基于數字圖像處理的表面裂縫寬度測量

程 彬，閆藝元

（1.南陽理工學院，河南 南陽 473004；2.南陽市建業(yè)小哈佛雙語學校，河南 南陽 473001）

以往都是利用人工視覺檢測結構物的裂縫，現在已經很難達到檢測道路和橋梁發(fā)展的要求，主要的因素就是個人的主觀程度太大和速度太慢，以及存在危險性和費用太高.科學技術在快速地發(fā)展，無論是計算機技術和數碼攝影技術,還是測圖像技術結構技術也在快速地發(fā)展和進步[1].有效運用圖像處理技術，對結構物表面裂縫寬度進行測量，是一種沒有損壞的檢測方法，該方法只需要利用一臺普通的數碼相機，將一幅裂縫圖像采集后，就能夠確定將裂縫寬度，不但設備簡單，對被測的結果干擾非常小，且很容易.

1 數字圖像與圖像之間標定像素

1.1 數字圖像

數字圖像就是將連續(xù)模擬圖像離散化進行處理以后，所獲得的點陣構成的圖像.通常若干個數點才能夠組成一幅數字圖像，例如，一幅288×520的圖像，就是一個矩形圖形，其中278個數據點處在水平方向上，500個數據點處在垂直方向上.像素就是這些數據點.利用數字可以表示各個像素的屬性，例如，灰度和顏色等.從本質上講，數字圖像屬于被量化的二維矩陣，因此，可以有效地運用計算機來修改和運算圖像，并且能夠提取有關的信息[2].

1.2 標定數字圖像像素

測量裂縫的寬度利用數字圖像，需要標定圖像像素.在圖像中，實際寬度由一個像素δ代表,也就是標定內容，其單位為mm/pix.標定像素的方法比較多，對于效率和精度的要求應該綜合地進行考慮，將一張標準長度的黑色紙條貼到被攝取裂縫的旁邊，是該文所使用的方法.處理完采集的圖像以后，對于圖像中黑色紙條長度方向上像素點的數量進行提取，黑紙條標準長度÷像素點的數量，像素代表的寬度就可以得到.例如，120毫米的黑紙條長度，1200個像素點.一個像素表示的實際寬度就是δ=120/500=0.1mm/pix.

2 采集及處理裂縫的圖像

2.1 采集圖像

無論是橋梁和道路結構，還是房屋等有關結構，表面裂縫寬度相對都比較小，裂縫大小方向在數碼圖像中的像素相對也比較少，所以，最后檢測的精度，會受采集圖像質量的影響[3].為了能夠更好和更準確地識別裂縫的大小，數碼相機的像素必須要高，從而使裂縫能夠將更多的像素獲得.運用高像素數碼相機拍攝時，為了使裂縫能夠在屏幕中央的位置，需要手持相機在標定紙和裂縫的正前方并且呈豎直的狀態(tài)，鏡頭與裂縫平面垂直，也就是正焦來拍攝，減少畸變.所以，數碼相機的傾角應該不斷地進行輕度地調整，對數碼相機中裂縫平面的成像情況隨時進行觀察，使相機光軸與裂縫垂直.有些輔助的裝置在現場條件允許的情況，也可以使用，例如，在固定數碼相機方面，可以利用三腳架等，具有調平功能，從而更好地采集圖像提高質量.

2.2 處理圖像

采集到所需圖像以后，下一步工作是進行預處理圖像，除掉一些干擾，致使裂縫的信息突出出來，為分析裂縫圖像的數值奠定良好的基礎[4].處理圖像包括分割閾值和轉灰度圖以及中值濾波等幾個方面.

2.2.1 轉灰度圖

大量色彩信息包含在裂縫圖像信息中，對計算裂縫圖像非常不利.所以，對于圖像中所含的內容比較豐富，針對灰度圖像應該利用亮度來表示[5].灰度通常分256個級別，利用0～255的數字分別進行表示.最暗的用0表示，也就是黑色；最亮的用255表示，也就是白色，用剩下的數字來表示0～255之間的數字.每一個像素在這種情況下就只剩下一個參數，利用二維矩陣就能夠表示一幅圖像.對于一幅彩色圖像轉成灰度的圖像，利用下面的公式：Intensity=0.3R+0.59G+0.11B,圖像灰度值就是Intensity.彩色圖像各個像素的三個參數值分別為R、G、B.將一幅彩色圖像轉化為灰色圖像的效果，見圖1所示，彩色圖將裂縫圖像轉化為灰度圖以后，圖像只有非常微小的損失，裂縫更加清晰.

圖1 裂縫灰度圖像

圖2 裂縫圖像灰度直方圖

從圖1中便可知道，無論是裂縫灰度，還是背景灰度都有很大的變化.裂縫圖像灰度直方圖，見圖2所示，灰度值0～255就是橫坐標，縱坐標就是所有的像素點.選取一個恰當的閾值，即灰度值，就是有效地比較各個像素灰度和閾值，像素灰度如果大于閾值，灰度就變成255；像素灰度比閾值小，灰度就全變?yōu)?，將圖像選用二值化進行處理以后，圖像只剩下白色和黑色，從背景中，就可以明顯地將裂縫分離出來.選取閾值是將圖像分割成二進制圖像重要的一環(huán)，識別裂縫圖像邊緣的精度直接受其影響[6].計算閾值的方法主要有最大類間方差法、直方圖法和最小誤差法等.圖像灰度所具有的雙峰特征比較明顯時，就是背景灰度和裂縫灰度主要分布在兩個固定灰度區(qū)，可以有效運用迭代方法自動進行計算閾值，在灰度直方圖當中，選取與閾值T比較相似的一個值，將圖像分成R1和R2兩個部分，對于R1和R2灰度的μ1和μ2平均值再計算出來，新分成的閾值T=（μ1+μ2）/2得到，將以上的步驟重復，一直到沒有變化為止.閾值自動選取誤差明顯或者圖像雙峰特征不太明顯時，閾值的大小需要用手動進行調節(jié)，實現最佳的分割效果.選取T=100閾值，處理二值化裂縫的圖像，圖像進行分割以后，圖像的裂縫更加明顯，基本沒有損失到裂縫的邊緣，但是，一定數量的噪點還存在.

二值化處理圖像以后，大小的噪點背景中還存在，裂縫邊緣還是不清晰，所以，要對圖像的除噪深入處理.有效運用值濾波對裂縫圖像除噪.中值濾波屬于低通濾波器，對于領域中像素能夠按照灰度級進行排列，將中間值取出，作為輸出的對象，從而使圖像邊緣得到有效地保護，不但要控制好噪點，而且，邊緣還要清晰，不能模糊.中值濾波需要選擇滑動的一個窗口，含有點需要為奇數，運用窗口中每個點的灰度值將指定點替代，通常為窗口中心點.經過中值濾波以后，離散分離噪點如果仍然存在，利用手動擦除[7].

3 簡介裂縫的寬度計算法

3.1 框選平均值法

框選平均值法即面積÷長度=寬度.裂縫經過二值化處理以后的示意圖，見圖3所示.裂縫區(qū)域灰度值為0的像素點利用黑色圓圈表示.自框選圖像的頂部對圖像逐行進行掃描，對于各行像素灰度值0的點數目進行統(tǒng)計，獲得單位裂縫的面積（S），也就是像素的數量.對各行像素灰度值0的像素點中心點坐標進行掃描，并將其進行相連.用勾股定理，逐行進行累加，對于以像素作為單位的裂縫長度（L）就能夠進行計算.以像素作為單位的裂縫平均寬度W像=S/L.根據標定，裂縫的平均寬度W實=δoW像就可以獲得.沿著長度的方向，裂縫寬度如對有明顯的變化，就應該反復地框選裂縫的每一個區(qū)域，同時，還要計算出各區(qū)域裂縫的寬度，將最大的裂縫進行確定.

圖3 模擬裂縫的示意圖

3.2 手動點取的邊界法

使用手動點取邊界法，既要裂縫寬，又要裂縫的邊界比較清晰.利用鼠標將裂縫邊界上的L1和L2兩點直接點取，直線L1和L2就是裂縫像素的寬度.設 L1（X1，Y1）和 L2（X2，Y2），裂縫像素的寬度W像=就能夠得到，實際裂縫的寬度W實=δoW像.

4 驗證精度

為了將算法精度進行驗證，利用AutoCAD2007畫對裂縫進行模擬，裂縫由圖中的曲線代表，見圖4所示，3.7毫米的寬度，120毫米的長度，算法可靠的程度進行驗證.有效運用框選平均值法進行求解，將裂縫寬度得到，為3.68毫米，誤差為1.5%；手動點取邊界，獲得裂縫寬度，為3.85毫米，誤差為3.2%，可以看出，兩種方法的誤差，都沒有超出范圍.平均值法利用框選進行計算，對裂縫邊界不用進行識別，無論可操作性，還是可靠性都非常高[8].

圖4 模擬裂縫的圖橡

針對表面的一些裂縫，利用裂縫測儀進行測量，與數字圖像處理的計算所得到的結果比較，兩種方法測量裂縫寬度的比較，見表1所示，裂縫的寬度＞0.4毫米時，二者誤差能夠控制在10%以內，穩(wěn)定性和精確性都比較高，能夠達到工程實踐的要求.

表1 兩種方法測量裂縫大小的比較

5 總結

綜上所述，對于房屋、橋梁和道路等相關結構表面裂縫的寬度，有效運用圖像處理技術進行測量，是非常必要，對數字圖像處理技術設備的要求并不復雜，比較簡捷，將有關軟件運用好，需要的數據就能夠得到.數字圖像處理技術屬于一種新的技術，可以將無損壞的檢測提供給房屋和橋梁以及道路等結構.在實踐中進行運用，尤其現場的條件比較惡劣，利用該方法拍攝遠距離，是一種非常好的選擇.該方法能夠將人員與結構物的安全性、現場的檢測效率和數據精確性等很大程度地提升.