基于數字圖像的混凝土橋梁裂縫檢測技術

許薛軍　張肖寧

摘 要：應用visual C++6.0語言編制程序，研究了基于數字圖像的橋梁裂縫檢測方法，深入分析評價了圖像灰度化、棋盤格角點求解像素率、濾波除噪、邊緣檢測等圖像處理算法，實現了基于視頻（或圖像）的橋梁裂縫寬度計算和軟件系統，并用15幅橋梁裂縫圖像驗證了其裂縫檢測精度.結果表明：本文提出的裂縫識別方法能較好地用于鋼筋混凝土橋梁和B類預應力混凝土橋梁的裂縫檢測，當裂縫寬度大于0.3 mm時，圖像計算出的裂縫寬度值與實測值非常接近，相對誤差在6%以內；當裂縫寬度為0.2～0.3 mm時，相對誤差在10%以內.

關鍵詞：混凝土橋梁；裂縫檢測；數字圖像；計算機識別；圖像處理

中圖分類號：U446.3 文獻標識碼：A

Crack Detection of Concrete Bridges Based Digital Image

XU Xuejun1，2， ZHANG Xiaoning1

（1.School of Civil Engineering and Transportation， South China Univ of Technology， Guangzhou， Guangdong 510641， China；

2. Administration Bureau for Highway of Guangdong Province， Guangzhou， Guangdong 510075， China ）

Abstract：A crack detection method of concrete bridges was proposed by using digital image technology， and some image processing algorithms， including gray processing of image， calculation of pixel rate， image noise filter， and edge detection of crack， were analyzed and evaluated for the crack detection of concrete surface. Then， a computer program was developed with visual C++6.0 programming language to detect the cracks， which was tested with 15 cases of bridge video images. The results have indicated that this method can effectively detect the width of cracks for reinforced concrete bridges and the B type prestressed concrete bridges. The results have also showed that the relative error is within 6% for the more than 0.3 mm cracks and it is less than 10% for the crack width between 0.2 mm to 0.3 mm.

Key words：concrete bridge； crack detection； digital image； computer vision； image processing

在混凝土橋梁的日常檢測、定期檢測以及梁底裂縫檢測中，通常用吊裝設備將橋梁工程師送到橋梁梁底，用裂縫觀測儀讀取裂縫寬度，手工記錄裂縫位置、寬度、長度等信息.該方法效率低，耗力費時，難以把握裂縫的最寬位置，不適應現代橋梁高速發展的需求.近年來，一些學者開展研究了基于圖像分析處理技術的混凝土構件裂縫識別、檢測方法.如Tong^{[1]和Xu[2] 等對圖像分割算法進行了對比，并獲取了圖像中的裂縫寬度值，其研究重點是圖像處理算法，缺乏對實際裂縫圖像的檢測和驗證.方志等[3]研究了正拍和斜拍圖像的混凝土裂縫檢測方法，但在修正和標定圖像過程中，容易扭曲實際裂縫.趙吉廣[4]研究了路面破損圖像處理方法；Atsushi Ito[5]等通過粘貼刻度條確定裂縫面積，但難以確定裂縫寬度；Tung等[6]研究了基于雙攝像頭的裂縫采集方法，該方法難以準確標定裂縫圖像，僅能檢測裂縫的分布狀態，不能確定裂縫寬度.樓偉等[7]用黑白CCD攝像機實地攝取路面圖像，并提取裂縫輪廓.上述方法均采用Matlab 等圖像處理功能實現裂縫圖像的處理，通過閾值分割將橋梁裂縫提取出來，若混凝土表面存在氣孔、蜂窩、剝落等情形，分隔后的圖像仍存在局部噪聲，影響了裂縫的識辨.}

湖南大學學報（自然科學版）2013年

第7期許薛軍等：基于數字圖像的混凝土橋梁裂縫檢測技術

本文提出了基于數字圖像的橋梁裂縫檢測構想，在橋梁表面粘貼棋盤格標定板，用攝像機采集橋梁視頻，在視頻幀中提取橋梁裂縫圖像；用Visual C++6.0語言編制程序，對圖像灰度化、濾波除噪、邊緣檢測等圖像處理算法進行了系統的分析比較，確定了適應橋梁裂縫圖像的處理算法.基于此，本文研究了棋盤格角點法求解圖像的像素率（即單位像素代表的實際長度），用改進的平滑濾波法濾除圖像中的噪聲，用邊緣檢測算法識辨裂縫輪廓，然后擬合出裂縫邊緣線，計算裂縫的周長、面積和寬度.此外，基于斜攝視頻圖像的橋梁裂縫檢測關鍵在于如何求解裂縫圖像中的像素率，作者將另文討論.

1 基于正攝視頻的橋梁裂縫檢測構架

基于正攝視頻的橋梁裂縫檢測系統包括橋梁視頻圖像采集、圖像處理、裂縫識別計算等內容，技術路線如圖1所示.

1.1 橋梁視頻圖像采集

根據橋梁受力特性，確定荷載最不利區域作為監測區域.首先在監測區域內粘貼一定數量的棋盤格標定板；然后由攝像機拍攝監測區域，并將拍攝到的視頻通過網絡傳送到指定的服務器；最后計算機自動提取某一時刻的視頻幀作為橋梁裂縫圖像.當條件受限時，可用數碼相機人工定期拍攝橋梁監測區域，將拍攝的圖像復制到指定的服務器.

1.2 圖像處理

原始的橋梁裂縫圖像是真彩色RGB圖像，而后續的橋梁裂縫識別和裂縫計算是在灰度圖像上進行的，且圖像中存在一定的噪聲.灰度值差異是橋梁圖像裂縫識別技術的重要基礎，也就是在裂縫處圖像的灰度值會發生跳變，形成圖像邊緣.橋梁裂縫圖像是對裂縫狀態的一種可視化的定性表達，必須對圖像進行灰度轉化、濾波除噪、邊緣檢測等一系列處理，并求解出圖像的像素率，才能定量地描述橋梁的裂縫狀況.

1.3 裂縫計算

橋梁裂縫圖像經過處理后，可在圖像中擬合出裂縫的邊緣，獲得裂縫的像素寬、像素周長、像素面積等，然后通過像素率計算出裂縫的實際值.

2 橋梁裂縫圖像處理技術

2.1 圖像灰度化

本文采用式（1）將RGB圖像轉換為灰度圖像：

x=0.30×R+0.59×G+0.11×B（1）

式中x為灰度圖像的像素值；R， G， B分別為真彩色圖像中像素的紅、綠、藍分量值.

2.2 灰度轉換

裂縫圖像灰度轉換可提高圖像的質量，增強圖像的灰度級，常用的灰度轉換方法有線性轉換和直方圖轉換，本文采用式（2）進行線性轉換.圖像轉換效果如圖2所示.

式中g（x）為轉換后的灰度像素值；Tmin和Tmax分別為圖像中最小和最大灰度值.

從圖2看出，線性轉換較好地保留了橋梁裂縫細節，進一步拉開了裂縫與背景的灰度值差，有利于后續圖像處理和裂縫識別.直方圖轉換使整個圖像灰度分布更加均勻化，但加深了圖像裂縫區域的灰度值和裂縫寬度，可能會導致計算出的裂縫寬度值與實際值的誤差較大.可見，線性灰度轉換能更好地處理橋梁裂縫圖像.

2.3 求解圖像像素率

為了滿足橋梁裂縫識別的要求，本文采用棋盤格角點法（如圖3所示）計算圖像的像素率.計算出棋盤格角點（邊緣點除外）的像平面坐標值，求解橋梁裂縫圖像的像素率，計算公式為：

η=D1D2（3）

式中η為圖像的像素率（mm/像素）；D1為棋盤格中兩角點間的實際距離（mm）；D2為棋盤格中兩角點間的像素距離（像素）.

圖3 4×4棋盤示意圖

Fig.3 Schematic diagram of 4×4 checkerboard

目前，棋盤格角點檢測可分為直線檢測和角點檢測兩類^{[8].直線檢測法是先對圖像進行邊緣檢測，求取圖像中的直線，通過兩直線的交點求出棋盤格角點的像素坐標.角點檢測法是基于圖像灰度的檢測法，考慮像素領域點的灰度值變化.經查閱有關文獻，能夠較好地檢測求解棋盤格角點像素坐標的算法有Harris算法[8]和SV算法[9].通過試驗發現，在橋梁裂縫圖像中，單獨使用Harris算法或SV算法，都不能完整地求解棋盤格上的角點（不含邊緣點），而兩種算法結合使用，可精確計算出棋盤格上的所有角點.圖4是7×7棋盤格的驗證實例.}

從圖4可以看出，棋盤格中共有36個角點（邊緣點除外），Harris算法檢測出40個點（27個角點和13個邊緣點），SV算法檢測出42個點（34個角點和8個邊緣點），Harris和SV結合算法可以精確檢測出棋盤格上的36個角點.

2.4 圖像濾波除噪

圖像濾波一方面要有效濾除橋梁裂縫圖像中的噪聲，另一方面要有效保護裂縫信息，盡量減少濾波過程中對裂縫邊緣的模糊，以便于后續的裂縫邊緣檢測.本文以實際橋梁裂縫圖像為試驗對象，系統分析了幾種常用的圖像濾波方法，并用平均像素偏差評價了各算法的濾波效果.

2.4.1 圖像濾波算法

常用的圖像濾波算法有平滑濾波、中值濾波和均值濾波.本文通過大量橋梁裂縫圖像濾波，對平滑濾波進行了改進，研究了中值與均值結合的濾波方法.

改進的平滑濾波^{[10]將灰度圖像中某像素點自身的灰度值提高至4倍，相鄰的上下左右4個像素點的灰度值提高至2倍，對角線上相鄰的4個像素點的灰度值不變，然后將9個像素的灰度值相加，除以16作為該像素點新的灰度值.該方法采用矩陣的形式表示為：}

圖4 7×7棋盤格的驗證實例

Fig.4 Validate instance of 7×7 checkerboard

116121242121

中間的黑點表示橋梁裂縫圖像中某個濾波的像素點.

中值與均值結合濾波，假設橋梁裂縫圖像中像素點的灰度值分布服從F～N（μ， σ2） 的正態分布.若像點xi的灰度值在[μ-2σ，μ+2σ]內，采用均值濾波；若像點xi的灰度值在[μ-2σ，μ+2σ]外，采用中值濾波.參數μ，σ可用像素點的灰度值計算：

μ=1N∑Ni=1xi（4）

σ=1N∑Ni=1（xi-u）2（5）

式中N為橋梁裂縫圖像中像素點的總數； xi為某像素點的灰度值.

2.4.2 濾波效果評價

為評價各種濾波算法用于橋梁裂縫圖像的效果，采用平均像素偏差評價方法，先在原始橋梁裂縫灰度圖像上附加了平均像素偏差為14.495 7的噪聲，再用不同方法進行濾波，各算法的濾波效果如圖5所示.

圖5 不同算法的濾波效果

Fig.5 The filtering effect of the different algorithms

濾波后的裂縫圖像與原始灰度圖（即添加噪聲前的灰度圖）進行比較，像素灰度值的平均偏差越小，濾波效果越好.評價公式為：

D（xi）=|P（xi）-M（xi）| （6）

A=∑Ni=1D（xi）/N（7）

式中P（xi）為橋梁裂縫原始灰度圖中某像素點的灰度值；M（xi）為濾波后圖像中對應的像素點的灰度值； D（xi）為某像素點xi的灰度值差； A為整幅圖像的平均像素偏差.

通過計算，各種濾波方法對應的平均像素偏差見表1.

從圖5和表1可以看出，橋梁裂縫圖像的濾波除噪是十分必要的，改進平滑濾波算法對橋梁裂縫灰度圖像的濾波效果最明顯，中值濾波和均值濾波的濾波效果基本相同，中值濾波能有效保護圖像邊緣，均值濾波使橋梁裂縫變得模糊，中值與均值結合的濾波方法濾波效果較差，不適合橋梁裂縫圖像的濾波.

2.5 橋梁裂縫圖像二值化

對于低分辨率的圖像，圖像濾波后仍然存在局部區域的灰度值接近裂縫區域.圖像二值化能將裂縫區域和背景區域分別出來，可有效提高低分辨率圖像裂縫邊緣檢測和識別的準確度.

2.6 裂縫圖像邊緣檢測

橋梁裂縫灰度圖像中，裂縫區域較暗，灰度值較低；非裂縫區域通常較亮，灰度值較高.灰度值差異是橋梁圖像裂縫識別技術的重要基礎，也就是在裂縫邊緣處圖像的灰度值會發生跳變，形成圖像邊緣.邊緣檢測算法可識別出圖像中的裂縫，用于后續的裂縫計算.

2.6.1 邊緣檢測算法^[11-12]

圖像邊緣檢測直接影響著橋梁裂縫識別效果和后續的計算精度，文章對Roberts算子、Sobel算子、Prewitt算子、G_Laplacian算子、Canny算子進行了驗證，各算子的邊緣檢測結果如圖6（a）～（e）所示.

2.6.2 邊緣檢測算法評價

為評價各算法應用于橋梁裂縫圖像邊緣檢測的效果，手工將濾波后圖像的裂縫邊緣像素點標記為藍色（0，0，255），并保存為樣本圖像（如圖6（f）），再將各邊緣檢測算法計算的邊緣像素點與標記的像素點進行逐一對比，計算其吻合度.如樣本圖像中某邊緣像素點xi，在邊緣檢測后的圖像中對應的該點為白色，視為邊緣檢測點正確，計其吻合值為1，否則吻合值為0.各算法的吻合度值見表2.

某邊緣檢測點的吻合值F（xi）為：

F（xi）=10P（xi）=（255，255，255）P（xi）≠（255，255，255） （8）

圖像邊緣檢測的吻合度F為：

F=∑Mi=1F（xi）/M （9）

式中M為標記的裂縫邊緣像素點總數.

試驗表明，圖像二值化過程使檢測到的邊緣點大部分位于標記點的附近領域，降低了橋梁裂縫圖像邊緣檢測的吻合度，但吻合度在30%以上對后續的裂縫寬度計算和各算法的評價影響較小.從表3看出，Sobel算子和G_Laplacian算子的邊緣檢測吻合度較高，且非常接近.橋梁裂縫檢測系統采用了Sobel算子進行邊緣檢測.

3 橋梁裂縫計算

橋梁裂縫圖像經過處理后，可計算出裂縫的像素寬、像素周長、像素面積等信息.裂縫像素周長可通過統計圖像中裂縫相鄰邊緣點的距離求得，裂縫像素面積可通過統計圖像中裂縫邊緣線包含的像素點求得，然后通過像素率得到裂縫的實際周長和面積.裂縫寬度是橋梁檢測評價的重要指標，不能直接通過統計像素點求得.本文重點研究了裂縫寬度的計算（最大裂縫寬度）.

3.1 特殊裂縫像素寬度計算

當裂縫方向為水平或垂直時，稱這種裂縫為特殊裂縫.水平裂縫可通過橋梁裂縫圖像每列中的最上面一個邊緣檢測點和最下面一個邊緣檢測點的位置，求出對應的裂縫像素寬，取最大值作為裂縫像素寬值.垂直裂縫的算法與水平裂縫相似.

3.2 一般裂縫像素寬度計算

通常情況下，橋梁裂縫圖像中裂縫方向為不規則曲線（如圖7所示）.經處理后的橋梁裂縫圖像為m行n列的離散點像素矩陣，利用矩陣和裂縫的有關特性可計算出裂縫的像素寬度.

在裂縫圖像像素矩陣中，任意一點的像素坐標可表示為（i，Z（i，k））的形式，i=1，2，…，m；k=1，2，…，n.假設第k列中最上面一個邊緣檢測點（即裂縫邊緣點）的像素坐標為（i，Z（i，k）），最下面一個邊緣檢測點的像素坐標為（j，Z（j，k）），則可以得出如下公式.

裂縫垂直像素寬P（k）：

P（k）=Z（i，k）-Z（j，k）（10）

設M（k）=z（i，k）+z（j，k）2，裂縫傾角θ（k）：

θ（k）=arctan （M（k+1）-M（k-1）2） （11）

裂縫的像素寬W（k）：

W（k）= P（k）×cos（θ（k））.（12）

取最大值作為橋梁裂縫的像素寬度值.

3.3 裂縫實際寬度計算

橋梁裂縫像素寬度Max（w（k））確定后，通過2.3節求得的圖像像素率η，計算出橋梁實際裂縫寬度W：

W=η×Max（w（k））（13）

4 實例驗證

基于上述正射視頻的混凝土橋梁裂縫計算方法，利用Visual C++6.0語言編制程序，采用較為合理的裂縫圖像的處理算法，實現了基于圖像技術的橋梁裂縫監測.本文以實際橋梁裂縫為試驗對象，對15幅數碼相機拍攝的橋梁裂縫圖像進行了驗證，同時用裂縫觀測儀實測裂縫寬度與試驗值進行比較（見表3）.

可以看出，計算出的裂縫寬度值基本上略大于實測值，誤差值在0.05 mm之內.當裂縫寬度在0.3 mm以上時，計算出的裂縫寬度值與實測寬度值非常接近，誤差在6%以內；當裂縫寬度在0.2～0.3 mm之間時，誤差在10%以內.當裂縫寬度在0.2 mm以下時，相對誤差大于30%，主要原因是實測裂縫值是人工讀取的，判讀裂縫的最寬位置需依賴于檢測人員的經驗和感覺，難以判斷裂縫的最寬位置，且裂縫觀測儀的精度為0.1 mm，而圖像計算出的裂縫值是所有裂縫的最大值.《公路鋼筋混凝土及預應力混凝土橋涵設計規范》（JTG D62-2004）規定，全預應力橋梁在短期荷載效應組合下和部分預應力A類（限制拉應力）橋梁在荷載長期效應組合下，混凝土梁的正截面的受拉邊緣不允許出現拉應力，即不允許出現豎向裂縫，鋼筋混凝土橋梁和部分預應力B類（超出限制拉應力）橋梁在正常使用狀態下允許的最大裂縫寬（一二類環境下非鋼絲或鋼絞線預應力）為0.2 mm.《公路橋涵養護規范》（JTG H11-2004）規定，全預應力或部分預應力A類橋梁不允許出現梁體豎向裂縫，梁體縱向裂縫允許最大寬為0.2 mm，鋼筋混凝土或部分預應力B類橋梁允許豎向裂縫最大寬為0.25 mm，超過此數值應進行修補或加固.綜上所述，本文提出的裂縫識別方法主要用于鋼筋混凝土橋梁和B類預應力混凝土橋梁的裂縫檢測.

5 結 論

本文系統研究了基于視頻的混凝土橋梁裂縫檢測技術，得出如下結論：

1）本文用Visual C++6.0語言編制程序，對圖像處理技術的有關算法進行了系統比較，得出用于橋梁裂縫圖像處理的算法.通過實例證明，提出的橋梁裂縫檢測方法能很好地應用于實際檢測.

2）通過棋盤格角點標定法求解橋梁裂縫圖像的像素率，并通過Harris和SV結合算法能精確識別和計算角點的像平面坐標，為后續的裂縫精確計算提供了技術保障.

3）各種圖像處理算法中，分段線性函數的圖像灰度轉換能較好地保留裂縫細節，改進平滑濾波算法濾波效果最明顯，Roberts算子、Sobel算子、GaussLaplacia算子、Canny算子都能較好地檢測出圖像中裂縫的邊緣，但Sobel算子邊緣檢測的吻合度最高.

4）橋梁裂縫檢測中，0.2 mm寬度以下裂縫的檢測是一個技術難點，需進一步研究如何提高其計算精度，以便廣泛用于混凝土裂縫的識別.

參考文獻

[1] TONG Xuhang， GUO Jie， LING Yun， et al. A new imagebased method for concrete bridge bottom crack detection[C]//Image Analysis and Signal Processing. New York： IEEE， 2011：568-571.

[2] XU Bing，YIN Guansheng， LIU Xiaowei. A technology based on image processing for the bridge crack measurement[J]. Applied Mechanics and Materials， 2012， 138/139：569-574.

[3] 方志，彭海濤. 基于圖像分析技術的混凝土橋梁結構表面裂縫寬度檢測[J].湖南大學學報：自然科學版， 2012，39（1）： 7-12.

FANG Zhi， PENG Haitao. Crack width detection on the concrete surface of bridge based on image analysis technology[J]. Journal of Hunan University： Natural Sciences， 2012，39（1）： 7-12.（In Chinese）

[4] 趙吉廣. 基于視頻圖像的路面性能參數采集方法研究[D]. 南京：東南大學交通學院，2006.

ZHAO Jiguang. Research on data collecting techniques for pavement performance parameters based on video images [D]. Nanjing： College of Transportation， Southeast University， 2006.（In Chinese）

[5] ATSUSHI Ito， AOKI Y， HASHIMOTO S. Accurate extraction and measurement of fine cracks from concrete block surface image[C]//Proceedings of IECON 02. New York： IEEE， 2002：77-82.

[6] TUNG Picheng， HWANG Yeanren， WU Mingchang. The development of a mobile manipulatro imaging system for bridge crack inspection[J]. Automation in Construction， 2002， 11（6）： 717-729.

[7] 樓偉，沈寧. 高等級公路路面裂縫類病害輪廓提取的算法研究[J]. 電子技術應用，2002，10：30-34.

LOU Wei， SHEN Ning. Crack disease contour extraction algorithm for high grade highway pavement[J]. Application of Electronic Technique， 2002，10：30-34. （In Chinese）

[8] 張裕，方康玲，劉永祥. 基于Harris算法的黑白棋盤格角點檢測[J].計算機應用與軟件，2010，27（8）：251-254.

ZHANG Yu， FANG Kangling， LIU Yongxiang. Harris algorithmbased corner detection on black white checkerboard[J]. Computer Applications and Software， 2010， 27（8）： 251-254. （In Chinese）

[9] 劉陽成，朱楓. 一種新的棋盤格圖像角點檢測算法[J].中國圖像圖形學報，2006，11（5）：656-660.

LIU Yangcheng， ZHU Feng. A new algorithm for Xcorner detection [J]. Journal of Image and Graphics， 2006，11（5）：656-660. （In Chinese）

[10]王小兵，孫久運. 一種新型高斯噪聲濾波算法[J].北華大學學報：自然科學版，2011，12（5）：606-609.

WANG Xiaobing， SUN Jiuyun. A new Gaussian noise filtering algorithm[J]. Journal of Beihua University： Natural Science， 2011，12（5）：606-609. （In Chinese）

[11]李曉飛. 三種不同邊緣檢測算子的分析研究[J].安陽工學院學報，2012，11（4）：54-56.

LI Xiaofei. The analysis and research on the three different edge inspection operators[J]. Journal of Anyang Institute of Technology， 2012，11（4）：54-56. （In Chinese）

[12]常娜.圖像處理中的邊緣檢測算法研究綜述[J].中國科技信息，2011（4）：130-132.

CHANG Na. Research of edge identification algorithm in image processing[J]. China Science and Technology Information， 2011（4）：130-132. （In Chinese）