HSI空間在低照度瀝青混合料圖像處理中的應用

曾 晟,梁乃興,楊遂中,田曉峰

(1. 重慶交通大學 土木工程學院，重慶 400074； 2. 鄭州路橋建設投資集團有限公司，河南 鄭州 450000)

0 引 言

隨著現代科學技術發展，公路施工檢測技術得到了進一步的發展。傳統檢測技術存在主觀性較強、對道路破壞性大的問題，數字圖像處理技術在道路工程中的應用，為現代道路檢測技術提供了快速、無損、準確的新方法[1-3]。

近年來，數字圖像技術在道路表面紋理和瀝青混合料顆粒均勻性的評價等方面上取得了一定的進展。L.BRUNO等[4]運用數字圖像技術對路面上取芯切片進行掃描，提取礦料級配組成，表明圖像分析方法可靠合適；S.SAFAVIZADEH等[5]利用數字圖像處理技術對攤鋪的瀝青混合性能進行了評價。國內學者對數字圖像技術在瀝青混合料中的應用開展了大量的研究，張肖寧[6]采用二維數字圖像技術分析瀝青混合料內部結構組成，并在提取粗集料形態特征、瀝青混合料內部三維圖像重構以及瀝青混合料虛擬力學試驗等方面取得若干成果；蔣繼望等[7]運用數字圖像技術對瀝青混合料的疲勞性能進行了評價；石立方等[8]提出了基于數字圖像技術的瀝青混合料主骨料評價方法；陳尚江等[9]運用數字圖像處理技術研究瀝青混合料的分形特性；張爭奇等[10]提出了基于分析路面紋理中下凹區域的宏觀構造寬度，評價瀝青路面離析的新方法；梁乃興等[11]通過數字圖像技術，對攤鋪瀝青混合料集料均勻性進行了評價，為瀝青混合料離析檢測提供了一種施工中快速、全面的檢控方法。以往數字圖像處理方法通過RGB色域空間進行圖像預處理[12]，但瀝青混合料圖像色彩對比度低，受外界光照條件影響較大，光照強度不足時，評價結果變異性大。需要提出一種適用于低照度條件下瀝青混合料數字圖像預處理技術。

筆者從HSI色域空間出發，通過將瀝青混合料RGB圖像轉化成HSI顏色空間圖像，并對亮度分量I進行改進Retinnex增強后，對圖像集料顆粒進行識別，研究一種對光照強度敏感度低的瀝青混合料數字圖像預處理方法。

1 HSI顏色空間

1.1 HSI顏色空間模型

HSI顏色模型[13]即色調(hue)—飽和度(saturation)—亮度(intensity)，HSI空間模擬了人眼類似的感知色彩方式。HSI顏色空間通過雙圓錐體模型表示，如圖1。

HSI顏色模型中圍繞軸的角度是色調H，取值范圍0°～360°，影響人眼的視覺判斷；離開長軸的距離為飽和度S，即顏色的純度，取值范圍0%～100%;長軸表示亮度I，從黑(0%)到白(100%)，體現了光線的明暗程度[14]。由圖1可以看出，HSI顏色空間中，圖像的色彩取決于H與S，I是一條獨立通道，與圖像色彩無關，能較好反映人對顏色的感知和鑒別能力。在工程應用中，低照度工況下，對圖像進行亮度I優化不會改變圖像的色彩信息，很大程度保證了預處理結果的準確性。

RGB顏色模型如圖2。

由圖2 RGB顏色空間模型可知，在RGB顏色空間下，圖像由紅R、綠G、藍B這3個色彩通道組成。改變任何一個通道都會對圖片的有效信息造成改變。因此在實際工程應用中，不同光強環境下，HSI顏色空間具有更好的應用空間。

1.2 HSI顏色空間與RGB顏色空間的關系

通過相機采集到的RGB圖像，根據圖像中紅、綠、藍這3個通道對應的R、G、B值通過幾何推導法公式轉化為HSI圖像，公式如式(1)～(4)：

色調：

(1)

式中：θ表示HSI顏色模型中圍繞軸的角度，轉換公式如式(2)：

(2)

飽和度如式(3)：

(3)

亮度如式(4)：

(4)

2 瀝青混合料圖像預處理

2.1 HSI顏色空間轉換

筆者研究攤鋪瀝青混合料均勻性，在瀝青混合料攤鋪后，碾壓之前進行圖像采集，采集的RBG圖像如圖3。

將采集得到的瀝青混合料RGB圖像轉換成HSI色彩空間，處理結果如圖4。

2.2 HSI空間亮度增強

傳統的圖像增強方法是通過將RGB圖像灰度化處理后，對灰度圖像直方圖均衡化處理。對于低照度圖像，圖像灰度偏低，直方圖均衡化后灰度圖像像素值相應減少，達到一定的增加亮度效果，但會使圖像中有效信息減少[15]。

筆者通過改進Retinnex算法[16]，對圖像進行全局自適應HDR處理，到達圖像自適應增亮處理，如式(5)：

(5)

2.3 RGB圖像恢復

為了提取圖像中集料顆粒，在HSI顏色空間下進行Retinnex算法圖像亮度增強后，需進行RGB顏色空間恢復。

2.4 圖像降噪

圖像在采集和處理中會摻入噪聲，筆者通過中值濾波對對自適應亮度增強后的圖像進行降噪。

2.5 形態學處理和集料提取

通過開閉運算，腐蝕膨脹操作，將圖像中顆粒圓滑處理，連通邊界不平滑區域。通過二值化和分水嶺分割對集料顆粒進行提取，結果如圖5。

3 試驗驗證

筆者依托云南玉楚高速公路項目，以中面層AC-20瀝青混合料為研究對象，在光照充足及光照不足兩種工況下分別采集6個點位攤鋪瀝青混合料(壓實前)數字圖像進行研究。

3.1 試驗設計

試驗設計步驟如下：

1)對比兩種光照強度下不同工況圖像灰度共生矩陣結果，分析圖像預處理方法對低照度圖像的恢復效果；

2)采集現場6個點位攤鋪瀝青混合料數字圖像，并在碾壓前將圖像對應的瀝青混合料進行取樣；

3)將取樣瀝青混合料進行抽提篩分試驗，確定對應點位瀝青混合料的級配；

4)將兩種顏色空間預處理圖像中9.5 mm以上集料面積占比與現場抽提篩分試驗集料9.5 mm以上各粒徑占比進行對比，分析預處理方法的準確性。

攤鋪瀝青混合料兩種光照強度圖像及不同預處理圖像如圖6。

3.2 試驗結果

通過對比圖像預處理前后灰度共生矩陣[17]，評價預處理方法對低照度圖像還原程度。灰度共生矩陣中，熵值是描述圖像具有信息的度量，反映了圖像的復雜程度。當復雜程序高時，熵值較大，反之則較小。能量是圖像灰度分布均勻程度和紋理粗細的一個度量，當圖像紋理絞細致、灰度分布均勻時，能量值較大，反之較小。試驗結果如表1。

表1 不同工況圖像灰度共生矩陣情況

由表1可知，低照度圖像的熵值和能量相對于光線充足條件下圖像存在較大差異。傳統RGB顏色空間圖像預處理方法，處理后的低照度圖像的灰度共生矩陣與原圖差異較大，對圖像還原度較低。筆者HSI顏色空間圖像預處理方法對圖像還原度高，適合于光線不足的條件下應用。

通過抽提篩分試驗驗證預處理算法的準確性。為了避免鉆芯取樣造成集料破碎，將6個圖像取樣點位對應的瀝青混合料在碾壓前進行取樣，進行抽提篩分試驗，確定每個采樣點瀝青混合料的集料級配，抽提篩分結果見表2。

表2 現場圖像對應瀝青混合料取樣抽提篩分試驗結果

分布計算HSI顏色空間預處理方法和RGB顏色空間預處理方法兩種工況下，圖像中大于9.5 mm以上集料面積占圖像中總集料面積比例，結果如表3。

表3 不同預處理方法及抽提篩分后集料9.5mm以上各粒徑集料面積占比

由表2、表3計算圖像處理法各粒徑比例與抽提試驗各粒徑比例的相對誤差。兩種顏色空間下，預處理集料9.5mm以上各粒徑下面積比與抽提試驗結果平均相對誤差，如圖7。

由圖7可知，傳統RGB顏色空間對于低照度條件下，瀝青混合料圖像預處理結果相對于抽提篩分試驗結果誤差較大，預處理圖像中顆粒粘連，19 mm粒徑下集料顆粒占比增加； HSI顏色空間瀝青混合料預處理圖像，各粒徑集料占比與實際抽提篩分試驗結果誤差小，在低照度條件下，對瀝青混合料圖像集料顆粒識別準確度較高。

4 結 論

筆者基于HSI顏色空間，提出一種適用于低照度條件下攤鋪瀝青混合料數字圖像預處理方法。與傳統RGB顏色空間瀝青混合料數字圖像預處理方法進行對比，HSI顏色空間下亮度恢復后的低照度圖像灰度共生矩陣中熵值、能量與光線充足條件下圖像結果接近。二值化圖像中集料各粒徑占比與圖像對應點位抽提篩分試驗結果進行對比，HSI顏色空間攤鋪瀝青混合料預處理結果誤差較小，結果表明HSI顏色空間攤鋪瀝青混合料預處理方法對低照度圖像還原度高，對瀝青混合料中集料顆粒分割識別較為準確，適合實際工程光線不利條件下應用。