，步骤2中采用的灰度转换公式为：

Y＝0.229R+0.587G+0.114B

其中R、G、B分别表示图像坐标(x，y)处的红色、绿色、蓝色各分量值，Y是YUV色彩空间亮度分量。

4.根据权利要求1所述的基于图像处理的路面裂缝检测方法，其特征在于，步骤3中采用的中值滤波公式为：

Y(I,J)＝min[P₁,P₂,P₃,P₄]

min函数是取最小值运算,P1,P2,P3,P4是四个方向子窗口进行中值滤波后的中值，Y(I,J)即为中心点像素的灰度值。

5.根据权利要求1所述的基于图像处理的路面裂缝检测方法，其特征在于：步骤4所述阈值分割具体为将该图像中的每一个像素值与阈值进行比较，小于阈值的点像素被置0，大于或等于阈值的像素点值为255，其中阈值通过最大类间方差法确定，具体为：

设一幅图像I(x,y)，区分目标区域和背景区域的阈值设为T，定义ω₀为背景区域内像素个数占总图像像素个数比例，μ₀为背景区域像素的平均灰度值，ω₁为目标区域内像素个数占总图像像素个数比例，μ₁为目标区域像素的平均灰度值，μ为图像I(x,y)所有像素的平均灰度值，g为方差g＝ω₀ω₁(μ₀-μ₁)²；g最大时对应的灰度值为阈值T。

6.根据权利要求1所述的基于图像处理的路面裂缝检测方法，其特征在于：所述步骤5中，目标的裂缝面积需要对像素进行统计，长度则需要对裂缝进行细化，得到裂缝的骨架，所用公式为：

裂缝面积:

对灰度值为1的像素点进行统计,S＝灰度值为0的像素数*每个像素对应的实际面积；

裂缝长度：

所有骨架的长度之和就是裂缝的长度，每段骨架的长度L通过相邻的两个像素点求得，如下式：

Li＝{[(Xi-Xi+1)*H]²+[(Yi-Yi+1)*V]²}^1/2

(Xi,Yi)和(Xi+1,Yi+1)是相邻的两个点，H为水平方向比例因子，图像水平方向像素个数与被抓拍的实际路面的宽度比值，单位为毫米/像素，V为垂直方向比例因子，图像垂直方向像素个数与被抓拍的实际路面的宽度比值，单位为毫米/像素；总长度就是对每一段长度进行求和：

<mrow> <mi>L</mi> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>L</mi> <mi>i</mi> </msub> </mrow>

裂缝宽度：

根据裂缝图像得到的裂缝面积S，裂缝长度L,即通过面积和长度的比值求得裂缝的平均宽度：

W＝S/L。