基于霍夫變換的OSTU改進算法在路面裂縫檢測中的研究

李媛媛，黃泉源，侯智新

（長安大學 信息工程學院，陜西 西安　710000）

基于霍夫變換的OSTU改進算法在路面裂縫檢測中的研究

李媛媛，黃泉源，侯智新

（長安大學 信息工程學院，陜西 西安710000）

由于光照不均、路面污漬及瀝青顆粒等因素的影響，傳統(tǒng)閾值分割算法應用于路面裂縫處理時效果不佳。針對這一問題提出了基于霍夫變換的OSTU改進算法，對分割后圖像進行霍夫變換得到霍夫矩陣，統(tǒng)計其極值和最值分布情況作為判定依據，不斷修正由傳統(tǒng)OSTU算法得到的初始閾值并重新分割檢驗，最終得到最佳閾值。對新算法進行理論和實際驗證，結果表明，新算法分割效果良好、穩(wěn)定，抗噪聲能力強，極大地提高了裂縫提取的準確度和完整度。關鍵詞：裂縫檢測；圖像分割；霍夫變換；霍夫矩陣

對路面裂縫圖像進行分割，準確完整的提取出裂縫以獲得其特征信息是在瀝青路面裂縫的檢測與識別過程中至關重要的步驟，也是進行裂縫測量及判別分類的基礎。文獻［1］根據灰度稀疏性、全局對比度計算粗尺度下的裂縫顯著值，由裂縫局部亮度、邊緣特性、連續(xù)性特點進行不斷擴張的細尺度的局部鄰域顯著性增強，經空間顯著性加強后，采用自適應閾值分割提取裂縫。文獻［2］提出一種基于直方圖估計和形狀分析的瀝青路面裂縫識別算法，采用直方圖估計的方法獲取每個子塊圖像原始直方圖的混合高斯擬合函數，兩個高斯函數的交叉點即是每個子塊圖像的最優(yōu)分割閾值。文獻［3］使用不斷增大的結構元素對圖像進行交替開閉濾波以消除噪聲，使用多尺度形態(tài)學邊緣檢測器提取裂縫邊緣，最后使用基于標記符的分水嶺變換分割出裂縫對象。

文獻中算法都是建立在裂縫圖像清晰，光照均勻，噪聲較小的情況下。工程中，由于拍攝環(huán)境、攝像機等硬件因素以及路面本身紋理特征的影響，所攝取的圖像明暗不均，路面圖像中間亮、兩邊暗，質量并不能達到最佳，裂縫圖像難以辨識。在對裂縫圖像進行預處理后，雖能減少部分噪聲，但在對圖像進行閾值分割的時候，由于算法得出不恰當的閾值，不能保證裂縫提取的完整性和準確性。對此，提出基于霍夫變換的OSTU改進算法，并用連通域標記法［4-5］得到連通域特征去除噪聲。

1　裂縫圖像預處理

由于照明光源影響、道路兩旁物體的投影、路面上的污漬等外界因素，以及路面本身紋理特征的干擾，攝取的圖像普遍存在著缺陷：圖像整體偏暗、亮度不均、噪聲多且雜等。這些會使裂縫很難被辨識或者被完整的提取。為了能清晰完整的分割裂縫與背景，需對裂縫圖像進行預處理。本文采用下列步驟對圖像進行預處理：

Step 1對圖像進行灰度化及降低分辨率處理。

Step 2用加權鄰域平均法［6］對圖像進行平滑操作，去除噪聲。

Step 3用八方向Sobel算子［7］對圖像進行邊緣增強。

2　傳統(tǒng)的OTSU閾值分割

傳統(tǒng)的OTSU法是按圖像的灰度特性，找到使類間方差最大的閾值，將圖像分成前景和背景兩部分。前景和背景之間的類間方差越大，說明構成圖像的兩個部分差別越大。但是這種算法對噪聲和目標的大小十分敏感，它僅對類間方差為單峰的圖像產生較好的分割效果。而實際中，攝取的路面圖像通常會出現整體偏暗，裂縫目標與背景的大小比例懸殊且亮暗不均、噪聲多等問題，其類間方差函數可能會出現雙峰或多峰。此時，傳統(tǒng)的OSTU算法的二值分割效果并不理想。

3　改進的OTSU閾值分割法

3.1裂縫圖像的霍夫矩陣分析

一般來說，瀝青混凝土路面裂縫大體分為兩種類型：一種是荷載型裂縫，即主要由于行車荷載作用下產生的裂縫。另一種是非荷載型裂縫，以溫度裂縫為主的低溫收縮裂縫和溫度疲勞裂縫。兩種類型的裂縫分別通過橫向裂縫、縱向裂縫、網狀裂縫和反射裂縫等形式表現出來。一幅分割良好的二值裂縫圖像，前景應為一條或多條裂縫，背景無噪聲。為此，可以把二值裂縫圖像近似認為是在低噪聲背景上的一條或多條線段。

霍夫變換是檢測圖像形狀的基本方法，其基本應用就是從二值圖像中檢測直線?；舅枷胧前褕D像平面上的點映射到參數平面上的線，最后通過統(tǒng)計特性來解決問題。假如圖像平面上有兩條直線，那么最終在參數平面上就會看到兩個峰值點，依此類推。由于y=k*x+b形式的直線方程沒有辦法表示x=c形式的直線（斜率為無窮大）。所以采用參數方程：

這樣，圖像平面上的一個點就對應到參數（p-θ）平面上的一條曲線上。其中θ為直線斜率角，范圍為0到180；p為原點到直線的距離，范圍為0到圖像對角線長度。一幅數字圖像的大小為M*N，則經過霍夫變換，得到參數平面上一個大小的矩陣，記為霍夫矩陣?；舴蚓仃囍械闹荡韰灯矫嫔媳挥成涞狞c的個數，霍夫矩陣中的極大值對應著平面上的一條直線。為研究裂縫圖像的霍夫矩陣特性，把霍夫矩陣的值映射到灰度空間的一幅圖像，記為霍夫圖像。矩陣值的范圍為（a，b），8位圖像的灰度空間范圍為（0，0xff），則矩陣中的一個點把B（x，y）值映射到灰度空間的方法為：

其中，a為0，b為霍夫矩陣中的最大值，Gray為映射后的灰度值，255為十六進制0xff的十進制表示。

把霍夫矩陣映射為霍夫圖像是為了直觀的看到霍夫矩陣中統(tǒng)計量的變化，觀察矩陣中極值的分布情況。設置分割后圖像的前景點為白色，一條近似直線如圖1（a）所示，其所有前景點在霍夫圖像（圖1（b））中分別對應一條曲線。一條直線上的所有前景點在（p-θ）平面上的曲線最終都會相交于一點，形成霍夫圖像中最亮的點（最大值點），如圖1（b）所示。由極大值點的參數就可以得到原圖中的近似直線，如圖1（c）所示。

圖1　近似直線的處理過程Fig.1　Process of approximate line image

純噪聲點圖像處理結果如圖2所示，可以看出，由于噪聲點近似均勻分布，沒有近似直線的組成，前景點映射到參數（p-θ）平面，映射圖近似均勻分布，霍夫矩陣中沒有突變的極大值，即映射圖中沒有某一點亮度有突變。

圖2　噪聲圖像的處理過程Fig.2　Process of noise image

對比圖1圖2可以得出，映射后霍夫圖像越趨近一個點，映射前圖像越趨近一條直線。把映射后霍夫圖極大值所在的較亮區(qū)域的像素記為目標像素，分割后裂縫圖像對直線的趨近程度在霍夫圖像中反映為目標像素在前景像素中的分布情況。一幅分割良好的裂縫圖，其映射的霍夫圖像中，目標像素都分布在極值點附近。對裂縫圖分割效果的評價可以由霍夫圖像中目標像素的分布情況統(tǒng)計得出。

3.2基于霍夫變換的分割算法

一幅待分割灰度圖像，其大小為 w*h，灰度級范圍為｛1，2，…，S｝。閾值T將圖像分為前景Cf｛1，2，…，s｝和背景Cb｛s+1，…，S｝。對所有屬于前景的Cf像素點進行霍夫變換，映射到霍夫矩陣中，構造對霍夫矩陣中目標像素分布的統(tǒng)計量H（t）：

H大小反應了霍夫矩陣中目標像素的分布情況。新算法首先用傳統(tǒng)OSTU算法找到基準閾值t1，然后用H（t）作為評價標準，H越大，說明目標區(qū)域占比高，即極大值附近像素過多，噪聲多，分割后圖像對直線趨近率低。尋找t1附近獲得最小H值時的T作為最終閾值才能使二值分割達到最佳狀態(tài)。這里，目標像素定義為：霍夫圖像中灰度大于最大灰度p%的像素。

3.3新算法中p值選取分析

p的選取影響對統(tǒng)計量H的計算，最終影響對分割效果的判斷。為了研究p選取不同值時對H值的影響，對一幅含有較多噪聲的裂縫灰度圖像進行多閾值分割，并記錄對應閾值的霍夫圖像映射圖，以及在不同的p下，H值的變化，如圖3所示：

圖3　多p值下不同閾值分割后的極大值分布統(tǒng)計Fig.3　Maximum value distribution statistics at different threshold under different p value

可以看出，當p選取98%以上時候，H統(tǒng)計的較亮區(qū)域像素個數在非背景像素的占比都很小，H值曲線為緩慢遞增，不能表現出最佳閾值附近H值的極小趨近情況。當p選取過小為82%以下時候，統(tǒng)計量在較差閾值時急劇增高，雖然H值曲線整體趨近凹函數，但最小值處波動較大，不能在最佳閾值附近取得最小值。當p取值為88%和93%的時候，H值曲線趨近凹函數，在最佳閾值30附近取得極值，符合H值在最佳閾值分割時候取得最小值這一規(guī)律。故算法中的p取值為90%。

4　測試分析

4.1同一圖像算法驗證

對一裂縫圖像進行不同閾值的分割，在p取90%時候，從過小閾值到過大閾值，其映射圖及對應的閾值分割圖如圖7所示，不同閾值分割后的極大值分布如表1所示。通過對比分析發(fā)現，圖4（a）選取的閾值過小，對應極大值分布H偏大，映射曲線過多，亮度突變并不明顯，分割出來的圖像如圖4（b）所示，前景點過多，裂縫的部分特征被噪聲點淹沒，較難識別。而圖4（e）選取的閾值過大，映射圖中的曲線較少，對應極大值分布H也較大，分割出的圖像如圖4（f）所示，部分裂縫被置為背景，影響裂縫提取的完整度。而圖4（c）選取的閾值對應的極大值分布H在所有的閾值中是最小的，其映射圖中的極大值點亮度突出，分割出的圖像如圖4（d）所示。對比三幅二值化圖像可以看出，極大值分布H最小對應的閾值分割出來的圖像效果最好，裂縫完整且清晰。后續(xù)處理中，根據連通域的面積、形心等統(tǒng)計特性，去除噪聲，將裂縫從噪聲點中提取出來。

圖4　新算法最佳閾值逼近過程映射圖及相應的閾值分割圖Fig.4　Gray level mapping image and Binary image at different threshold

4.2與其他算法的效果對比驗證

為了驗證新算法的優(yōu)越性，本文選擇具有代表性的圖像，圖5（a）的路面裂縫圖像（L1.jpg）像質清晰，光照均勻，噪聲較小；圖6（b）的圖像（L2.jpg）明暗不均，顆粒雜質較多且存在樹的倒影，車轍等痕跡。對這兩幅圖像進行相同的預處理后，分別用傳統(tǒng)OSTU算法和本文提出的基于霍夫變換的改進算法進行二值化處理。結果如圖5和圖6所示。

從兩幅圖像的整體分割來看，本文的新算法能將裂縫從路面背景中完整良好地分割出來。

圖5的分割效果對比圖說明，當待測的路面圖像像質優(yōu)良，光照均勻，裂縫目標明顯，噪聲較少時，傳統(tǒng)的OSTU算法和本文的新算法分割效果相當，沒有明顯的差異。

圖6的分割效果對比圖說明，當待測的路面圖像存在樹木的投影、車轍等痕跡，且光照不均，路面顆粒雜質較多等問題時。由于傳統(tǒng)的OSTU算法對噪聲和目標的大小十分敏感，分割后過多的噪聲淹沒了裂縫特征，且裂縫不連續(xù)，出現了多處斷點。而本文新算法的分割效果明顯優(yōu)于傳統(tǒng)的OSTU算法。圖6（c）可以看到裂縫完整且連續(xù)的與背景分割開來，這對于后續(xù)的裂縫邊緣提取和特征識別具有非常重要的意義。

為了驗證新算法的可靠性，選擇100幅復雜的存在裂縫的路面圖像進行測試，分別統(tǒng)計兩種算法分割的成功率。對比結果如表1，表2所示。

圖5　L1.jpg的分割效果對比圖Fig.5　Binary image of L1.jpg

圖6　L2.jpg的分割效果對比圖Fig.6　Binary image of L2.jpg

表1　新算法分割結果Tab.1 Test result of new algorithm

表2　傳統(tǒng)的OSTU分割結果Tab.2 Test result of Traditional OSTU algorithm

從兩張表的結果對比中可以看出，對于含有較多噪聲的裂縫圖像來說，新算法分割的成功率遠高于傳統(tǒng)算法，且具有良好的穩(wěn)定性及可靠性，滿足裂縫自動檢測系統(tǒng)的需求。

5　結束語

針對傳統(tǒng)OSTU算法在處理光照不均，路面雜質及瀝青顆粒影響的裂縫圖片時，二值閾值選取不佳的問題，提出了基于霍夫變換的改進算法，新算法利用圖像分割后的霍夫矩陣極大值的分布情況作為判定，不斷修正傳統(tǒng)OSTU的初始閾值，直至有效分割出裂縫圖像。經批量裂縫圖像驗證，新算法穩(wěn)定可靠，相比傳統(tǒng)算法，有效的提高了裂縫提取的準確性和完整性。但是由于路面圖像的復雜性，單一的閾值分割算法并不完全適用于所有的圖像，下一步將考慮將圖像進行多區(qū)域閾值分割，即對針對圖像不同區(qū)域的特征采用不同的閾值進行分割。進一步提高裂縫提取的準確度和完整度。

［1］徐威，唐振民，呂建勇.基于圖像顯著性的路面裂縫檢測［J］.中國圖象圖形學報，2013，18（1）:69-77．

［2］徐志剛，趙祥模，宋煥生，等．基于直方圖估計和形狀分析的瀝青路面裂縫識別算法［J］.儀器儀表學報，2010，31（10）: 2260-2266．

［3］梁世慶，孫波成，邱延峻.數學形態(tài)學路面裂縫識別算法研究［J］.路基工程，2010，（1）:44-46．

［4］左敏，曾廣平，涂序彥，等.基于等價對的圖像連通域標記算法［J］.計算機仿真，2011，28（1）:14-16．

［5］張亞南，朱長青，杜福光.多進制小波變換的圖像分辨率定量降低方法［J］.地球信息科學學報，2012，14（3）:352-357.

［6］楊會云，張有會，霍利嶺，等.Bayes理論和鄰域平均法在圖像去噪中的應用［J］.計算機工程與應用，2010，46（9）:149-151．

［7］鄭英娟，張有會，王志巍，等.基于八方向Sobel算子的邊緣檢測算法［J］.計算機科學，2013，40（11）:354-356.

Improve of OSTU based on hough transformation and applied in pavement crack detection

LI Yuan-yuan，HUANG Quan-yuan，HOU Zhi-xin
（College of Computer Science，Chang'an University，Xi′an 710000，China）

Traditional OSTU algorithm is not applicative in binary process due to the uneven illumination，stains and asphalt particles on surface.Aiming at this problem，an improved algorithm based on hough transformation is proposed，which uses the distribution of the maximum in hough matrix after image segmentation as a judge to correct the initial threshold of traditional OSTU，until find the appropriate threshold.New algorithm overcomes the drawbacks of traditional algorithm.The segmentation results are stable and have strong anti-noise capacity，improve the accuracy and integrity of crack segmentation efficaciously.

crack detection；image segmentation；hough transformation；hough matrix

TN391

A

1674－6236（2016）05-0043-04

2015-03-25稿件編號：201503352

李媛媛（1991—），女，陜西西安人，碩士研究生。研究方向：數字圖像處理在道路方向的應用。