基于邊緣檢測的一種碎石撒布覆蓋率檢測方法

王忠勇，閆飛宇，姚江敏

（鄭州大學(xué) 信 息工程學(xué)院， 河南 鄭 州 4 50001）

同步碎石封層是一種路面養(yǎng)護(hù)技術(shù)，使用專用設(shè)備即同步碎石封層車將碎石以及粘結(jié)材料（改性瀝青或改性乳化瀝青）同步鋪灑在路面上，通過自然行車碾壓形成單層瀝青碎石磨耗層，能夠有效快速的治愈多種路面病害[1]。對同步碎石封層施工質(zhì)量進(jìn)行準(zhǔn)確評價(jià)對公路養(yǎng)護(hù)事業(yè)具有重要意義。碎石撒布覆蓋率即石料覆蓋面積與施工路面面積比值，是同步碎石封層施工質(zhì)量的重要的評價(jià)標(biāo)準(zhǔn)。而碎石撒布覆蓋率的準(zhǔn)確檢測方法目前未見報(bào)道。只能由施工人員采用目測的方式估計(jì)碎石撒布覆蓋率，具有極大的主觀性隨意性。因此本文提出了一種基于邊緣檢測閾值法的數(shù)字圖像處理方法，通過對施工路面圖像的處理能夠準(zhǔn)確定量的測量碎石撒布覆蓋率。

通過攝像機(jī)對施工路面圖像實(shí)施現(xiàn)場采集后，將圖像分割為目標(biāo)物（石料）和背景（瀝青）的最佳閾值則應(yīng)存在于目標(biāo)物向背景物變化的邊緣部分的灰度區(qū)域中。在利用拉普拉斯高斯算子確定了邊緣部分的灰度區(qū)域后，就可以根據(jù)原圖像中這一區(qū)域的灰度信息選取合適的閾值。對圖像進(jìn)行分割后，通過統(tǒng)計(jì)目標(biāo)物面積與圖像面積的比例得出碎石撒布覆蓋率。

1 碎石撒布現(xiàn)場圖像的采集與預(yù)處理

同步碎石封層的施工場地多位于開闊地帶，極易受到陽光、霧靄和沙塵的影響。為了克服這些外部環(huán)境造成的不良影響，文中利用Retinex算法[2]對圖像進(jìn)行預(yù)處理。通過對圖像照度譜的估計(jì)，分離出只受物體表面材料性質(zhì)影響的反射圖像[3]。處理結(jié)果如圖1（b）所示?？梢钥吹浇?jīng)處理后，石料區(qū)域的灰度被明顯增強(qiáng)，與瀝青的差別更加明顯，并且石料的邊緣細(xì)節(jié)得到了良好改善。

圖1 圖像的預(yù)處理結(jié)果Fig.1 Result of Image preprocessing

2 施工現(xiàn)場圖像的分割

2.1 石料邊緣檢測

由于石料并非均一物質(zhì)，在其表面上存在各種雜質(zhì)。對其進(jìn)行邊緣檢測時(shí)將會受到大量細(xì)小花紋的影響。因此選用帶有濾波步驟的拉普拉斯高斯算子[4]對石料邊緣進(jìn)行檢測。這種方法首先用高斯濾波器G（x，y）與目標(biāo)圖像進(jìn)行卷積，平滑圖像的同時(shí)濾除孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織。然后利用無方向性的拉普拉斯算子求取圖像的二階導(dǎo)數(shù)。通過尋找圖像二階導(dǎo)數(shù)的零交叉點(diǎn)可以快速的確定邊緣位置[5]。

設(shè)目標(biāo)圖像為 f（x，y），輸出圖像為 h（x，y），Δ2為拉普拉斯運(yùn)算則：

由卷積定理得出：

當(dāng)δ=1.0時(shí)，拉普拉斯算子如圖2所示。

圖2 拉普拉斯高斯算子圖像Fig.2 The image of Laplacian of Gaussian operator

通常用一個離散模板m（x，y）代替拉普拉斯算子[6]。式中δ值的選取與模版寬度w有關(guān)，w與δ取值的經(jīng)驗(yàn)公式是:w=]+1。模板參數(shù)w=5，δ=0.7時(shí)如圖3所示。

圖3 LOG算子模板Fig.3 The template of Laplacian of Gaussian operator

當(dāng)確定模板 m（x，y）后，h（x，y）可以用下式近似計(jì)算得出：

對 h（x，y）進(jìn)行二值化處理，檢測出目標(biāo)圖像的邊緣區(qū)域，如圖4所示。

圖4 邊緣檢測結(jié)果Fig.4 The result of edge detection

2.2 基于加權(quán)系數(shù)法的閾值選取

通過圖4可以得到石料邊緣像素在原始圖像中的位置，采用加權(quán)系數(shù)法[7]對石料邊緣區(qū)域的灰度信息進(jìn)行統(tǒng)計(jì)以的出圖像閾值。對所有檢測到的石料邊緣像素的灰度值取平均值θ0。假設(shè)圖像閾值為θ，以θ0作為初始閾值，圖像中邊緣像素的灰度值 θi，以 1/|θi-θ0|作為權(quán)系數(shù)。 以 θ0作為似然門限值，求得歸一化系數(shù)：

式中m為灰度最大值。計(jì)算每個石料邊緣像素的權(quán)系數(shù)

對各邊緣像素進(jìn)行加權(quán)計(jì)算，得到統(tǒng)計(jì)特性下的最優(yōu)閾值θ作為圖像閾值對圖像進(jìn)行二值化處理。結(jié)果如圖5所示，圖中白色部分為石料，灰度范圍[θ，L]，黑色部分為瀝青，灰度范圍[1，θ-1]。

圖5 邊緣檢測閾值法分割結(jié)果Fig.5 Image segmented by edge-detected threshold

2.3 石料邊緣的修補(bǔ)

對比處理結(jié)果圖5與圖1發(fā)現(xiàn)，靠近瀝青的石料邊緣被大面積的劃分為瀝青。通過圖4可以看出，灰度值較低石料與瀝青的交界處只是占了較小的一部分。因此通過邊緣檢測閾值法獲得的閾值偏大，即在灰度范圍[1，θ-1]中存在這瀝青與石料邊緣這兩部分。為了檢測出被誤分割的石料邊緣，對灰度范圍[1，θ-1]的圖像使用最大類間方差法（又稱Otsu法）[8]進(jìn)行再次分割，獲得新的閾值T，并對圖像進(jìn)行分割，處理結(jié)果如圖6所示?？梢钥闯鼋?jīng)過最大閾值方差法修正后，糾正了絕大部分的誤分割。

圖6 最大類間方差法處理結(jié)果Fig.6 The result of otsu algorithm

3 計(jì)算碎石撒布覆蓋面積

利用式15計(jì)算碎石撒布覆蓋率：×100%=78.62%。計(jì)算結(jié)果與實(shí)際情況相吻合，圖像顯示區(qū)域碎石撒布覆蓋率符合施工要求。

4 結(jié)束語

文中提出的算法具有4個優(yōu)點(diǎn)：1）測量設(shè)備簡單，一臺普通數(shù)碼相機(jī)搭配計(jì)算機(jī)或嵌入式圖像處理平臺即可完成測量。2）有效的克服了石料灰度分布范圍過大的問題，通過邊緣檢測閾值法分割的圖像清晰的保留了石料的形狀特征。3）基于最大類間方差法的邊緣修補(bǔ)有效的減小了誤分割區(qū)域。4）算法簡單快速，可通過實(shí)時(shí)測量知道施工中石料撒布綜合控制參數(shù)的設(shè)定，保證施工的質(zhì)量。

[1]劉賢惠，武澤峰.同步碎石封層技術(shù)簡介[J].東北公路，2003，26（1）：21-24.

LIU Xian-hui，WU Ze-feng.Synchronous crushed stone seal coat technology[J].Northeastern Highway，2003，26（1）：21-24.

[2]Rahman Zia-ur，Jobson D J，Woodell G A.Retinex processing for automatic image enhancement[J].Journal of Electronic Imaging，2004，13（1）:100-110.

[3]胡韋偉，汪榮貴.基于雙邊濾波的Retinex圖像增強(qiáng)算法[J].工程圖學(xué)學(xué)報(bào)，2010，31（2）:104-109.

HU Wei-wei，WANG Rong-gui.Retinex algorithm for image enhancementbased on bilateralfiltering[J].Journalof Graphics，2010，31（2）:104-109.

[4]張德豐.MATLAB數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2009.

[5]趙全友，潘保昌.基于LOG算子的邊緣零交叉二值化方法[J].微型機(jī)與應(yīng)用，2005，24（8）:46-49.

ZHAO Quan-you，PAN Bao-chang.Zero crossing binarization method based the LOG operator[J].Microcomputer&Its Applications，2005，24（8）:46-49.

[6]田自君，劉藝.基于LOG算子邊緣檢測的圖像二值化處理[J].中國測試技術(shù)，2007，33（6）:109-110.

TIAN Zi-jun，LIU Yi.Global threshold binarization method based on LoG algorithms edge detecting[J].China Measurement&Test，2007，33（6）:109-110.

[7]吳冰，秦志遠(yuǎn).自動確定圖像二值化最佳閾值的新方法[J].測繪學(xué)院學(xué)報(bào)，2001，18（4）:283-286.

WU Bing，QIN Zhi-yuan.New approaches for the automatic selection of the optimal threshold in image binarization[J].Journal of Institute of Surveying and Mapping，2001，18（4）:283-286.

[8]Rafael C.Gonzalez，Richard E.Woods.Digital Image Processing， Third Edition[M].Beijing：Publishing House of Electronics Industry，2011.