路面裂縫識別中邊緣檢測間斷性的改進

齊懷超，肖 飛，鮑雄偉

（長安大學 信息工程學院，陜西 西安 710064）

路面裂縫是公路路面的主要病害之一，是影響公路使用性能的重要因素[1]。傳統的基于人工視覺檢測路面裂縫的方法有成本高、精確度低、危險性高等諸多不足，已經不能適應公路迅速發展的需要[2]。近年來，基于數字圖像分析的路面破損檢測系統在公路養護事業中獲得了廣泛的應用，結合數字圖像處理、模式識別等技術的路面裂縫分類已成為研究熱點。

邊緣檢測在圖像處理與計算機視覺中占有特殊的位置，它是進行模式識別和圖像信息提取的基本手段。本文進行了路面裂縫的邊緣檢測研究，首先根據幾種邊緣檢測算子處理得出的圖像進行對比，然后對于傳統的邊緣檢測方法得到的圖像具有不連續和斷裂的缺點，加入了膨化算法，進行了改進。本文很好的改進了傳統邊緣檢測得到圖像的斷續性和不連續性的缺點。

1 邊緣檢測算子

常用的邊緣檢測算子有Roberts算子，Sobel算子，Prewitt算子，Log算子，和Canny算子[3-4]。以下分別進行簡單介紹。

1.1 Roberts算子

Roberts算子是一種利用局部差分算子尋找邊緣的算子，兩個卷積核為

采用1范數衡量梯度的幅度：|G(x,y)|=|Gx|+|Gy|[5]。Robert算子對具有陡峭的低噪聲的圖像效果最好。

1.2 Soble算子

Soble算子對灰度漸變和噪聲較多的圖像處理的較好。兩個卷積計算核分別為

采用范數衡量梯度的幅度|G(x,y)|≈max(Gx,Gy)[5]。

1.3 Prewitt算子

Prewitt算子同樣對灰度漸變和噪聲較多的圖像處理的較好。兩個卷積計算核分別為

采用范數衡量梯度的幅度|G(x,y)|≈max(Gx,Gy)。

1.4 Log算子

基本思想是先用高斯函數對圖像進行圖像濾波，然后對濾波后的圖像進行拉普拉斯運算，算得的值等于零的點認為是邊界點。Log算子能有效地檢測邊界，但存在兩個問題：一是會產生虛假邊界，二是定位精度不高。

1.5 Canny算子

它與Log算子邊緣檢測方法類似，也屬于是先平滑后求導數的方法。Canny方法使用兩個閥值來分別檢測強邊緣和弱邊緣，而且僅當弱邊緣與強邊緣相連時，弱邊緣才會包含在輸出中。因此不容易受噪聲影響。

1.6 結 果

上面5個算子的檢測結果如圖1所示。

圖1 原始圖像和各個邊緣檢測算子的效果Fig. 1 The effect of the original image and edge detection operator

2 比 較

1）Robert算子：利用局部差分算子尋找邊緣，邊緣定位精度高，但容易丟失部分邊緣，且不具備抑制噪聲的能力[6]。

2）Soble算子和Prewitt算子：都是對圖像先做加權平滑處理，然后微分運算，兩種算子平滑的權值不同。對噪聲有一定的抑制能力，邊緣定位效果很好，但檢測出的邊緣易出現多像素寬度。

3）Log算子：對噪聲的抑制能力不如sobel算子和prewitt算子，抑制噪聲的同時，可能將原有的比較尖銳的邊緣也平滑掉了。

4）Canny算子：在本次邊緣檢測實驗中，效果不好，在將部分高頻邊緣平滑掉的同時，產生了一些噪聲和虛假邊緣。

3 改 進

針對以上檢測算子得到的圖像的不連續性和間斷性對裂縫識別后續的特征提取帶來的困難。本文選取檢測效果較好的soble算子進行改進。利用基于形態學的膨脹算法對像素邊界添加像素[7]，示意圖如圖2。

圖4 膨脹處理后邊緣檢測Fig. 3 Edge detection after expansion

圖2 膨脹示意圖和菱形結構示意圖Fig. 2 The expansion diagram and diamond structure diagram

本文針對道路裂縫是橫向裂縫的特點，將B圖像所代表的的方形結構元素改為“菱形”結構元素（如圖2所示），然后再進行邊緣檢測（如圖3和圖4），最后對圖像進行細化處理，從而等到具有連續性的清晰的裂縫邊緣（如圖5）。

4 結 論

圖5 邊緣檢測后細化處理Fig. 5 Thinning after edge detection

通過對比實驗結果圖1中邊緣檢測算子處理得到的結果，選取比較適合處理本類圖像的Soble算子進行算法改進。通過對比圖5和圖1的結果表明，本次對Soble算子邊緣檢測方法的改進，有效改善了邊緣檢測圖像的間斷性，增強了傳統邊緣檢測方法得到了的圖像邊緣的連續性，得到了連續清晰的裂縫圖像邊緣，為道路裂縫識別系統后續的裂縫特征提取和裂縫分類打下了良好的基礎。同時，本改進算法有待改進的地方是，只適用于裂縫種類單一的橫向和縱向裂縫，對于龜裂裂縫的實現效果還有待進一步研究。

[1]榮婧，潘玉利. 基于圖像的水泥刻槽路面裂縫識別方法[J].公路交通科技,2012,29(3):45.

RONG Jing, PANG Yu-li. Pavement Crack Identification Method Based on the Image of Cement Groove[J]. Journal of Highway and Transportation Research,2012,2,29(3):45.

[2]陸化普. 智能運輸系統[M]. 北京:人民交通出版社,2002:3-4

[3]張錚. 數字圖像處理與機器視覺:Visual C++與Matlab實現 [M].北京:人民郵電出版社,2010:8-9.

[4]張德豐. 數字圖像處理(MATLAB版)[M]. 北京:人民郵電出版社,2009.

[5]周心明,蘭賽,徐燕. 圖像處理中幾種邊緣檢測算法的比較 [J].現代電力,2000,29(3):65.

ZHOU Xin-ming,LAN Sai,XU Yan. Comparison of several image processing edge detection algorithm[J].Modern Power,2000,29(3):65

[6]張娟. 基于數字圖像處理的路面裂縫自動識別與評價系統[J].長安大學學報:自然科學版 ,2004:24(2):18.

ZHANG Juan. Automatic pavement crack recognition and evaluation system based on digital image processing[J].Chang'an University:Natural Science Edition,2004:24(2):18.

[7]李曉飛.圖像腐蝕和膨化的算法研究[J]. 影響技術,2005(1):37.

LI Xiao-fei. Algorithm of image erosion and dilation[J]. Impact of Technology, 2005(1):37.

[8]何東健, 耿楠, 張義寬. 數字圖像處理[M].西安:西安電子科技大學出版社, 2003.