不同采集高度下攤鋪路面的數(shù)字圖像差異性分析及處理技術

曹源文，溫永杰，李升連，楊清華，白麗萍

1. 重慶交通大學 機電與車輛工程學院，重慶 400074 2. 西南交通建設集團股份有限公司，云南 昆明 650034 3. 云南建投博昕工程建設中心試驗有限公司，云南 昆明 650224

0 引言

截至2017年底，中國大陸的高速公路通車總里程已達到13.6萬km，其中絕大多數(shù)是瀝青混凝土路面。隨著機械制造技術的不斷進步，瀝青混合料攤鋪機已具有控制攤鋪速度、送料速度和自動精準找平等功能，使之成為瀝青路面攤鋪的重要設備之一[1]。但在實際施工中，由于機械、材料和人為等因素的影響，導致粗、細集料分布不均勻，產生離析現(xiàn)象[2]，影響路面的攤鋪質量和使用壽命[3]。為了更好地評價攤鋪質量，很多學者做了相關方面的研究：萬成等[4]運用圖像處理技術，從顆粒平均粒度和均勻度2個方面進行研究，對級配的均勻程度進行評價；楊獻章[5]和劉佳輝[6]等人對瀝青路面隨機取樣，然后利用數(shù)字圖像技術分析所取芯樣，從集料顆粒的孔隙率、分布和瀝青膠漿分布3個方面進行研究，對瀝青混合料均勻性進行評價；劉東海等[7]利用便攜式測溫測厚儀建立瀝青攤鋪厚度、溫度可視化實時管理系統(tǒng)，對瀝青路面攤鋪質量進行監(jiān)控；張苛等[8]從壓實均勻性和集料分布均勻性出發(fā)，提出瀝青路面施工均勻性精細化檢測方法，通過該方法可有效地評價瀝青路面的施工質量。雖然目前國內學者在攤鋪質量及均勻性評價方法方面開展了大量的相關研究，取得了一系列的成果，但是對圖像最佳采集高度的確定和處理技術方面的研究不多。本文通過不同采集高度差異化試驗，得到拍照高度與實際拍攝路面寬度的函數(shù)關系；利用數(shù)字圖像采集技術，分析大顆粒丟失量和精確度，確定最佳的圖像采集高度；最后對圖像進行形態(tài)學處理，得到能快速識別的圖像，從而為快速評價瀝青路面攤鋪質量奠定了圖像基礎。

1 數(shù)字圖像采集原理

評價瀝青路面攤鋪質量，需要先采集瀝青路面的實際情況，且采集的圖像越清晰，后續(xù)圖像處理的效果越好，對大顆粒瀝青混合料的輪廓及分布等情況越明確[9-11]。市面上有各種圖像采集設備，但數(shù)碼相機最為常見，它可以先采集景物的光圖像信號，再將其轉換成數(shù)字信號，儲存在記憶卡中。

具體的轉換過程為：將光圖像信號透過R、G、B三種濾色片后照射到CCD傳感器上，再經(jīng)A/D模數(shù)處理，得到相應的數(shù)字信號，隨后利用DSP處理器，把數(shù)字信號轉變成特定格式并儲存在記憶卡中，最終通過接口把圖像傳輸?shù)斤@示器上。大致流程如圖1所示。

圖1 數(shù)字圖像采集流程

2 不同采集高度差異化試驗

大顆粒的集料會影響混合料中各種成分的分布情況，是影響瀝青混合料均勻性的主要因素；小顆粒的集料因其小而多的特點，對瀝青混合料的均勻性影響不大[12]。為了更好地確定采集高度對均勻性的影響，下面針對不同高度下采集的瀝青路面實際大小進行試驗研究。

2.1 試驗原理

由圖2可知，采集到的圖像為正方形，采集位置離地高度為H1時，得到的路面圖像大小為B1×B1；采集位置離地高度為H2時，得到的路面圖像大小為B2×B2。所以，在不同高度進行圖像采集，拍攝的路面大小也不同。但是，若采集高度太高，會使采集的圖像過于模糊；若采集高度過低，會導致采集的圖像中的大粒徑瀝青混合料較少，不能很好地反應采集路面集料的分布情況。因此進行試驗選取。

圖2 圖像采集示意

2.2 圖像采集設備

圖3 圖像采集設備

為了得到指定高度拍攝的圖像，結合上述試驗原理，制作了一種可以改變拍攝高度的圖像采集裝置，如圖3所示。本裝置由底座、導桿、懸臂梁和相機支架四部分組成，底座上有與之垂直的導桿，導桿上有可上下移動的滑塊，在滑塊的水平方向上有可伸縮懸臂梁，懸臂梁的末梢有相機支架。通過該裝置可以確保拍攝高度是試驗的惟一變量，使試驗結果更可靠。

2.3 試驗結果

利用上述裝置，在離地 50、60、70、80、90、100 cm的高度下，分別采集20組瀝青路面圖像，再將試驗中實際拍攝路面寬度填入表1中，根據(jù)20組數(shù)據(jù)計算出不同采集高度下圖像實際路面寬度的平均值。

通過分析發(fā)現(xiàn)，圖像拍攝高度和取景寬度兩者之間成正相關，如圖4所示。

其對應的函數(shù)關系為

式中：x為拍攝高度，y為實際寬度。

利用上述函數(shù)關系，可得出各采集高度對應的實際瀝青路面寬度，如表2所示。?

表1 采集圖像的實際路面寬度cm

圖5 第1組的不同高度采集的攤鋪路面圖像

圖4 不同高度下圖像的實際寬度

表2 各高度對應的實際瀝青路面寬度

3 采集高度對數(shù)字圖像的影響分析

3.1 不同采集高度的顆粒丟失量分析

為了使試驗誤差更小，提高試驗結果的可靠性，本試驗利用圖像采集設備從施工現(xiàn)場收集了大量未壓實瀝青攤鋪路面的圖片。從中挑選出100組便于分析計算的圖像進行試驗分析，并對圖像分組編號。其中，第1組在不同高度采集的攤鋪路面圖像如圖5所示。

由圖5可知，圖像中瀝青混合料顆粒的大小受采集高度的影響，同時考慮到圖像采集范圍較大，所以選擇粒徑大于9.5 mm的瀝青混合料顆粒進行研究，數(shù)據(jù)采用上一次試驗的20組圖像。經(jīng)過對圖像的分析，得到粒徑大于9.5 mm的瀝青混合料顆粒數(shù)目，如表3所示。

根據(jù)表3可知，隨著采集高度的增加，圖像中9.5 mm以上粒徑的顆粒隨之增加。根據(jù)其關系，本文引入顆粒丟失量Ai這一變量，其大小為相鄰拍攝高度Hi和Hi+1下，各自圖像中9.5 mm以上粒徑的瀝青混合料顆粒數(shù)量Ni和Ni+1之差，即Ai=∣Ni-Ni+1∣，原理如圖6所示。

當圖像采集高度在50～60 cm時，用A1表示該高度下的顆粒丟失量；當圖像采集高度在60～70 cm時，用A2表示該高度下的顆粒丟失量；當圖像采集高度在70～80 cm時，用A3表示該高度下的顆粒丟失量；當圖像采集高度在80～90 cm時，用A4表示該高度下的顆粒丟失量；當圖像采集高度在90～100 cm時，用A5表示該高度下的顆粒丟失量。

表3 圖像中9.5 mm以上粒徑顆粒的數(shù)量 個

圖6 丟失量原理

由表3可以得到相鄰高度下的顆粒丟失量，從而繪制出不同采集高度間顆粒丟失量的對比圖，如圖7所示。

圖7 顆粒丟失量對比

通過分析可知，顆粒丟失量A1、A2和A4集中在15～25個之間；顆粒丟失量A3集中在15～20個之間；顆粒丟失量A5集中在20～30個之間。所以，從顆粒丟失量角度考慮，圖像最佳采集高度應該在60～70 cm、70～80 cm和90～100 cm這3個區(qū)間中選取。

3.2 不同采集高度的精確度分析

在圖像采集過程中，同一相機在不同高度下對同一粒徑的集料進行拍攝，會導致該顆粒在不同圖像中顯示出的大小不同。圖像中的顆粒直徑會隨著拍攝高度的增加而減小，但是程序識別粒徑大小時，會有一定的識別誤差，從而導致誤差范圍內的顆粒都會被識別為同一粒徑，最終對瀝青混合料離析程度的判定產生干擾。下面從精確度方面進行試驗，確定最佳的圖像采集高度。

排除試驗誤差，在相同地點進行不同高度圖像采集，有高度采集的圖像中粒徑a的顆粒數(shù)量等于高度h1處采集的圖像中粒徑a1的顆粒數(shù)量的關系，即

但是，在試驗中都會受精確度的影響，例如在采集得到的圖像中會把9.45～9.55 mm大小的粒徑都識別為9.5 mm，從而導致圖像中識別出9.5 mm粒徑的顆粒比實際多，對試驗結果造成影響。對此，本文重新定義一個精確度λ，即原始高度下某一粒徑大小的顆粒數(shù)N與新高度下同一粒徑大小的顆粒數(shù)M之比，即

為了能與之前的試驗結果進行比較分析，得出最佳圖像采集高度，依舊采用之前試驗的前10組圖像數(shù)據(jù)。通過觀察同一地點不同高度采集的圖像可以發(fā)現(xiàn)，采集高度增加，圖像中的集料顆粒也會增加，但分析精確度時，需保證圖像中的集料顆粒相同，所以要裁剪掉新增的圖像區(qū)域，其次顆粒粒徑過大和過小都不便于研究，故以高度在50 cm下圖像中粒徑為9.5 mm的顆粒作為研究對象。

通過式(2)得到50 cm高度下采集的圖像中粒徑為9.5 mm顆粒在不同高度下對應的粒徑，利用計算結果統(tǒng)計出不同高度下圖像中需要研究的顆粒數(shù)。根據(jù)各自高度對應的顆粒數(shù)量可以得到在50 cm高度下各高度的精確度，并繪制曲線如圖8所示。

圖8 各高度下的精確度

圖9 二值圖像

4 數(shù)字圖像處理技術

4.1 原始圖像轉變?yōu)榛叶葓D像

現(xiàn)場采集的原始圖像為RGB圖像，難以計算出圖像中集料面積的大小，所以要將原始圖像轉變?yōu)榛叶葓D像。利用MATLAB中的rgb2gray函數(shù)，可將施工現(xiàn)場采集的RGB圖像轉變?yōu)榛叶葓D像，圖像中各像素點的轉化公式為

式中：R為紅色像素的亮度；G為綠色像素的亮度；B為藍色像素的亮度。

4.2 灰度圖像轉變?yōu)槎祱D像

二值圖像是指圖像中各像素點只有0和1兩種灰度等級，利用二值化后的瀝青路面圖像能快速計算出各級集料的大小。在此過程中方差將會很大，而大津法(OTSU)在方差越大的計算中，閾值分割越準確。因此該轉變過程運用大津法算法[13-14]。

把灰度圖像放入大津法算法中，得到處理后的圖像，圖中陰影和高光部分別是瀝青和集料顆粒，效果如圖9所示。

由圖8可知：精確度與高度成負相關；且圖像采集高度在100～150 cm這個區(qū)間變化最大；而圖像采集高度超過150 cm之后，精確度極低，因此圖像采集高度不能高于150 cm。

綜合以上研究，根據(jù)顆粒丟失量和精確度選取圖像采集的最佳高度。當圖像采集高度在70～80 cm之間時，顆粒丟失量在15～20個之間，相比其他采集高度而言，此顆粒丟失量最少，而在此高度下精確度較高，在0.965～0.934之間。因此，為了更好地獲取瀝青路面信息，本文選取最佳采集高度為70～80 cm。

在此高度下采集的圖像，在大小、丟失量、精確度等方面均有優(yōu)勢，進而為后續(xù)的圖像處理奠定了基礎。

4.3 圖像的形態(tài)學處理

二值化后的圖像中細集料數(shù)量較多，對瀝青混合料均勻性的影響較小，且粗集料對瀝青混合料均勻性影響較大，所以粗集料才是判定圖像中的瀝青混合料均勻性離析程度的主要依據(jù)。故在對瀝青混合料進行均勻性離析程度分析前，應濾掉粒徑小于9.5 mm的顆粒。利用MATLAB中的bwselect函數(shù)，在二維二值圖像中可選擇單個對象過濾掉小粒徑的集料，得到了只顯示粒徑9.5 mm以上顆粒的混合料圖像，如圖10所示。

[5] 楊獻章,凌劍興,李躍軍,等.基于細觀結構的瀝青路面質量均勻性分析[J].公路工程,2013,38(1):5-8,13.

滕王閣與岳陽樓、黃鶴樓并稱為江南三大名樓，始建于唐永徽四年（公元653年），是唐高祖第二十二子、唐太宗之弟李元嬰所建。樓高57.5米，面積13000平方米，以“明三暗七”的形式分為七層，里面有大量的書畫、石雕、瓷器。其中我最喜歡的是石雕，上面雕了“時來風送滕王閣，一夜船行七百里”的故事和王勃所作《滕王閣序》中“落霞與孤鶩齊飛，秋水共長天一色”的場景，將人物雕得栩栩如生、惟妙惟肖。登上樓頂，向前遠眺，贛江的景色盡收眼底，真是“會當凌絕頂，一覽眾山小”啊！

[6] 劉佳輝. 基于OTSU法分區(qū)圖像識別技術及其在路面均勻性評價中的應用研究[D].廣州:華南理工大學,2012.

[7] 劉東海,夏謝天.基于便攜測溫測厚儀的瀝青攤鋪質量可視化實時管理[J].河海大學學報(自然科學版),2018,46(5):438-444.

[8] 張 苛,張爭奇.瀝青路面施工均勻性精細化檢測方法[J].南京理工大學學報,2019,43(2):177-185.

[9] 馬良慧,李東興,張華強,等.基于小波閾值函數(shù)與改進中值濾波融合的抑制圖像混合噪聲算法[J].光學技術,2017,43(1):38-42.

[10] 孫波成.基于數(shù)字圖像處理的瀝青路面裂縫識別技術研究[D].成都:西南交通大學,2015.

[11] 曹源文,李亞南,曾建民,等.瀝青路面攤鋪均勻性靜距離散評價方法研究[J].燕山大學學報,2018,42(4):309-314.

[12] BRUNO L, PARLA G, CELAURO C. Image Analysis for Detecting Aggregate Gradation in Asphalt Mixture from Planar Images[J]. Construction and Building Materials, 2011,28(1):21-30.

[13] VALDESVIDAL G, CALABIFLOODY A, MIRORECASENS R, et al. Mechanical Behavior of Asphalt Mixtures with Different Aggregate Type[J]. Construction and Building Materials, 2015,101:474-481.

[14] ZHANG Z Q, HUANG S L, ZHANG K. Accurate Detection Method for Compaction Uniformity of Asphalt Pavement[J]. Construction and Building Materials, 2017,145:88-97.

圖10 二值圖像的對象選擇

5 結語

本文以攤鋪集料的數(shù)字圖像采集高度和處理技術為研究內容，對數(shù)字圖像采集高度、數(shù)字圖像處理技術等方面做了較深的研究和分析，得到了以下結論。

(1)設計了圖像采集設備，利用不同采集高度差異化試驗，對不同采集高度得到的實際拍攝路面寬度進行分析，得到了拍攝高度與采集圖像實際寬度的關系為y= 0.910 8x-1.110 7。

(2)利用圖像采集設備，從不同高度進行圖像采集，分析高度變化對圖像的影響，從顆粒丟失量和精確度兩方面考慮，最終確定了最佳的拍攝高度范圍為70～80 cm。

(3)通過數(shù)字圖像處理技術進行圖像轉換和灰度圖像轉為二值圖像等預處理，并對圖像進行形態(tài)學處理以及圖像識別，為快速評價均勻性奠定了基礎。