基于中值反差濾波和連通域標記的路面裂縫識別方法研究

宋蘭平，田長超，魏 敏

（山東省交通科學研究院，山東 濟南 250031）

引言

路面損壞狀況指數(shù)的大小可以直觀地反映道路表面的破損情況，其中路面裂縫的檢測是其計算的一項重要依據(jù)[1-2]。傳統(tǒng)的人工檢測方式檢測效率低、投入成本大。SUBIRATS等[3]將小波變換方法引入裂縫檢測中，同時檢測提取裂縫信息。李剛和賀昱曜[4]提出使用Sobel算子，結(jié)合最大熵圖像分割算法處理不同光照下的裂縫圖像，并提取裂縫信息。張磊[5]利用傳統(tǒng)數(shù)字圖像處理方法檢測裂縫。

1 基本方法

1.1 圖像預處理

市政道路現(xiàn)場采集路面裂縫樣本一般由紅色、綠色、藍色三個通道組成，即RGB模型，是一個三維矩陣。為了使數(shù)字圖像在操作過程中更加方便準確，將RGB圖像轉(zhuǎn)化為只有一個采樣顏色圖像，即灰度圖像?；叶葓D像通常顯示為從最暗的黑色到最亮的白色灰度，理論上這個采樣可以是任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。

1.2 中值反差濾波方法

不同的濾波窗在用于圖像處理時有著不同的作用，中值濾波窗可以去除一些獨立的散點，均值濾波窗能將圖像中的空缺點進行填補。從路面病害圖樣中可以看出，裂縫在整幅圖像中具有異于路面特征的形態(tài)，同時由于一些光照及路面不清潔的影響，會產(chǎn)生離散的噪點信息，這些信息會對裂縫信息的整體提取工作起到誤導作用。為準確提取路面裂縫的分布信息，以中值濾波窗為基礎(chǔ)，設(shè)計中值反差濾波器：

式中：X—路面病害采集圖樣數(shù)組；Xsize—經(jīng)過中值反差濾波后的圖樣數(shù)組；in,out,dc—濾波器的尺寸變量，其定義見圖1。

圖1 濾波器輸入、輸出和忽略區(qū)域分布

濾波器只會保留幅度值在2in與2dc之間對數(shù)據(jù)，處于以內(nèi)或者以外的這部分數(shù)據(jù)都將被濾波器濾除。

1.3 連通域方法

路面裂縫在空間分布上具有一定的連續(xù)性和連通性，但經(jīng)過濾波器處理的圖像噪點分布噪聲往往是孤立的[6]，在空間上是不連續(xù)分布的、雜亂無章的。因此可采用連通域標記法，利用連通域的面積特征約束來去除噪聲。同時采用形態(tài)學的膨脹和腐蝕[7]運算操作來修復斷裂的裂縫。

在一幅M×N的灰度圖像中，符號b（x，y）表示坐標值為（x，y），（0≤x≤M-1，0≤y≤N-1）的像素，像素b（x，y）在水平和垂直方向上分別有一個鄰接像素，分布基本關(guān)系見圖2。像素b（x-1，y），b（x，y-1），b（x+1，y），b（x，y+1）稱為像素b（x，y）的4-鄰域像素，見圖3。

圖2 像素分布的基本關(guān)系

圖3 像素4-鄰域像素分布

圖5 現(xiàn)場采集到的路面裂縫原始

圖6 轉(zhuǎn)換為灰度圖像的路面裂縫

2 路面裂縫識別處理

2.1 圖像色彩模型轉(zhuǎn)化

利用圖像預處理中介紹的RGB模型與灰度圖像之間的轉(zhuǎn)換關(guān)系，將讀取的RGB圖像轉(zhuǎn)化為灰度圖像，見圖5、圖6。

2.2 圖像的濾波處理

獲得灰度圖像后，對圖像中的像素信息進行降噪處理，主要是因為采集到的裂縫圖像在接收和處理過程中會受到不同程度的噪聲干擾，噪聲強度大的圖像質(zhì)量會下降，有的甚至會將有用的信息特征覆蓋掉。設(shè)置濾波器的尺寸為in=3，dc=7，out=12，對圖像從左到右，從上到下進行過濾處理。

目前對圖像降噪的方法主要有均值模塊濾波、中值濾波法、高斯濾波法以及Sobel梯度算子濾波法。圖7為利用不同的濾波方法對轉(zhuǎn)化為灰度圖像的裂縫圖像進行濾波處理。

可以看出：（1）均值濾波處理裂縫邊界較模糊；（2）中值濾波平滑效果好一些，但不能區(qū)分處理裂縫部分和樣本其余部分特征；（3）高斯濾波為線性濾波器，能較好地抑制噪聲保留圖像的細節(jié)部分，但在圖像處理過程中無法對裂縫部分做專門識別處理；（4）梯度算子濾波主要是根據(jù)子模的分布形式進行遍歷，Sobel梯度算子濾波后，許多存在梯度差值的敵方都會將邊界信息保留，會給后期處理帶來復雜的處理過程；（5） 中值反差濾波處理后的圖像，保留了裂縫的主要信息，并且其余地方的背景分布被濾波器弱化，從而增強了裂縫位置的信息，使得裂縫更加明顯。

圖7 經(jīng)過濾波處理后的圖像

中值反差濾波器不僅很好地保留了裂縫信息，且能弱化其余的噪點信息，濾波器在圖像遍歷過程中，除了對裂縫形成的區(qū)域增強外，還會將其余的噪點（與裂縫像素相近）形成孤立區(qū)域，連通域標記方法可以將此類噪點標識出來。

2.3 圖像的連通域標記

結(jié)合預設(shè)好的4-鄰域連通域方法對濾波處理后的圖像進行處理，并利用形態(tài)學的膨脹、腐蝕[8]操作進行圖像內(nèi)部的填充及邊緣的細化。

連通域標記法是首先逐行掃描一幅圖像，以單素為標記對象，逐一處理圖片中的每個像素。當一個待標記像素b（x，y）是背景時，無需做任何操作，遍歷下一個像素。當一個待標記像素b（x，y）是前景時，則按識別處理步驟進行：（1）步驟1：如果b（x，y）是一個未被標記的像素，并且它上行鄰接像素b（x，y-1）是一個背景像素，則b（x，y）一定是個新的未標記連通域外部邊界像素，如圖8中P位置，需用新的標號值標記像素，然后利用邊界跟蹤找到所有的像素，并用-1標記圍繞外部邊界的所有背景像素。（2）步驟2：如果b（x，y）的正下方的鄰接像素b（x，y+1）是一個背景像素，如圖9中的像素q，而左邊相近的像素b（x-1，y）是一個已標記的像素，如圖9中的p像素，則b（x，y）是內(nèi)部邊界像素。用像素b（x，y）的標號標記當前像素b（x，y）。由像素b（x，y）出發(fā)查找內(nèi)部邊界像素，并且用b（x，y）標號標記，用-1標記圍繞邊界的所有背景像素。（3）步驟3：如果像素b（x，y）不屬于上述步驟1、2所描述的情況，那么像素點的左側(cè)像素b（x-1，y）會是個已標記的像素。則用b（x-1，y）的標記號來標記像素b（x，y），并終止當前像素的標記處理。

圖8 連通域標記過程中的外部邊

圖9 連通域標記過程中的內(nèi)部邊緣追蹤

由連通域標記后的圖像，會得到許多獨立的區(qū)域，共計3 782組獨立的分布區(qū)域，其中裂縫的區(qū)域同一標號的像素點最多，所以只要將標記號相同、數(shù)量最多的像素位置分布找到，就可確定路面裂縫的分布。圖10、圖11分別為提取后的裂縫骨架和將提取的骨架信息與原始圖疊合后的示意圖，從疊合后的圖像可以看出，本文算法所提取的裂縫骨架描跡信息與原始圖中的裂縫信息吻合較好。

圖10 提取后的裂縫結(jié)果

圖11 裂縫結(jié)果畫在原始圖上

2.4 試驗處理

利用市政道路現(xiàn)場采集的106幅路面裂縫圖片，以相同的樣本集作試驗對比，分別采用較流行的裂縫提取方法：動態(tài)閾值+小波變換[8](算法1)和算法（算法2）進行比較，對比結(jié)果見表1。

表1 算法對比數(shù)據(jù)

可以看出，算法2在各指標上都具有一定的優(yōu)勢，提高了裂縫的提取精度，可以滿足施工檢測的實際需求；降低了裂縫處理時間，基本滿足工程實時性要求。

3 結(jié)語

（1）闡述了一種基于新型濾波器，融合連通域標記等圖像處理的方法進行路面裂縫識別，并且詳細地描述了濾波器的構(gòu)建過程。（2）結(jié)合路面裂縫的連通性特點，采用形態(tài)學中的連通域標記法、膨脹和腐蝕運算等操作，完成裂縫的修復和提取。（3）相較于傳統(tǒng)處理算法，無論在精度上還是在處理時間上，本文算法都具有一定的優(yōu)勢。

現(xiàn)場道路病害樣本的采集，受采集現(xiàn)場的光照、油污及雜物等外在因素影響，采集到的路面裂縫樣本具有數(shù)據(jù)量大、類型多樣的特點，所以對算法的魯棒性提出更大的要求，因此提高算法的魯棒性是下一步的工作方向。