橋梁裂縫特征的圖像分析處理研究

趙妍++趙恒++林東

摘 要 橋梁裂縫嚴重危害著橋梁安全，橋梁裂縫信息的監(jiān)測與報警對橋梁的安全運營具有重要的意義。通過對橋梁裂縫特征的灰度形態(tài)運算，比較并分析裂縫特征結(jié)果。實驗結(jié)果表明通過面積和比例特征，可確定裂縫的存在。

【關(guān)鍵詞】橋梁裂縫 圖像處理 灰度形態(tài) 比例特征

由于橋梁裂縫的人工測定方法較為困難，效率較低，因此通常采用圖像識別方法進行橋梁裂縫的判斷與測量。在Sobel算子完成裂縫邊緣特征提取后，對裂縫圖像的特征邊緣信息進行灰度形態(tài)二次分析運算，可實現(xiàn)對一定形態(tài)的結(jié)構(gòu)元素進行去提取目標(biāo)和圖像分析的目的?；叶刃螒B(tài)學(xué)基本運算有四種，分別是腐蝕、膨脹、開運算和閉運算。

1 基本運算方法與過程結(jié)果驗證

1.1 膨脹和腐蝕

膨脹是將與目標(biāo)對象鄰接的背景點合并到該物體中，使目標(biāo)邊界向外部擴張。假定設(shè)灰度圖像描述為f（x， y），結(jié)構(gòu)元素定義為b（x， y），膨脹和腐蝕運算的計算公式如下：

（f⊕b）（s， t） = max{ f（s - x ， t - y） + b（x ， y） |（s - x ） ， （t - y） ∈ Df ； （x， y） ∈ Db}。

灰度腐蝕運算過程如下：

（fΘb）（s， t） = min{ f（ s + x ， t + y） - b（x ， y） |（s + x ） ， （t + y） ∈ Df ；（x， y） ∈ Db}。

式中，圖像f和結(jié)構(gòu)元素b定義均在R2 或Z2 中，圖像f的定義域為Df ，結(jié)構(gòu)元素b的定義域為Db。

在本研究中，膨脹和腐蝕算法的實現(xiàn)流程：按像素遍歷圖片，分析每一個像素點周圍的八個像素的灰度值，比較該像素周圍像素的灰度值與該像素的灰度值，膨脹運算將該像素顏色設(shè)置為周圍像素的最大值，腐蝕運算將該像素顏色設(shè)置為周圍像素的最小值。

1.2 開運算和閉運算

開運算和閉運算是膨脹運算和腐蝕運算的復(fù)合運算，先腐蝕后膨脹的過程為開運算，其運算過程為：

（f○B(yǎng)） = （fΘB）⊕B

先膨脹后腐蝕的過程為閉運算：其運算過程為：

（f●B） = （f⊕B）ΘB

1.3 運算過程結(jié)果分析

選取一張SOBEL處理后的裂縫圖像，進行灰度形態(tài)運算驗證，其處理結(jié)果如圖1所示。

2 圖像特征統(tǒng)計

2.1 圖像標(biāo)記

本研究中所采用的圖像標(biāo)記過程如下：設(shè)定標(biāo)記標(biāo)準(zhǔn)值，該參數(shù)通過多次實驗進行校正，按像素遍歷圖片，判斷該像素與標(biāo)記標(biāo)準(zhǔn)值偏差，當(dāng)偏大大于設(shè)定門限值時，將該像素點標(biāo)記為紅色，并記錄標(biāo)號。遍歷完成后，將相同區(qū)域進行連通，并將標(biāo)號歸并，以達到區(qū)分物體的目的。

2.2 典型特征描述方法

典型的特征描述方法有以下幾種：基于Fourier的特征描述、基于矩的特征描述、比例特征描述、邊心距特征描述等。

2.2.1 基于傅里葉的特征描述

通過傅里葉系數(shù)可提取出的形狀特征包括：圓形度、細長度、散射度、凹度、形心偏差度等。該形狀特征提取方法是通過規(guī)范化圖像邊界曲線的動點坐標(biāo)變化時所構(gòu)造的周期函數(shù)，并將該周期函數(shù)展開成傅里葉級數(shù)。

2.2.2 基于矩的特征

當(dāng)一個圖像區(qū)域R僅表示為其內(nèi)部點的形式時，可通過基于矩進行圖像特征描述，該特征描述對圖像的大小、旋轉(zhuǎn)和平移等變化操作都是不變。

本研究中目標(biāo)對象的質(zhì)量中心坐標(biāo)的計算過程如下：采用一階矩

和分別除以零階矩m00后所得的（x，y）值：，該（x，y）也稱為圖像區(qū)域的灰度中心坐標(biāo)。

2.2.3 比例特征描述

二維圖像中，在不同目標(biāo)圖像面積相同的條件下，不同目標(biāo)圖像所組成的邊界形狀中，具有光滑邊界的圓形圖像的周長最短，因此圓形圖像可稱為最密集形狀。圖像的密集度定義如下式所示：

C=P2/（4πA）

式中：C為密集度，也稱為形狀因子，P為目標(biāo)圖像的邊界周長，A為目標(biāo)圖像的面積。

圓形圖像的密集度為1。隨著圖像邊界的凹凸變化，變化程度越大，周長P則越大，相應(yīng)的圖形密集度C也隨之增大。對于不同形狀的圖像，有可能有相同的圖像密集度，因此該密集度參數(shù)C是一個二維圖像中僅與形狀相關(guān)的特征參數(shù)。

2.2.4 邊心距特征描述

目標(biāo)圖像的邊心距特征表示的是無論目標(biāo)對象做旋轉(zhuǎn)、平移等操作，其形狀中心到圖像邊界上的某一特定點的距離都將是不變的。在進行圖像歸一化操作后，該特征同時具備比例不變性。

3 檢測結(jié)果分析

本文根據(jù)典型特征的比例特征進行裂縫的識別運算。首先根據(jù)面積特征，消除小面積的噪聲影響，再根據(jù)圖像的比例特征確定裂縫的存在。裂縫檢測的過程結(jié)果如圖2所示，由實驗結(jié)果可知，通過該方法可較好的檢測出橋梁表面裂縫。

4 結(jié)論

實驗結(jié)果表明，通過對邊緣特征圖像進行灰度形態(tài)運算，可快速檢出裂縫信息，為橋梁修復(fù)工作提供了便利。

參考文獻

[1]謝鳳英.數(shù)字圖像處理及應(yīng)用[M].北京：電子工業(yè)出版社，2014.

[2]林東，趙妍.橋梁裂縫特征的圖像提取方法研究[J].電子技術(shù)與軟件工程，2016（03）.

[3]王慧鋒，戰(zhàn)桂禮，羅曉明.基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測算法研究及應(yīng)用[J].計算機工程與應(yīng)用，2009（09）.

作者單位

1.西安公路研究院 陜西省西安市 710075

2.中交一公局第四工程有限公司 廣西壯族自治區(qū)南寧市 530031