混凝土橋梁底部裂縫自動檢測與測量

楊 曉，姚曉同，葉 琰

（武漢工程大學(xué) 機(jī)電工程學(xué)院，武漢430205）

隨著交通行業(yè)的發(fā)展，車流量日益增多，橋梁裂縫對橋體承載能力有著巨大影響，因此對橋梁裂縫的排查非常重要。 若橋梁裂縫在早期能被檢測出來并及時修補(bǔ)，便可以極大程度地降低橋梁的維修費(fèi)用，同時也能確保行車安全。 然而，由于橋梁底部裂縫較為隱蔽，采用傳統(tǒng)的人工檢測所消耗的時間長，并且誤差大；混凝土橋梁底部圖像光照變化不均勻，混凝土裂縫與背景的對比度相對較差，而且混凝土的紋理是多變的。 因此，光線、污漬、混凝土本身的紋理等外部因素很容易影響測量的精度與準(zhǔn)確性。 為了提高檢測效率與精度， 需要以COMS工業(yè)相機(jī)云臺作為圖像采集裝置， 進(jìn)行圖像采集。在此，采用數(shù)字圖像處理，設(shè)計出適應(yīng)性高且識別度高的圖像算法，排除裂縫周圍環(huán)境的影響，提取完整的裂縫骨架，并對裂縫進(jìn)行計算，進(jìn)而提高檢測水平。

1 圖像采集

CCD 電耦合器件和COMS 互補(bǔ)金屬氧化物導(dǎo)體是常見的2 種相機(jī)傳感器。 CCD 相機(jī)圖像靈敏度低，但不能直接訪問每一個像素，沒有片上處理功能。 而COMS 相機(jī)可以直接訪問單個像素，動態(tài)范圍高，幀率高。 因所檢測的是混凝土橋梁底部的細(xì)微損傷，圖像動態(tài)范圍高，并且需要訪問單個像素，故在此選用COMS 相機(jī)。

相機(jī)在圖像采集小車機(jī)械臂的作用下，采集裂縫圖像，將光學(xué)信號轉(zhuǎn)換為電信號傳輸?shù)綀D像采集卡；圖像采集卡再通過數(shù)模轉(zhuǎn)換，將電信號轉(zhuǎn)換為數(shù)字模擬量，再進(jìn)行圖像數(shù)據(jù)處理。

2 裂縫圖像處理

2.1 灰度化

在數(shù)字圖像處理中將各種格式的圖像轉(zhuǎn)化為灰度圖像，后續(xù)的圖像處理的計算量便會變得相對少一些。 而灰度圖像仍然與彩色圖像一樣，可以完整地反應(yīng)圖像的整體、 局部的色度以及亮度等級。一般將一個圖上的一個點(diǎn)定義為（i，j），此處的灰度值定義為gray（i，j），則3 種顏色通道對應(yīng)的值分別為R（i，j），G（i，j），B（i，j）。 由于橋梁底部拍攝環(huán)境受到陽光、陰影、污漬、濕度等不確定因素的影響較大，因此將權(quán)值進(jìn)行加權(quán)平均。 對RGB 三分量進(jìn)行加權(quán)平均，就能得到較合理的灰度圖像，即

2.2 去噪濾波處理

在盡量保留圖像細(xì)節(jié)特征的條件下，需要對目標(biāo)圖像的噪聲進(jìn)行抑制。 效果處理得好壞會直接影響后續(xù)圖像處理與分析的有效性和可靠性，因此濾波去噪是非常關(guān)鍵的一步。

信號或圖像的能量大部分集中在幅度譜的中頻和低頻段，而在較高頻段，有用的信息經(jīng)常被噪聲淹沒。 因此一個能降低高頻成分幅度的濾波器就能夠減弱噪聲的影響。 在此，結(jié)合實際的裂縫圖像，分析2 種不同的濾波方式，同時根據(jù)二值化圖像的去噪效果，對不同算法的效果進(jìn)行綜合評價。

1）均值濾波 為典型的線性濾波算法[1]，主要方法為鄰域平均法。 一般需要在圖像上對目標(biāo)像素給出一個模板（內(nèi)核），該模板包括了其周圍的鄰近像素。 再用模板中全體像素的平均值來代替原來的像素值，即對待處理的當(dāng)前像素點(diǎn)（x，y）選擇一個模板，該模板由其鄰近的若干像素組成，求模板中所有像素的均值，將該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上灰度點(diǎn)g（x，y），即

式中：m 為該模板中包含當(dāng)前像素在內(nèi)的像素個數(shù)。

2）高斯濾波 為一種線性平滑濾波，可以消除高斯噪聲。高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程每一個像素的值，均由其本身和領(lǐng)域內(nèi)其他像素值經(jīng)過加權(quán)平均后得到。 圖像的高斯模糊過程就是圖像與正泰分布做卷積。高斯濾波器是一類根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器。高斯平滑濾波器對于抑制服從正態(tài)分布的噪聲非常有效。

經(jīng)過濾波處理后的二值化圖如圖1 所示。 由圖比較可見，圖1b 高斯濾波去噪的效果較好，而且很好地保護(hù)了裂縫的細(xì)節(jié)。

圖1 兩種濾波方法處理效果的比較Fig.1 Comparison of processing effects between two filtering methods

2.3 形態(tài)學(xué)濾波

混凝土橋梁有大量可見石子，高斯濾波后仍有些許噪點(diǎn)。 為了更好地去除噪點(diǎn)，分割出獨(dú)立的元素，在圖中連接相鄰的元素，并且尋找出圖像中明顯的極大值區(qū)域或者極小值區(qū)域，需要采用膨脹和腐蝕進(jìn)行形態(tài)學(xué)處理。

膨脹就是求局部最大值的操作。 從數(shù)學(xué)角度來說膨脹就是核與圖像卷積，即計算核覆蓋區(qū)域的像素點(diǎn)的最大值，并將該值賦值給參考點(diǎn)指定的像素。 這樣就會使圖形中高亮區(qū)域逐漸增長。 當(dāng)?shù)脑c(diǎn)位于位置（x，y）時，平坦結(jié)構(gòu)元b 在任何位置（x，y）處對于圖像f 的膨脹，定義為圖像f 中與重合區(qū)域的最大值，即

腐蝕與膨脹[2]是相反的一對操作，非平坦結(jié)構(gòu)元具有隨定義域變化的灰度級。非平坦元結(jié)構(gòu)bN對圖像f 的腐蝕定義為

2.4 邊緣檢測

在消除了裂縫周圍的噪點(diǎn)之后，應(yīng)提取完整的裂縫骨架，即進(jìn)行Canny 邊緣檢測。

Canny 邊緣檢測的目標(biāo)是找到一個最優(yōu)的邊緣檢測算法，即低錯誤率，高定位性，最小響應(yīng)。 Canny邊緣檢測有以下4 個步驟：

步驟1消除噪聲。 在此使用高斯平滑濾波器卷積降噪，所選size=5 的高斯內(nèi)核示例為

步驟2計算梯度幅值和方向。 此處按照Sobel濾波的步驟來操作。 首先運(yùn)用一對卷積陣列分別作用于x 和y 方向，即

再計算梯度幅值和方向：

步驟3非極大值抑制。用于排除非邊緣像素，僅保留一些細(xì)線條。

步驟4滯后閾值，即滯后高閾值和低閾值。若像素位置的幅值超過高閾值，該像素被保留為邊緣像素；若像素位置的幅值小于低閾值，該像素被排除；若像素位置的幅值在2 個閾值之間，則該像素僅在連接到一個高于高閾值的像素時被保留。

3 裂縫尺寸的計算

經(jīng)過上述處理后的裂縫圖像，不僅有需要的裂縫目標(biāo)還有大量噪點(diǎn)，需要通過數(shù)值對比過濾掉噪點(diǎn)。

使用findContours 函數(shù)，追蹤裂縫輪廓圖像，并對連續(xù)裂縫輪廓用矩函數(shù)[3]將其最小外接矩形表示出來，通過最小外接矩形長寬比、連通區(qū)域內(nèi)裂縫面積與周長比以及圓形度來濾出噪點(diǎn)。 裂縫輪廓以及矩形框框出的裂縫圖分別如圖2，圖3 所示。

圖2 裂縫輪廓Fig.2 Crack outline

圖3 矩形框框出的裂縫圖Fig.3 Crack diagram of a rectangular frame

考慮到橋梁裂縫一般為彎曲、復(fù)雜的裂縫。 不能將裂縫最小外接輪廓長寬作為裂縫長寬來計算。為此提出了一種簡單而有效的計算方法。

首先，通過裂縫的自動跟蹤算出裂縫的連通區(qū)域的面積A 和圓弧度H。 然后對框選處的裂縫輪廓進(jìn)行骨骼化，再統(tǒng)計裂縫最小外接矩內(nèi)的白色像素點(diǎn)個數(shù)。 裂縫的長度L 就是這些白色像素點(diǎn)的個數(shù)；裂縫的平均寬度即為連通區(qū)域面積與裂縫長度之比。

選取部分裂縫并驗算其精度，結(jié)果見表1。根據(jù)以上數(shù)據(jù)分析，裂縫的實際寬度均小于寬度的測試值，通過圖像算法測得的裂縫寬度與實際裂縫寬度的誤差均在2%左右。

表1 裂縫尺寸測試Tab.1 Crack size test

4 結(jié)語

使用COMS 相機(jī)采集圖像，將圖像采用濾波去噪、二值化、邊緣檢測等一系列數(shù)學(xué)形態(tài)操作，可提取完整裂縫骨架；將裂縫目標(biāo)細(xì)化，使用輪廓跟蹤函數(shù)，用最小外接矩形將裂縫輪廓框出，利用圓形度、連通區(qū)域內(nèi)裂縫面積與周長的比值，過濾掉輪廓中的噪點(diǎn)；采用矩函數(shù)并結(jié)合圖像像素率進(jìn)行求解，可以檢測出裂縫面積與周長，并計算出裂縫平均寬度，誤差均在2%左右，誤差較低。 測試結(jié)果表明，通過圖像算法測得裂縫的方法是可行的，較為精確，自動化檢測效率較高。