圖像處理技術(shù)在混凝土橋梁裂縫檢測中的應(yīng)用研究

周傳林

（南京交通職業(yè)技術(shù)學(xué)院，江蘇 南京 211188）

0 引 言

混凝土橋梁在投入使用后，會不可避免地遭遇各種自然力的影響，如大風(fēng)、雨雪、地震及冰凍等的侵蝕，隨著時間的增加，還可能遭受超載、撞擊等人為因素的損壞。這些損壞的表現(xiàn)形式多樣，如混凝土碳化、破損開裂、鋼筋銹蝕、支座脫空和變形等，日積月累，混凝土將出現(xiàn)分層與破裂，繼而引發(fā)坍塌等惡性事故，造成巨大的經(jīng)濟損失和人員傷亡。

據(jù)統(tǒng)計，有90%以上的混凝土橋梁損壞是由裂縫引起的。工程實踐和理論分析表明，幾乎所有的混凝土構(gòu)件均存在裂縫，只是有些裂縫很細，肉眼看不見（小于0.05mm）。這種細微的裂縫一般對結(jié)構(gòu)的正常使用無大的危害，可允許其存在，但有些裂縫在荷載或外界物理、化學(xué)因素的作用下，會不斷產(chǎn)生并擴展，形成貫穿縫、深縫?；炷翗蛄褐?.3 mm以上的裂縫會直接破壞結(jié)構(gòu)的整體性，引起混凝土碳化、保護層剝落和鋼筋腐蝕，在橋梁內(nèi)部形成力學(xué)間斷面，使橋梁承載能力大為降低，嚴重時甚至發(fā)生垮塌事故，危害結(jié)構(gòu)的正常使用。

因此，采取有效手段對橋梁裂縫進行監(jiān)測、預(yù)防和控制，對確保公共交通的安全和正常運行起著十分重要的作用，長期以來已受到了國內(nèi)外學(xué)術(shù)界、工程界的廣泛關(guān)注。

1 國內(nèi)外橋梁裂縫檢測技術(shù)現(xiàn)狀分析

1.1 國內(nèi)外橋梁裂縫檢測的主要方法

1.1.1 人工檢測

人工檢測主要是指檢測人員用望遠鏡等工具遠距離觀察橋梁結(jié)構(gòu)面，或者利用搭設(shè)的支架平臺用肉眼近距離檢測橋底裂縫的方式。其中，對裂縫的測量包括長寬尺寸測量與長寬變化檢測兩個方面。

1.1.2 橋梁檢測車檢測

在檢測跨江、峽谷和位置較高的高架橋梁等大、長型橋梁時，無法在橋下架設(shè)檢測支架對主梁、支座及墩臺進行檢測，可利用橋梁檢測車將檢測人員送到橋梁的底部，利用肉眼或者檢測工具進行裂縫等缺陷檢測。

1.1.3 無損檢測技術(shù)

橋梁裂縫無損檢測技術(shù)主要包括：超聲波檢測、沖擊彈性波法、聲發(fā)射檢測、傳感儀器監(jiān)測和光纖傳感網(wǎng)絡(luò)監(jiān)測［1］。

1.1.4 數(shù)字圖像處理技術(shù)

圖像處理技術(shù)是將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機對其進行系列操作，從而獲得某種結(jié)果的技術(shù)［2］。常用的圖像處理方法有以下幾種：灰度化、直方圖均衡化、濾波、圖像分割、目標表示與描述、特征提取等。

1.2 各種裂縫檢測方法的對比分析

人工檢測與橋梁檢測車檢測這兩種方法的人員耗費大，效率、精確度低，存在不安全因素。

在無損檢測技術(shù)中，超聲波法和沖擊彈性波法主要用于探測混凝土內(nèi)部裂縫以及裂縫的深度，后者只能檢測擴展方向與表面成直角，沒有分支的單純裂縫［3］。聲發(fā)射法只能檢測正在發(fā)生的裂縫，不能檢測已發(fā)生的舊裂縫。傳感儀器監(jiān)測利用埋設(shè)在混凝土中的卡爾遜式或弦式測縫計等儀器進行裂縫監(jiān)測，其控制范圍僅0.2～1m，屬點式檢測。由于裂縫出現(xiàn)具有空間隨機性，因此往往漏檢。光纖傳感監(jiān)測具有靈巧、精度高、抗電磁干擾，且可靠耐久、易于光纖傳輸?shù)葍?yōu)點，可以組成自動化遙測系統(tǒng)，準確地確定裂縫的位置。但構(gòu)建光纖傳感網(wǎng)絡(luò)的復(fù)雜程度和高額的成本不可忽視。

目前，根據(jù)數(shù)字圖像分析技術(shù)開發(fā)的應(yīng)用于橋梁裂縫圖像檢測的分析軟件，在實驗室條件下能夠以較高的精度提取一定距離范圍內(nèi)拍攝的混凝土裂紋，但在戶外條件下，拍攝距離對圖像處理的精度有較大影響，精度隨距離增加而降低。在對明顯裂紋處理的同時，忽略了圖像中的另一些細節(jié)，其中長度小于2mm的裂紋被視為噪聲會被去除，因此，要將此檢測方法應(yīng)用于實際工程檢測，尤其是微小裂縫的檢測，還需要做大量深入的研究。

2 采用圖像處理技術(shù)對橋梁裂縫進行檢測的技術(shù)分析

大多數(shù)橋梁的結(jié)構(gòu)裂縫主要產(chǎn)生在橋梁底部，檢測起來很困難，隨著橋梁結(jié)構(gòu)形式日趨大型化和新穎化，裂縫的檢測問題更加難以解決。因此，若能在橋梁底部裂縫出現(xiàn)的早期，及時檢測到并加以維護修補，可大大降低維護成本，有效地保障公共交通的安全運行。數(shù)字圖像處理具有再現(xiàn)性好、處理精度高、適用面寬及靈活性高等優(yōu)點。用圖像處理技術(shù)檢測物體表面裂縫的方法已經(jīng)在許多領(lǐng)域得到了應(yīng)用，將其應(yīng)用于橋梁裂縫的檢測，可以解放勞動力，排除人為主觀干擾，降低橋梁檢測成本［4］。

2.1 提取裂縫的方法

許多裂縫提取方法都是在圖像質(zhì)量較好，裂縫目標清晰，噪聲較少的基礎(chǔ)上進行處理，而實際的橋梁結(jié)構(gòu)面狀況比較復(fù)雜，可能包含水漬、油漆、粘結(jié)物及光照陰影等噪聲，這些噪聲的形狀、灰度特征與裂縫很接近，會嚴重影響裂縫的提取效果。因此，在混凝土橋梁底部裂縫的檢測技術(shù)中，最關(guān)鍵的是針對裂縫目標的提取方法。

圖1 是裂縫提取流程示意圖。在提取裂縫目標的流程中，比較關(guān)鍵的步驟包括：濾波器選擇、灰度閾值分割、去除噪聲的閾值選擇、特征提取、特征值計算和區(qū)域灰度均值比較等。

原始圖像中包含一些噪聲，選擇合適的濾波器進行濾波，能夠?qū)D像中的噪聲起到良好的抑制作用?；叶乳撝捣指罱Y(jié)果的好壞，直接影響后續(xù)圖像的分析效果，最終影響對裂縫的提取和測量。合理選擇閾值一直是圖像處理中的一個難點，本文采用自定義閾值法與迭代法自動求閾值相結(jié)合的方式確定閾值。在分割后的二值圖像中，存在大量的白色連通區(qū)域，根據(jù)經(jīng)驗可直接判定其中面積較小的區(qū)域為噪聲，但需要設(shè)定一個適當?shù)拈撝颠M行篩選。在特征提取過程中，根據(jù)圖像中裂縫區(qū)域和形狀特點，提取面積、長度、寬度、外接矩形及外接橢圓等反映其形狀的特征量。區(qū)域灰度均值比較是在認定某個或某些區(qū)域的形狀特征值符合裂縫形狀特征情況下，對可能的裂縫目標進行驗證和判定的一種方法。具體做法是在灰度圖像中，計算疑似裂縫區(qū)域和其外接矩形區(qū)域的灰度平均值之差，若差值大于閾值，則認定為裂縫。

圖1 裂縫提取流程

2.2 裂縫圖像預(yù)處理

2.2.1 灰度化

自然界中絕大部分的可見光譜用紅、綠、藍三色光按不同比例和強度混合來表示。R、B、G分別代表3種顏色：紅色（R）、藍色（B）、綠色（G）。當像素的3種基色的亮度值相等時，產(chǎn)生灰度顏色，此時的亮度值叫灰度值（又稱強度值）?；叶葓D像是包含多個量化灰度級的圖像。

2.2.2 圖像增強

在裂縫圖像中，裂縫屬于顏色較暗的區(qū)域，背景相對較亮。但在采集圖像過程中，由于曝光不足造成圖像整體偏暗，使裂縫區(qū)域與背景混為一體而不易分辨，如圖2所示。有效的解決方法是對圖像進行增強處理，達到增強圖像整體對比度的目的。在對原始圖像進行均衡化處理后，得到對比度大的裂縫圖像，如圖3所示。

圖2 原始圖像

2.2.3 空間濾波

圖3 增強效果

研究采用了中值濾波法。中值濾波的關(guān)鍵在于選擇合適的窗口形狀和大小。中值濾波器的窗口有線形、十字形、方形、菱形和圓形等，不同形狀的窗口產(chǎn)生不同的濾波效果。圖4的原始圖像中包含眾多顆粒噪聲，選用3×3方形窗口對其進行中值濾波后，消除了大部分的顆粒噪聲點，使圖像背景更加單一，同時保留了裂縫的邊緣信息，裂縫會更清晰地呈現(xiàn)出來，如圖5所示。

圖4 原始圖像

圖5 中值濾波后的圖像

2.2.4 灰度閾值分割

判斷目標是不是裂縫的依據(jù)，除了分析外形輪廓是否符合對裂縫的認知規(guī)律外，判斷目標與其周圍背景的灰度差別也是一個顯著的判斷標準。灰度閾值分割是指確定一個灰度門限來區(qū)分目標與背景，在門限之內(nèi)的像素屬于目標，其他則屬于背景?；叶乳撝捣指畹年P(guān)鍵在于選取合適的閾值，本文的研究對象是包含裂縫的圖像，多數(shù)情況下圖像比較單一，背景主要是混凝土梁體、墻體或路面，但其中一些圖像背景較為復(fù)雜。因此從分析圖像和實現(xiàn)目標識別兩方面考慮，采用了自定義閾值和迭代法選取閾值相結(jié)合的方式，確定閾值的大小。

2.3 裂縫圖像分析

2.3.1 目標描述

目標就是裂縫。將灰度圖像經(jīng)閾值分割和濾波處理后，得到的二值圖像中包含大大小小的白色區(qū)域。這些白色區(qū)域，有的是裂縫目標，有的則是干擾噪聲。要提取裂縫目標，就需要找到裂縫目標和噪聲的區(qū)別。

對裂縫的描述如下，裂縫是一種具有一定走向的線性、細長目標；在整體上有連續(xù)性，但局部可能出現(xiàn)斷缺；裂縫相對于橋梁背景表現(xiàn)為黑色區(qū)域；裂縫目標的面積相對大多數(shù)干擾物的面積要大，而相對于整個背景面積要小。這是用文字語言對裂縫特性的形象描述，要使計算機能夠提取裂縫，就必須將對裂縫的形象描述轉(zhuǎn)化為計算機中的數(shù)學(xué)符號。

在圖像處理中，目標描述主要是對目標的邊界和區(qū)域進行描述。

2.3.2 特征提取

對于檢測裂縫而言，目的不僅僅是從圖像中發(fā)現(xiàn)裂縫，確定裂縫區(qū)域，還要得到裂縫區(qū)域的面積、長度、寬度及周長等參數(shù)，確定這些特征量的過程稱為特征提取，基本步驟如圖6所示。

圖6 特征提取的步驟

各特征量所表達的意義如表1所示。

表1 裂縫圖像各項特征量的含義

2.3.3 目標判斷

通過面積、長、寬、外接橢圓長度軸之比、圓形度等特征值，篩選出圖像中符合裂縫形狀特點的若干目標后，需要結(jié)合其灰度特征進行最終的判斷，以確定這些目標是否屬于裂縫。實際觀察到的裂縫在視覺上呈現(xiàn)暗黑色特征，可以推斷圖像中的裂縫目標是一系列局部灰度值較小的像素點的集合，而裂縫周圍區(qū)域則與裂縫之間的灰度均值有較大的差別。裂縫目標的最小外接矩形是與之比較接近的外圍局部區(qū)域，因此可通過計算目標區(qū)域與其最小外接矩形區(qū)域之間的灰度均值差，與所設(shè)定的閾值進行比較，若差值在一定范圍內(nèi)，則判斷該目標屬于裂縫，反之，則不屬于裂縫。

3 工程應(yīng)用

為了驗證提取裂縫方法的準確性，對100幅裂縫圖像進行處理分析。首先對原始圖像和處理后的圖像逬行分類，如表2所示。

表2 圖像分類

用作分析的100幅圖像中都包含裂縫，因此排除原始圖像無裂縫的情況。處理結(jié)果總體上分為四類，如表3所示。

表3 初步提取結(jié)果

由表3可得，裂縫提取的正確率為75%，裂縫的檢出率為93%，誤檢率為25%，漏檢率為7%。對比原始圖像和處理結(jié)果發(fā)現(xiàn)，與編號為110、111、100的處理結(jié)果分別對應(yīng)的原始圖像質(zhì)量有一定的差異。例如，110號原始圖像背景相對簡單，光照條件好，裂縫清晰，干擾物與裂縫在形狀和灰度方面差別較大；111號原始圖像背景不復(fù)雜，光照條件一般，裂縫走向明顯，干擾物較多，形狀、灰度與裂縫相近；100號原始圖像背景復(fù)雜，光照條件差，裂縫不明顯，干擾物與裂縫有重疊部分。試驗證明本方法對提取此類圖像中的裂縫是有效的。

4 結(jié) 語

（1）對當前檢測橋梁裂縫的方法進行了總結(jié)分析，著重分析了采用圖像處理技術(shù)提取裂縫的方法。

（2）建立了適用于裂縫圖像的預(yù)處理方法：根據(jù)裂縫圖像的特點及裂縫目標的特征，提出了裂縫圖像的灰度化、直方圖增強、中值濾波、自定義法與迭代法閾值分割等預(yù)處理方法。

（3）將圖像處理技術(shù)提取裂縫的方法應(yīng)用于工程實際，試驗結(jié)果證明，此類方法在橋梁裂縫檢測中是有效的。