基于Labview的車載隧道質量自動檢測

廖啟平+王軍民

摘 要：文章主要研究了基于labview的車載隧道質量自動檢測系統。利用USB攝像頭和采集卡對隧道進行圖像采集，然后傳輸給計算機，采用labview軟件對圖像進行數字圖像處理：用頻域濾波法對圖像進行去噪處理；用直方圖均衡化對圖像進行增強處理以及用自動選取閾值的算法與梯度法結合起來對圖像進行銳化處理等等。進而與預先存入的模版圖像進行對比、識別，找出隧道破損或是有裂痕的圖像，然后保存此圖像并記錄下當前圖像的具體位置和相關的數據。該系統可以達到對隧道質量很好的檢測，降低了財力、物力，提高了檢查的效率，準確率和精度，經過試驗，成功率高達90%。

關鍵詞：labview；自動檢測；數字圖像處理；銳化；濾波；直方圖均衡化

Abstract： In this paper， it studies the automatic detection system of vehicle tunnel quality based on Labview .Using the USB camera and acquisition card to collect the tunnel image ，and then transfer to computer，adopting labview software to digital image processing ： Using frequency filtering method to do image denoising：Using histogram equalization to do enhance image and using Auto-select Thresholds of Gradiant Method to sharpen image and so on ，then comparing and recognizing with the pre stored template image to find and save the images of break tunnel and record the specific location and related data of the current image. The system can achieve a good effect on quality detection of the tunnel ，which reduces financial power and materials and improve the efficiency ，accuracy and precision of inspection. Through the test， the success rate is as high as 90%.

Keywords： labview； automatic detection； digital image processing； sharpening；wave filtering； histogram equalization

引言

現如今，隧道質量檢測也有用較先進技術進行檢測，但儀器比較昂貴，一個觀測點就要花費近3000人民幣，所以普遍還是依靠工作人員親身徒步檢測。有的隧道長達幾千米，而且憑工作人員的視覺觀察，這種檢測方法不僅耗費大量的人力和時間，速度慢，具有盲目性；而且檢查的效率，準確率和精度都還不夠高。于是我們設計基于labview的車載隧道質量自動檢測系統就顯得尤為必要了。該系統能夠準確，快速地檢測出隧道有破損，或是裂痕的位置，大大降低了財力和物力。

1 系統設計

車載隧道質量自動檢測系統是一個集圖像處理、識別等高度自能的集成系統[1]。該系統的主要硬件有：PCI圖像采集卡、USB攝像頭和帶有labview軟件的計算機。系統結構框圖（如圖1）：

我們讓裝有USB攝像頭的車在隧道里勻速地跑一圈，攝像頭采集的圖像信息傳至PCI圖像采集卡，回到室內再將采集到的圖像信息傳至計算機上。計算機對采集到的圖像進行數字圖像處理，然后進行圖像識別，找出隧道破損或有裂痕的地方，記錄下該圖像及所處的具體位置并保存相關的數據，從而完成對隧道質量的檢測。

2 圖像采集

為了讓USB攝像頭能完全掃到隧道內壁，我們采用3個攝像頭呈T字形的布置方式（如圖2），將攝像頭A、B、C掃到的區域進行圖像拼接（如圖3），避免掃到重復區域或是沒掃到，保證圖像采集的準確性、真實性，便于后面的數字圖像處理、識別。于是采用生產者和消費者設計模式，3個攝像頭為生產者，3個線程同時采集圖像數據，計算機中的labview作為消費者，負責處理和分析圖像數據。圖像采集（如圖4）。

3 數字圖像處理

采集到的圖像會受到光照、采集設備、圖像傳輸、獲取過程等各種綜合因素客觀存在的作用下，圖像的質量從實物到成像的過程中會退化，這是不可避免的。這時則要采用labview中vision圖像處理軟件包對圖像中含有的噪聲進行濾波處理，圖像增強處理以及圖像銳化等。所以為了提高圖像的質量以達到預期的效果，我們需要對采集到的圖像進行處理以滿足后期圖像識別的需求。

3.1 圖像去噪

我們采用頻域濾波[2]對圖像進行去噪處理。頻域濾波就是對一副圖像進行傅里葉變換后在頻域上間接進行運算處理，然后通過傅里葉逆變換獲得圖像的增強效果。給定一幅大小為M×N的數字圖像f（x，y），則濾波公式為g（x，y）=？祝-1[H（u，v）F（u，v）]其中，？祝-1是離散傅里葉逆變換（IDFT），F（u，v）是輸入圖像f（x，y）的離散傅里葉變換（DFT），H（u，v）是濾波函數，g（x，y）是輸出圖像。在低通濾波器中，頻域實現線性低通濾波器輸出的表達式為：G（u，v）=H（u，v）F（u，v），式中：F（u，v）=F[f（x，y）]為含有噪聲原始圖像f（x，y）的傅里葉變換；G（u，v）為低通濾波平滑處理后圖像G（x，y）的傅里葉變換。得到G（u，v）后再經過傅里葉反變換就得到圖像g（x，y）。我們用巴特沃斯低通濾波器（BLPF）中的濾波函數：H（u，v）=■當D（u，v）=D0，n=1時，H（u，v）在D0處的值將為其最大值的二分之一，處理結果（如圖5）。

原圖像存在很強的椒鹽噪聲，經過處理后的圖像的椒鹽噪聲得到了很好的壓制，而且清晰度沒有降低，邊緣的模糊程度也大大降低了。

3.2 圖像增強

采用直方圖均衡化[3-4]對圖像進行增強。直方圖均衡的設計思想主要采取的將圖像的灰度值通過函數之間的對應關系，進行值的轉換。并且保證轉換后的圖像灰度值的概率密度服從平均分布，從而使圖像的灰度級更加均衡化?；叶戎档牟▌臃秶纫郧暗姆秶訌V，從而優化圖像的對比度。為了方便研究，用r代表原始圖像中像素的灰度，s表示經過轉變后圖像中的像素的灰度，并且0？燮r？燮1，0？燮s？燮1（0代表黑顏色，1代表白顏色）。s=T（r），T（r）必須滿足：在0？燮r？燮1內，s為單值并且函數單調遞增且0？燮s？燮1。而s到r的逆向變換公式為：r=T-1（s），0？燮s？燮1。在公式Ps（s）=Pr（r）■■中：P（s）（s）表示的是經過轉換的概率密度函數，Pr（r）、T（r）和T-1（s）三個函數是已知的，而且T-1（s）是單調增加的。對于連續圖像，當直方圖均衡化后又P（s）（s）=1，進而：ds=Pr（r）·dr=dT（r），兩邊同時取積分得：s=T（r）=■Pr（r）dr式中s是原圖像的累積分布函數，是大于等于零的且依次增加的，所以要把s的變換函數求出來。在離散圖像中，設圖像總像素為N，圖像的灰度級總數為L，其中用Ir來表示其第r個灰度數值的大小，其中

IIr表示為圖像中含有灰度級Ir的圖像的像素數值，Ir表示為灰度級像素在圖像中出現的概率，圖像直方圖均衡化操作處理后的函數公式為：sk=T（rk）=k■Pr（rj）=■■。處理結果（如圖6），直方圖均衡化處理后，把輸入的直方圖轉換成均勻分布的狀態，和原圖相比較，擴大了像素級別的界限，圖像的信息量也加大了，同時圖像的對比度也增加了，讓隧道裂痕更加突出，清晰，像素也更加的分散，更有利于后面對圖像的識別。

3.3 圖像銳化

銳化操作屬于圖像復原的內容，為了使模糊的圖像變得清晰起來（如圖7）。經過各種銳化方法的測試和對比發現，梯度法對圖像進行銳化效果最佳，讓隧道裂痕變得更明顯、清楚。為了彌補梯度法的一些不足，于是我們采用自動選取閾值的算法與梯度法[5]結合起來對圖像進行銳化處理。

設灰度數量場為f（x，y），則其梯度列向量為：|gradf（x，y）|=■，離散圖像用四點法求模，并用差分來近似代替導數：|gradf（x，y）|≈■。梯度法就是將圖像中各點的灰度值用它們的灰度梯度的模來代替，設處理以后的圖像為g（x，y），則：g（x，y）=|gradf（x，y）|。但是檢測到的圖像邊緣層次模糊，邊界不夠清晰，不能很好的提取目標圖像的特征，為了解決這個問題，采用最大類間方差法來自動確定閾值。最大類間方差法的基本原理：把圖像中的像素根據灰度值t分成兩部分，一部分由0到t之間的像素組成（C0），另一部分由t到T（圖像的灰度級數-1）之間的像素組成（C1）。以256級灰度圖為例，T=255。閾值通過計算C0和C1的類間方差？滓（t）2來確定：？滓（t）2=P1（t）×P2（t）×（AvgH1（t）-AvgH2（t））2，式中P1（t）為C0中所包含的像素數；P2（t）為C1中所包含的像素數；AvgH1（t）為C0中所有像素的平均灰度值；AvgH2（t）為C1中所有像素的平均灰度值。所取閾值就是在0到T之間，使：？滓（t）2最大的t值。處理結果（如圖8）。

4 圖像識別與數據保存

經過labview中的圖像處理軟件包vision對圖像經過一系列處理后，讓我們采集到的圖像達到了labview軟件識別的效果了，接下來把圖像數據導入labview中進行圖像識別，找出隧道破損或是有裂痕的圖像，實時記錄并保存該圖像、圖像所處的具體位置等數據信息，便于工作人員前去檢修隧道出現的破損、裂痕。

5 實驗結果與分析

經過試驗，我們設計的車載隧道質量自動檢測系統的成功率達到了90%左右，對于一些比較小、窄、短的裂縫，比如只有幾厘米長的微裂縫無法準確的檢測到。據分析，可能的原因是：在采集圖像時，由于車的微震動或是光線等因素導致拍攝的圖像不是非常清晰，雖然后期對圖像做了處理，但還是無法100%還原圖像，還是存在一定的誤差?？偟膩碚f，我們設計的基于labview的車載隧道質量自動檢測系統可以高效地對隧道質量進行檢測，相對于其它檢測技術，我們的成本價格較低，檢測效率較高，準確率和精度也不錯，適合推廣和普遍的隧道質量檢測。

參考文獻

[1]王黨樹，王新霞.基于labview圖像法車牌智能識別系統[D].西安：西安科技大學，2015.

[2]王昱然.基于labview的鐵路扣件狀態識別研究[D].石家莊：石家莊鐵道大學，2015.

[3]王栩生.基于labview的數據處理及可視化研究[D].哈爾濱：哈爾濱理工大學，2013.

[4]王炳健，劉上乾，拜麗萍.紅外圖像實時增強的新算法[J].光電工程，2006，33（1）：46-49.

[5]陳國軍.基于自動選取閾值的梯度法實現圖像邊緣檢測[D].吉林：東北電力學院，2001.

作者簡介：廖啟平（1994，01-），男，漢，重慶市開縣，學生，本科在讀，長江大學地球物理學。

王軍民（1960，04-），男，博士，高級工程師，碩士生導師，地質資源與地質工程碩導，主要研究方向為地磁勘探、地球物理測井。