基于數字圖像處理的軌道梁裂縫檢測技術

杜清超，鐘 偉，鄭佩瑩

(重慶市建筑科學研究院，重慶 400016)

軌道梁作為跨座式單軌梁系統的重要組成部分，梁體裂縫對其剛度及耐久性有不容忽視的影響。因此，在進行結構調查、日常維護等工作需對裂縫進行檢測。裂縫寬度檢測方法主要有目測法和攝影測量法等。目測法主觀性大，需要花費大量的人力和時間，對于不能觸及的裂縫存在一定局限性。攝影量測法主要利用數碼相機﹑攝像機等進行裂縫圖像采集，然后經過一系列圖像處理，提取出想要得到的裂縫特征數據。

隨著計算機性能的提高，圖像處理技術的發展，基于數字照相及圖像處理技術的裂縫檢測技術越來越多地運用于混凝土結構中。鄒軼群[1]等于2004年針對某發動機二級渦輪葉片的特點，設計了一套基于數字圖像處理的表面裂紋檢測算法。郭春華[2]于2010年提出了基于圖像分析的跨座式單軌交通PC軌道梁面裂紋檢測系統。文強[3]等于2010年提出了基于圖像處理的單軌交通PC梁邊緣檢測技術。劉學增[4-5]等于2012年提出了隧道襯砌裂縫的遠距離圖像測量技術。

本文從圖像預處理、區域提取、形態修正、邊緣檢測等方面入手，研究基于數字圖像處理的軌道梁裂縫檢測技術。

1 裂縫數字圖像的獲取

圖像獲取是圖像處理的基礎和前提，圖像質量的好壞影響著圖像識別的成功與否。而相機的選用、光源的設置、拍攝距離和角度等關系著圖像的質量。

軌道梁裂縫寬度一般較小，每條裂縫在寬度范圍內包含的像素較少。當數碼相機分辨率越高時，單位寬度裂縫像素越多。因此數碼相機應采用像素高。

光源的設置是影響機器視覺系統輸入的重要因素，關系著裂縫數字圖像的質量。基于軌道梁檢測工作主要為夜間進行，如果光線從軌道梁裂縫的側面斜射過來，軌道梁其他部位會由于光線照射不到而顯示為黑色，進而獲得裂縫與軌道梁其他部分對比度較高的數字圖像。

圖1 斜射照明示意

拍攝距離的遠近直接影響著目標景物在圖像中的大小：距離越近，目標景物的成像越大。

假如拍攝裂縫一側邊緣存在凸起時，不同角度拍攝會得到不同的圖像表現結果，由于突起側邊緣的遮擋，同一裂縫在不同角度的拍攝中可能會表現為不同的灰度特征和形狀。因此，在拍攝過程中需盡量令拍攝方向垂直于裂縫所在位置的切線方向。

2 裂縫圖像識別

2.1 相機標定

在圖像處理前，需進行相機標定工作。通常所用的標定原理為：在拍攝距離固定的前提下，在裂縫所在平面放置一實際尺寸a(mm)大小固定的物體作為標尺，用圖像處理量測其像素尺寸b(pixel)；通過兩者的比值得到相機標定系數R=a/b(mm/pixel)。

因此，通過標定系數和圖像處理得出像素尺寸，可計算得出裂縫的實際尺寸。

2.2 預處理

圖像采集過程中，由于拍攝技巧、隧道環境等影響，造成數字圖像的噪聲和失真，為后續的圖像分析，須進行預處理。

通過鼠標框選進行處理區域的選擇，所選中的區域先進行圖像灰度化，然后采用中值濾波法消除其噪聲。

本文灰度變換預處理采用線性灰度變換，可以使圖像對比度擴展，特征更加明顯，圖像質量更好。變換關系式為：

式中：f為變換前圖像的灰度級；g為變換后圖像的灰度級；[m,M]為變換前的灰度范圍；[n,N]為變換后灰度范圍；其他的值被剪切掉，并把值分別置換成與n和N相對應。

(a)原圖

(b)灰度變換處理后圖像

2.3 區域提取

圖像裂縫區域提取前，需要對圖像進行區域分割。基于區域的分割基本思路為根據圖像數據的特征，將圖像空間分割成不同的區域。對圖像設定一個閾值，將圖像分成兩部分，認為灰度值小于閾值的為目標區域，灰度值大于閾值的為背景區域。閾值分割法實際上就是按照某個準則函數求最優閾值t的過程。

本文采用最大類間方差法(OTSU法)來確定最佳分割閾值。設圖像I中目標景物灰度值為u1，概率為w1；背景灰度值為u2，其概率為w2，圖像I的平均灰度為u，則有：u=u1w1+u2w2，設分割閾值為t，當t使得類間方差g=w1×(u1-u)2+w2×(u1-u)2最大時，t即為最佳分割閾值。

方差是灰度分布均勻性的一種度量，方差值越大，說明構成圖像的兩部分差別越大。當部分目標錯分為背景或部分背景錯分為目標都會導致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。其原理如下：

假設一幅圖像的灰度級集合為G={0，1，2，3，…，L-1}，灰度級為i的像素個數為ni，則整幅圖像的像素總數為：

那么對應灰度級為i的像素概率分布為：

則整幅圖像的灰度平均值μ，方差σ2可以表述為：

假若整幅圖像以灰度級T作為閾值，那么T將圖像分割成為G1={0,1,…T}，G2={T+1，T+2，L-1}兩個類S1，S2。

此時，類S1和類S2發生的概率w1，w2可以表述為：

并且有w1+w2=1，從而這兩類的均值分別為：

這兩類的方差分別為：

同時有：μ1w1+μ2w2=μ。

這樣就可以得到圖像的類間方差為：

通過求取T使得σB2(T)最大，從而得到最佳閾值T。

利用OTSU法將圖像進行二值化閾值分割，并將圖像黑白反轉(即白色區域為目標裂縫區域，黑色區域為背景區域)。在此基礎上，尋找目標區域(白色)最大的部分，并將其他區域(黑色)賦值為0，由此提取包含裂縫的區域。將提前圖像與n×n(n為大于圖像中裂縫的最大像素寬度的整數)的單位矩陣進行匹配操作。若不匹配，則說明所提取的區域中除了目標裂縫區域，還包含大塊的背景區域，需對原圖像中對應于所提取出的唯一裂縫區域的所有像素點進行灰度值排序，并將圖像閾值重新選擇為：Tj=max(pixels)-k。其中，k為閾值變化量(一般取0.01)，再根據Tj進行圖像分割和區域提取，直到提取區域與單位矩陣匹配為止。

2.4 形態修正

形態修正主要有開運算(膨脹)和閉運算(腐蝕)兩種，膨脹是把裂縫區域周圍的背景點合并到裂縫中，腐蝕是把裂縫的部分邊界點消除。本文使用兩種形狀不同的結構元素，對裂縫圖像進行開、閉運算相結合的形態學處理。先利用se1進行閉運算將裂縫區域內的孔洞進行填充，再利se2進行開運算剔除邊緣毛刺，使裂縫區域邊緣平滑。

(a)結構元素se1

(b) 結構元素se2

2.5 邊緣檢測

邊緣是裂縫圖像的重要特征，是指裂縫周邊像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣的特性主要體現為沿邊緣走向的像素變化不大，而垂直于邊緣方向的像素存在明顯差別。

針對上述處理形成只含有白色目標裂縫區域和黑色背景區域的二值裂縫圖，結合軌道梁裂縫寬度小的特點，本文采用亞像素邊緣檢測。

在裂縫邊緣檢測的基礎上，采用“最小距離法”計算提取裂縫的寬度，其計算公式為：

其中k=0,1,2,3,...

3 工程應用

通過制作理論裂縫和現場采集軌道梁裂縫來驗證基于數字圖像處理的軌道梁裂縫檢測技術的適應性和準確性。

具體的圖像分析流程為：讀取圖像→框選處理區域→圖像增強→閾值分割→尋找裂縫區域→形態學裂縫區域修整→亞像素邊緣提取→最小距離法計算裂縫寬度→結合標定系數計算實際寬度→結果儲存。

3.1 室內試驗

理想情況下的裂縫即為白色背景加上黑色裂縫區域，室內制作寬度為2 mm、5 mm的理想裂縫，并將采集的圖像進行處理分析，處理后得到裂縫邊緣和裂縫寬度為2.23 mm、5.18 mm，相對誤差為12 %、3.6 %。處理結果如圖4。

(a)理想裂縫模型 (b)原圖 (c)邊緣檢測

圖4 室內試驗主要步驟

3.2 現場試驗

現場采集軌道梁裂縫圖像，通過圖像處理計算得出寬度與現場裂縫測寬儀檢測的寬度進行對比圖5，現場檢測梁裂縫寬度為1.23 mm，由計算機識別得出裂縫寬度為1.42 mm，相對誤差為19 %。試驗表明，能滿足工程檢測精度要求。

(a)原圖

(b) 區域提取

(c)邊緣檢測

4 結論

(1)總結提出了相機標定、圖像預處理、區域提取、形態修正、邊緣檢測等的裂縫圖像處理技術。

(2)通過室內試驗和現場檢測，驗證上述裂縫圖像處理技術的可行性，滿足工程檢測精度要求。