基于數(shù)字圖像的混凝土橋梁裂縫檢測(cè)技術(shù)

許薛軍　張肖寧

摘 要：應(yīng)用visual C++6.0語(yǔ)言編制程序，研究了基于數(shù)字圖像的橋梁裂縫檢測(cè)方法，深入分析評(píng)價(jià)了圖像灰度化、棋盤(pán)格角點(diǎn)求解像素率、濾波除噪、邊緣檢測(cè)等圖像處理算法，實(shí)現(xiàn)了基于視頻（或圖像）的橋梁裂縫寬度計(jì)算和軟件系統(tǒng)，并用15幅橋梁裂縫圖像驗(yàn)證了其裂縫檢測(cè)精度.結(jié)果表明：本文提出的裂縫識(shí)別方法能較好地用于鋼筋混凝土橋梁和B類(lèi)預(yù)應(yīng)力混凝土橋梁的裂縫檢測(cè)，當(dāng)裂縫寬度大于0.3 mm時(shí)，圖像計(jì)算出的裂縫寬度值與實(shí)測(cè)值非常接近，相對(duì)誤差在6%以內(nèi)；當(dāng)裂縫寬度為0.2～0.3 mm時(shí)，相對(duì)誤差在10%以內(nèi).

關(guān)鍵詞：混凝土橋梁；裂縫檢測(cè)；數(shù)字圖像；計(jì)算機(jī)識(shí)別；圖像處理

中圖分類(lèi)號(hào)：U446.3 文獻(xiàn)標(biāo)識(shí)碼：A

Crack Detection of Concrete Bridges Based Digital Image

XU Xuejun1，2， ZHANG Xiaoning1

（1.School of Civil Engineering and Transportation， South China Univ of Technology， Guangzhou， Guangdong 510641， China；

2. Administration Bureau for Highway of Guangdong Province， Guangzhou， Guangdong 510075， China ）

Abstract：A crack detection method of concrete bridges was proposed by using digital image technology， and some image processing algorithms， including gray processing of image， calculation of pixel rate， image noise filter， and edge detection of crack， were analyzed and evaluated for the crack detection of concrete surface. Then， a computer program was developed with visual C++6.0 programming language to detect the cracks， which was tested with 15 cases of bridge video images. The results have indicated that this method can effectively detect the width of cracks for reinforced concrete bridges and the B type prestressed concrete bridges. The results have also showed that the relative error is within 6% for the more than 0.3 mm cracks and it is less than 10% for the crack width between 0.2 mm to 0.3 mm.

Key words：concrete bridge； crack detection； digital image； computer vision； image processing

在混凝土橋梁的日常檢測(cè)、定期檢測(cè)以及梁底裂縫檢測(cè)中，通常用吊裝設(shè)備將橋梁工程師送到橋梁梁底，用裂縫觀測(cè)儀讀取裂縫寬度，手工記錄裂縫位置、寬度、長(zhǎng)度等信息.該方法效率低，耗力費(fèi)時(shí)，難以把握裂縫的最寬位置，不適應(yīng)現(xiàn)代橋梁高速發(fā)展的需求.近年來(lái)，一些學(xué)者開(kāi)展研究了基于圖像分析處理技術(shù)的混凝土構(gòu)件裂縫識(shí)別、檢測(cè)方法.如Tong^{[1]和Xu[2] 等對(duì)圖像分割算法進(jìn)行了對(duì)比，并獲取了圖像中的裂縫寬度值，其研究重點(diǎn)是圖像處理算法，缺乏對(duì)實(shí)際裂縫圖像的檢測(cè)和驗(yàn)證.方志等[3]研究了正拍和斜拍圖像的混凝土裂縫檢測(cè)方法，但在修正和標(biāo)定圖像過(guò)程中，容易扭曲實(shí)際裂縫.趙吉廣[4]研究了路面破損圖像處理方法；Atsushi Ito[5]等通過(guò)粘貼刻度條確定裂縫面積，但難以確定裂縫寬度；Tung等[6]研究了基于雙攝像頭的裂縫采集方法，該方法難以準(zhǔn)確標(biāo)定裂縫圖像，僅能檢測(cè)裂縫的分布狀態(tài)，不能確定裂縫寬度.樓偉等[7]用黑白CCD攝像機(jī)實(shí)地?cái)z取路面圖像，并提取裂縫輪廓.上述方法均采用Matlab 等圖像處理功能實(shí)現(xiàn)裂縫圖像的處理，通過(guò)閾值分割將橋梁裂縫提取出來(lái)，若混凝土表面存在氣孔、蜂窩、剝落等情形，分隔后的圖像仍存在局部噪聲，影響了裂縫的識(shí)辨.}

湖南大學(xué)學(xué)報(bào)（自然科學(xué)版）2013年

第7期許薛軍等：基于數(shù)字圖像的混凝土橋梁裂縫檢測(cè)技術(shù)

本文提出了基于數(shù)字圖像的橋梁裂縫檢測(cè)構(gòu)想，在橋梁表面粘貼棋盤(pán)格標(biāo)定板，用攝像機(jī)采集橋梁視頻，在視頻幀中提取橋梁裂縫圖像；用Visual C++6.0語(yǔ)言編制程序，對(duì)圖像灰度化、濾波除噪、邊緣檢測(cè)等圖像處理算法進(jìn)行了系統(tǒng)的分析比較，確定了適應(yīng)橋梁裂縫圖像的處理算法.基于此，本文研究了棋盤(pán)格角點(diǎn)法求解圖像的像素率（即單位像素代表的實(shí)際長(zhǎng)度），用改進(jìn)的平滑濾波法濾除圖像中的噪聲，用邊緣檢測(cè)算法識(shí)辨裂縫輪廓，然后擬合出裂縫邊緣線，計(jì)算裂縫的周長(zhǎng)、面積和寬度.此外，基于斜攝視頻圖像的橋梁裂縫檢測(cè)關(guān)鍵在于如何求解裂縫圖像中的像素率，作者將另文討論.

1 基于正攝視頻的橋梁裂縫檢測(cè)構(gòu)架

基于正攝視頻的橋梁裂縫檢測(cè)系統(tǒng)包括橋梁視頻圖像采集、圖像處理、裂縫識(shí)別計(jì)算等內(nèi)容，技術(shù)路線如圖1所示.

1.1 橋梁視頻圖像采集

根據(jù)橋梁受力特性，確定荷載最不利區(qū)域作為監(jiān)測(cè)區(qū)域.首先在監(jiān)測(cè)區(qū)域內(nèi)粘貼一定數(shù)量的棋盤(pán)格標(biāo)定板；然后由攝像機(jī)拍攝監(jiān)測(cè)區(qū)域，并將拍攝到的視頻通過(guò)網(wǎng)絡(luò)傳送到指定的服務(wù)器；最后計(jì)算機(jī)自動(dòng)提取某一時(shí)刻的視頻幀作為橋梁裂縫圖像.當(dāng)條件受限時(shí)，可用數(shù)碼相機(jī)人工定期拍攝橋梁監(jiān)測(cè)區(qū)域，將拍攝的圖像復(fù)制到指定的服務(wù)器.

1.2 圖像處理

原始的橋梁裂縫圖像是真彩色RGB圖像，而后續(xù)的橋梁裂縫識(shí)別和裂縫計(jì)算是在灰度圖像上進(jìn)行的，且圖像中存在一定的噪聲.灰度值差異是橋梁圖像裂縫識(shí)別技術(shù)的重要基礎(chǔ)，也就是在裂縫處圖像的灰度值會(huì)發(fā)生跳變，形成圖像邊緣.橋梁裂縫圖像是對(duì)裂縫狀態(tài)的一種可視化的定性表達(dá)，必須對(duì)圖像進(jìn)行灰度轉(zhuǎn)化、濾波除噪、邊緣檢測(cè)等一系列處理，并求解出圖像的像素率，才能定量地描述橋梁的裂縫狀況.

1.3 裂縫計(jì)算

橋梁裂縫圖像經(jīng)過(guò)處理后，可在圖像中擬合出裂縫的邊緣，獲得裂縫的像素寬、像素周長(zhǎng)、像素面積等，然后通過(guò)像素率計(jì)算出裂縫的實(shí)際值.

2 橋梁裂縫圖像處理技術(shù)

2.1 圖像灰度化

本文采用式（1）將RGB圖像轉(zhuǎn)換為灰度圖像：

x=0.30×R+0.59×G+0.11×B（1）

式中x為灰度圖像的像素值；R， G， B分別為真彩色圖像中像素的紅、綠、藍(lán)分量值.

2.2 灰度轉(zhuǎn)換

裂縫圖像灰度轉(zhuǎn)換可提高圖像的質(zhì)量，增強(qiáng)圖像的灰度級(jí)，常用的灰度轉(zhuǎn)換方法有線性轉(zhuǎn)換和直方圖轉(zhuǎn)換，本文采用式（2）進(jìn)行線性轉(zhuǎn)換.圖像轉(zhuǎn)換效果如圖2所示.

式中g(shù)（x）為轉(zhuǎn)換后的灰度像素值；Tmin和Tmax分別為圖像中最小和最大灰度值.

從圖2看出，線性轉(zhuǎn)換較好地保留了橋梁裂縫細(xì)節(jié)，進(jìn)一步拉開(kāi)了裂縫與背景的灰度值差，有利于后續(xù)圖像處理和裂縫識(shí)別.直方圖轉(zhuǎn)換使整個(gè)圖像灰度分布更加均勻化，但加深了圖像裂縫區(qū)域的灰度值和裂縫寬度，可能會(huì)導(dǎo)致計(jì)算出的裂縫寬度值與實(shí)際值的誤差較大.可見(jiàn)，線性灰度轉(zhuǎn)換能更好地處理橋梁裂縫圖像.

2.3 求解圖像像素率

為了滿足橋梁裂縫識(shí)別的要求，本文采用棋盤(pán)格角點(diǎn)法（如圖3所示）計(jì)算圖像的像素率.計(jì)算出棋盤(pán)格角點(diǎn)（邊緣點(diǎn)除外）的像平面坐標(biāo)值，求解橋梁裂縫圖像的像素率，計(jì)算公式為：

η=D1D2（3）

式中η為圖像的像素率（mm/像素）；D1為棋盤(pán)格中兩角點(diǎn)間的實(shí)際距離（mm）；D2為棋盤(pán)格中兩角點(diǎn)間的像素距離（像素）.

圖3 4×4棋盤(pán)示意圖

Fig.3 Schematic diagram of 4×4 checkerboard

目前，棋盤(pán)格角點(diǎn)檢測(cè)可分為直線檢測(cè)和角點(diǎn)檢測(cè)兩類(lèi)^{[8].直線檢測(cè)法是先對(duì)圖像進(jìn)行邊緣檢測(cè)，求取圖像中的直線，通過(guò)兩直線的交點(diǎn)求出棋盤(pán)格角點(diǎn)的像素坐標(biāo).角點(diǎn)檢測(cè)法是基于圖像灰度的檢測(cè)法，考慮像素領(lǐng)域點(diǎn)的灰度值變化.經(jīng)查閱有關(guān)文獻(xiàn)，能夠較好地檢測(cè)求解棋盤(pán)格角點(diǎn)像素坐標(biāo)的算法有Harris算法[8]和SV算法[9].通過(guò)試驗(yàn)發(fā)現(xiàn)，在橋梁裂縫圖像中，單獨(dú)使用Harris算法或SV算法，都不能完整地求解棋盤(pán)格上的角點(diǎn)（不含邊緣點(diǎn)），而兩種算法結(jié)合使用，可精確計(jì)算出棋盤(pán)格上的所有角點(diǎn).圖4是7×7棋盤(pán)格的驗(yàn)證實(shí)例.}

從圖4可以看出，棋盤(pán)格中共有36個(gè)角點(diǎn)（邊緣點(diǎn)除外），Harris算法檢測(cè)出40個(gè)點(diǎn)（27個(gè)角點(diǎn)和13個(gè)邊緣點(diǎn)），SV算法檢測(cè)出42個(gè)點(diǎn)（34個(gè)角點(diǎn)和8個(gè)邊緣點(diǎn)），Harris和SV結(jié)合算法可以精確檢測(cè)出棋盤(pán)格上的36個(gè)角點(diǎn).

2.4 圖像濾波除噪

圖像濾波一方面要有效濾除橋梁裂縫圖像中的噪聲，另一方面要有效保護(hù)裂縫信息，盡量減少濾波過(guò)程中對(duì)裂縫邊緣的模糊，以便于后續(xù)的裂縫邊緣檢測(cè).本文以實(shí)際橋梁裂縫圖像為試驗(yàn)對(duì)象，系統(tǒng)分析了幾種常用的圖像濾波方法，并用平均像素偏差評(píng)價(jià)了各算法的濾波效果.

2.4.1 圖像濾波算法

常用的圖像濾波算法有平滑濾波、中值濾波和均值濾波.本文通過(guò)大量橋梁裂縫圖像濾波，對(duì)平滑濾波進(jìn)行了改進(jìn)，研究了中值與均值結(jié)合的濾波方法.

改進(jìn)的平滑濾波^{[10]將灰度圖像中某像素點(diǎn)自身的灰度值提高至4倍，相鄰的上下左右4個(gè)像素點(diǎn)的灰度值提高至2倍，對(duì)角線上相鄰的4個(gè)像素點(diǎn)的灰度值不變，然后將9個(gè)像素的灰度值相加，除以16作為該像素點(diǎn)新的灰度值.該方法采用矩陣的形式表示為：}

圖4 7×7棋盤(pán)格的驗(yàn)證實(shí)例

Fig.4 Validate instance of 7×7 checkerboard

116121242121

中間的黑點(diǎn)表示橋梁裂縫圖像中某個(gè)濾波的像素點(diǎn).

中值與均值結(jié)合濾波，假設(shè)橋梁裂縫圖像中像素點(diǎn)的灰度值分布服從F～N（μ， σ2） 的正態(tài)分布.若像點(diǎn)xi的灰度值在[μ-2σ，μ+2σ]內(nèi)，采用均值濾波；若像點(diǎn)xi的灰度值在[μ-2σ，μ+2σ]外，采用中值濾波.參數(shù)μ，σ可用像素點(diǎn)的灰度值計(jì)算：

μ=1N∑Ni=1xi（4）

σ=1N∑Ni=1（xi-u）2（5）

式中N為橋梁裂縫圖像中像素點(diǎn)的總數(shù)； xi為某像素點(diǎn)的灰度值.

2.4.2 濾波效果評(píng)價(jià)

為評(píng)價(jià)各種濾波算法用于橋梁裂縫圖像的效果，采用平均像素偏差評(píng)價(jià)方法，先在原始橋梁裂縫灰度圖像上附加了平均像素偏差為14.495 7的噪聲，再用不同方法進(jìn)行濾波，各算法的濾波效果如圖5所示.

圖5 不同算法的濾波效果

Fig.5 The filtering effect of the different algorithms

濾波后的裂縫圖像與原始灰度圖（即添加噪聲前的灰度圖）進(jìn)行比較，像素灰度值的平均偏差越小，濾波效果越好.評(píng)價(jià)公式為：

D（xi）=|P（xi）-M（xi）| （6）

A=∑Ni=1D（xi）/N（7）

式中P（xi）為橋梁裂縫原始灰度圖中某像素點(diǎn)的灰度值；M（xi）為濾波后圖像中對(duì)應(yīng)的像素點(diǎn)的灰度值； D（xi）為某像素點(diǎn)xi的灰度值差； A為整幅圖像的平均像素偏差.

通過(guò)計(jì)算，各種濾波方法對(duì)應(yīng)的平均像素偏差見(jiàn)表1.

從圖5和表1可以看出，橋梁裂縫圖像的濾波除噪是十分必要的，改進(jìn)平滑濾波算法對(duì)橋梁裂縫灰度圖像的濾波效果最明顯，中值濾波和均值濾波的濾波效果基本相同，中值濾波能有效保護(hù)圖像邊緣，均值濾波使橋梁裂縫變得模糊，中值與均值結(jié)合的濾波方法濾波效果較差，不適合橋梁裂縫圖像的濾波.

2.5 橋梁裂縫圖像二值化

對(duì)于低分辨率的圖像，圖像濾波后仍然存在局部區(qū)域的灰度值接近裂縫區(qū)域.圖像二值化能將裂縫區(qū)域和背景區(qū)域分別出來(lái)，可有效提高低分辨率圖像裂縫邊緣檢測(cè)和識(shí)別的準(zhǔn)確度.

2.6 裂縫圖像邊緣檢測(cè)

橋梁裂縫灰度圖像中，裂縫區(qū)域較暗，灰度值較低；非裂縫區(qū)域通常較亮，灰度值較高.灰度值差異是橋梁圖像裂縫識(shí)別技術(shù)的重要基礎(chǔ)，也就是在裂縫邊緣處圖像的灰度值會(huì)發(fā)生跳變，形成圖像邊緣.邊緣檢測(cè)算法可識(shí)別出圖像中的裂縫，用于后續(xù)的裂縫計(jì)算.

2.6.1 邊緣檢測(cè)算法^[11-12]

圖像邊緣檢測(cè)直接影響著橋梁裂縫識(shí)別效果和后續(xù)的計(jì)算精度，文章對(duì)Roberts算子、Sobel算子、Prewitt算子、G_Laplacian算子、Canny算子進(jìn)行了驗(yàn)證，各算子的邊緣檢測(cè)結(jié)果如圖6（a）～（e）所示.

2.6.2 邊緣檢測(cè)算法評(píng)價(jià)

為評(píng)價(jià)各算法應(yīng)用于橋梁裂縫圖像邊緣檢測(cè)的效果，手工將濾波后圖像的裂縫邊緣像素點(diǎn)標(biāo)記為藍(lán)色（0，0，255），并保存為樣本圖像（如圖6（f）），再將各邊緣檢測(cè)算法計(jì)算的邊緣像素點(diǎn)與標(biāo)記的像素點(diǎn)進(jìn)行逐一對(duì)比，計(jì)算其吻合度.如樣本圖像中某邊緣像素點(diǎn)xi，在邊緣檢測(cè)后的圖像中對(duì)應(yīng)的該點(diǎn)為白色，視為邊緣檢測(cè)點(diǎn)正確，計(jì)其吻合值為1，否則吻合值為0.各算法的吻合度值見(jiàn)表2.

某邊緣檢測(cè)點(diǎn)的吻合值F（xi）為：

F（xi）=10P（xi）=（255，255，255）P（xi）≠（255，255，255） （8）

圖像邊緣檢測(cè)的吻合度F為：

F=∑Mi=1F（xi）/M （9）

式中M為標(biāo)記的裂縫邊緣像素點(diǎn)總數(shù).

試驗(yàn)表明，圖像二值化過(guò)程使檢測(cè)到的邊緣點(diǎn)大部分位于標(biāo)記點(diǎn)的附近領(lǐng)域，降低了橋梁裂縫圖像邊緣檢測(cè)的吻合度，但吻合度在30%以上對(duì)后續(xù)的裂縫寬度計(jì)算和各算法的評(píng)價(jià)影響較小.從表3看出，Sobel算子和G_Laplacian算子的邊緣檢測(cè)吻合度較高，且非常接近.橋梁裂縫檢測(cè)系統(tǒng)采用了Sobel算子進(jìn)行邊緣檢測(cè).

3 橋梁裂縫計(jì)算

橋梁裂縫圖像經(jīng)過(guò)處理后，可計(jì)算出裂縫的像素寬、像素周長(zhǎng)、像素面積等信息.裂縫像素周長(zhǎng)可通過(guò)統(tǒng)計(jì)圖像中裂縫相鄰邊緣點(diǎn)的距離求得，裂縫像素面積可通過(guò)統(tǒng)計(jì)圖像中裂縫邊緣線包含的像素點(diǎn)求得，然后通過(guò)像素率得到裂縫的實(shí)際周長(zhǎng)和面積.裂縫寬度是橋梁檢測(cè)評(píng)價(jià)的重要指標(biāo)，不能直接通過(guò)統(tǒng)計(jì)像素點(diǎn)求得.本文重點(diǎn)研究了裂縫寬度的計(jì)算（最大裂縫寬度）.

3.1 特殊裂縫像素寬度計(jì)算

當(dāng)裂縫方向?yàn)樗交虼怪睍r(shí)，稱(chēng)這種裂縫為特殊裂縫.水平裂縫可通過(guò)橋梁裂縫圖像每列中的最上面一個(gè)邊緣檢測(cè)點(diǎn)和最下面一個(gè)邊緣檢測(cè)點(diǎn)的位置，求出對(duì)應(yīng)的裂縫像素寬，取最大值作為裂縫像素寬值.垂直裂縫的算法與水平裂縫相似.

3.2 一般裂縫像素寬度計(jì)算

通常情況下，橋梁裂縫圖像中裂縫方向?yàn)椴灰?guī)則曲線（如圖7所示）.經(jīng)處理后的橋梁裂縫圖像為m行n列的離散點(diǎn)像素矩陣，利用矩陣和裂縫的有關(guān)特性可計(jì)算出裂縫的像素寬度.

在裂縫圖像像素矩陣中，任意一點(diǎn)的像素坐標(biāo)可表示為（i，Z（i，k））的形式，i=1，2，…，m；k=1，2，…，n.假設(shè)第k列中最上面一個(gè)邊緣檢測(cè)點(diǎn)（即裂縫邊緣點(diǎn)）的像素坐標(biāo)為（i，Z（i，k）），最下面一個(gè)邊緣檢測(cè)點(diǎn)的像素坐標(biāo)為（j，Z（j，k）），則可以得出如下公式.

裂縫垂直像素寬P（k）：

P（k）=Z（i，k）-Z（j，k）（10）

設(shè)M（k）=z（i，k）+z（j，k）2，裂縫傾角θ（k）：

θ（k）=arctan （M（k+1）-M（k-1）2） （11）

裂縫的像素寬W（k）：

W（k）= P（k）×cos（θ（k））.（12）

取最大值作為橋梁裂縫的像素寬度值.

3.3 裂縫實(shí)際寬度計(jì)算

橋梁裂縫像素寬度Max（w（k））確定后，通過(guò)2.3節(jié)求得的圖像像素率η，計(jì)算出橋梁實(shí)際裂縫寬度W：

W=η×Max（w（k））（13）

4 實(shí)例驗(yàn)證

基于上述正射視頻的混凝土橋梁裂縫計(jì)算方法，利用Visual C++6.0語(yǔ)言編制程序，采用較為合理的裂縫圖像的處理算法，實(shí)現(xiàn)了基于圖像技術(shù)的橋梁裂縫監(jiān)測(cè).本文以實(shí)際橋梁裂縫為試驗(yàn)對(duì)象，對(duì)15幅數(shù)碼相機(jī)拍攝的橋梁裂縫圖像進(jìn)行了驗(yàn)證，同時(shí)用裂縫觀測(cè)儀實(shí)測(cè)裂縫寬度與試驗(yàn)值進(jìn)行比較（見(jiàn)表3）.

可以看出，計(jì)算出的裂縫寬度值基本上略大于實(shí)測(cè)值，誤差值在0.05 mm之內(nèi).當(dāng)裂縫寬度在0.3 mm以上時(shí)，計(jì)算出的裂縫寬度值與實(shí)測(cè)寬度值非常接近，誤差在6%以內(nèi)；當(dāng)裂縫寬度在0.2～0.3 mm之間時(shí)，誤差在10%以內(nèi).當(dāng)裂縫寬度在0.2 mm以下時(shí)，相對(duì)誤差大于30%，主要原因是實(shí)測(cè)裂縫值是人工讀取的，判讀裂縫的最寬位置需依賴(lài)于檢測(cè)人員的經(jīng)驗(yàn)和感覺(jué)，難以判斷裂縫的最寬位置，且裂縫觀測(cè)儀的精度為0.1 mm，而圖像計(jì)算出的裂縫值是所有裂縫的最大值.《公路鋼筋混凝土及預(yù)應(yīng)力混凝土橋涵設(shè)計(jì)規(guī)范》（JTG D62-2004）規(guī)定，全預(yù)應(yīng)力橋梁在短期荷載效應(yīng)組合下和部分預(yù)應(yīng)力A類(lèi)（限制拉應(yīng)力）橋梁在荷載長(zhǎng)期效應(yīng)組合下，混凝土梁的正截面的受拉邊緣不允許出現(xiàn)拉應(yīng)力，即不允許出現(xiàn)豎向裂縫，鋼筋混凝土橋梁和部分預(yù)應(yīng)力B類(lèi)（超出限制拉應(yīng)力）橋梁在正常使用狀態(tài)下允許的最大裂縫寬（一二類(lèi)環(huán)境下非鋼絲或鋼絞線預(yù)應(yīng)力）為0.2 mm.《公路橋涵養(yǎng)護(hù)規(guī)范》（JTG H11-2004）規(guī)定，全預(yù)應(yīng)力或部分預(yù)應(yīng)力A類(lèi)橋梁不允許出現(xiàn)梁體豎向裂縫，梁體縱向裂縫允許最大寬為0.2 mm，鋼筋混凝土或部分預(yù)應(yīng)力B類(lèi)橋梁允許豎向裂縫最大寬為0.25 mm，超過(guò)此數(shù)值應(yīng)進(jìn)行修補(bǔ)或加固.綜上所述，本文提出的裂縫識(shí)別方法主要用于鋼筋混凝土橋梁和B類(lèi)預(yù)應(yīng)力混凝土橋梁的裂縫檢測(cè).

5 結(jié) 論

本文系統(tǒng)研究了基于視頻的混凝土橋梁裂縫檢測(cè)技術(shù)，得出如下結(jié)論：

1）本文用Visual C++6.0語(yǔ)言編制程序，對(duì)圖像處理技術(shù)的有關(guān)算法進(jìn)行了系統(tǒng)比較，得出用于橋梁裂縫圖像處理的算法.通過(guò)實(shí)例證明，提出的橋梁裂縫檢測(cè)方法能很好地應(yīng)用于實(shí)際檢測(cè).

2）通過(guò)棋盤(pán)格角點(diǎn)標(biāo)定法求解橋梁裂縫圖像的像素率，并通過(guò)Harris和SV結(jié)合算法能精確識(shí)別和計(jì)算角點(diǎn)的像平面坐標(biāo)，為后續(xù)的裂縫精確計(jì)算提供了技術(shù)保障.

3）各種圖像處理算法中，分段線性函數(shù)的圖像灰度轉(zhuǎn)換能較好地保留裂縫細(xì)節(jié)，改進(jìn)平滑濾波算法濾波效果最明顯，Roberts算子、Sobel算子、GaussLaplacia算子、Canny算子都能較好地檢測(cè)出圖像中裂縫的邊緣，但Sobel算子邊緣檢測(cè)的吻合度最高.

4）橋梁裂縫檢測(cè)中，0.2 mm寬度以下裂縫的檢測(cè)是一個(gè)技術(shù)難點(diǎn)，需進(jìn)一步研究如何提高其計(jì)算精度，以便廣泛用于混凝土裂縫的識(shí)別.

參考文獻(xiàn)

[1] TONG Xuhang， GUO Jie， LING Yun， et al. A new imagebased method for concrete bridge bottom crack detection[C]//Image Analysis and Signal Processing. New York： IEEE， 2011：568-571.

[2] XU Bing，YIN Guansheng， LIU Xiaowei. A technology based on image processing for the bridge crack measurement[J]. Applied Mechanics and Materials， 2012， 138/139：569-574.

[3] 方志，彭海濤. 基于圖像分析技術(shù)的混凝土橋梁結(jié)構(gòu)表面裂縫寬度檢測(cè)[J].湖南大學(xué)學(xué)報(bào)：自然科學(xué)版， 2012，39（1）： 7-12.

FANG Zhi， PENG Haitao. Crack width detection on the concrete surface of bridge based on image analysis technology[J]. Journal of Hunan University： Natural Sciences， 2012，39（1）： 7-12.（In Chinese）

[4] 趙吉廣. 基于視頻圖像的路面性能參數(shù)采集方法研究[D]. 南京：東南大學(xué)交通學(xué)院，2006.

ZHAO Jiguang. Research on data collecting techniques for pavement performance parameters based on video images [D]. Nanjing： College of Transportation， Southeast University， 2006.（In Chinese）

[5] ATSUSHI Ito， AOKI Y， HASHIMOTO S. Accurate extraction and measurement of fine cracks from concrete block surface image[C]//Proceedings of IECON 02. New York： IEEE， 2002：77-82.

[6] TUNG Picheng， HWANG Yeanren， WU Mingchang. The development of a mobile manipulatro imaging system for bridge crack inspection[J]. Automation in Construction， 2002， 11（6）： 717-729.

[7] 樓偉，沈?qū)? 高等級(jí)公路路面裂縫類(lèi)病害輪廓提取的算法研究[J]. 電子技術(shù)應(yīng)用，2002，10：30-34.

LOU Wei， SHEN Ning. Crack disease contour extraction algorithm for high grade highway pavement[J]. Application of Electronic Technique， 2002，10：30-34. （In Chinese）

[8] 張?jiān)?，方康玲，劉永? 基于Harris算法的黑白棋盤(pán)格角點(diǎn)檢測(cè)[J].計(jì)算機(jī)應(yīng)用與軟件，2010，27（8）：251-254.

ZHANG Yu， FANG Kangling， LIU Yongxiang. Harris algorithmbased corner detection on black white checkerboard[J]. Computer Applications and Software， 2010， 27（8）： 251-254. （In Chinese）

[9] 劉陽(yáng)成，朱楓. 一種新的棋盤(pán)格圖像角點(diǎn)檢測(cè)算法[J].中國(guó)圖像圖形學(xué)報(bào)，2006，11（5）：656-660.

LIU Yangcheng， ZHU Feng. A new algorithm for Xcorner detection [J]. Journal of Image and Graphics， 2006，11（5）：656-660. （In Chinese）

[10]王小兵，孫久運(yùn). 一種新型高斯噪聲濾波算法[J].北華大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，12（5）：606-609.

WANG Xiaobing， SUN Jiuyun. A new Gaussian noise filtering algorithm[J]. Journal of Beihua University： Natural Science， 2011，12（5）：606-609. （In Chinese）

[11]李曉飛. 三種不同邊緣檢測(cè)算子的分析研究[J].安陽(yáng)工學(xué)院學(xué)報(bào)，2012，11（4）：54-56.

LI Xiaofei. The analysis and research on the three different edge inspection operators[J]. Journal of Anyang Institute of Technology， 2012，11（4）：54-56. （In Chinese）

[12]常娜.圖像處理中的邊緣檢測(cè)算法研究綜述[J].中國(guó)科技信息，2011（4）：130-132.

CHANG Na. Research of edge identification algorithm in image processing[J]. China Science and Technology Information， 2011（4）：130-132. （In Chinese）