基于圖像處理的橋梁表面裂縫識(shí)別研究

廖祥燦，姚玉凱

（山東理工大學(xué)，山東 淄博 255000）

目前，中國(guó)正值基礎(chǔ)建設(shè)的高峰期，道路橋梁建設(shè)十分迅速，據(jù)交通運(yùn)輸部發(fā)布的公報(bào)稱，中國(guó)橋梁數(shù)量已超過80萬(wàn)座[1-2]。對(duì)于任何一個(gè)橋梁的工作服務(wù)周期而言，橋梁建設(shè)是一個(gè)相對(duì)很短的階段，其運(yùn)營(yíng)管理通常長(zhǎng)達(dá)100年[3-4]。同時(shí)，過重車輛增多和超載現(xiàn)象頻發(fā)，對(duì)橋梁的損害尤為嚴(yán)重，也對(duì)橋梁本身的性能要求越來越高，橋梁的檢測(cè)和維護(hù)工作尤為關(guān)鍵[5-7]。但現(xiàn)實(shí)中，普遍存在橋梁管理和養(yǎng)護(hù)部門力量不足、檢測(cè)技術(shù)和方法比較落后等問題，造成橋梁在發(fā)生病害后無(wú)法得到及時(shí)發(fā)現(xiàn)和養(yǎng)護(hù)[8-10]。據(jù)不完全統(tǒng)計(jì)，近幾年國(guó)內(nèi)橋梁事故已經(jīng)造成109人死亡，90人受傷，經(jīng)濟(jì)損失巨大。因此，如何高效、準(zhǔn)確、經(jīng)濟(jì)、及時(shí)地獲取橋梁病害信息已成為橋梁檢測(cè)亟待解決的問題[11-15]。

1 橋梁表面影像裂縫病害的分割識(shí)別

由于長(zhǎng)期暴露在外界環(huán)境中，橋梁上的部分病害區(qū)域與背景區(qū)域在橋梁表觀影像上呈現(xiàn)出較低的對(duì)比度，甚至出現(xiàn)某些裂縫間接性斷裂等問題，這給病害的檢測(cè)提取造成極大干擾，進(jìn)而嚴(yán)重影響到影像分割的質(zhì)量[16-19]。橋梁表面裂縫病害識(shí)別的流程如圖1所示。

圖1 橋梁表面裂縫病害識(shí)別流程

通常情況下裂縫呈線狀走向，在經(jīng)過圖像二值化處理及濾波去噪后，可使圖像上的裂縫區(qū)域逐漸凸顯出來[20]。通過對(duì)二值化后的圖像進(jìn)行長(zhǎng)短軸之比的特征判斷，即可實(shí)現(xiàn)對(duì)橋梁表面裂縫病害的有效識(shí)別。

1.1 邊緣分割

想要實(shí)現(xiàn)對(duì)一幅圖像進(jìn)行目標(biāo)對(duì)象與背景部分分割的目的，往往需要根據(jù)這2部分區(qū)域之間的差異進(jìn)行目標(biāo)對(duì)象的提取，而二者之間的差異往往體現(xiàn)在其公共邊緣部分。通常情況下，該邊緣部分兩邊的像素灰度值存在著較大的差異，這是進(jìn)行圖像分割的重要依據(jù)。

圖像的梯度算子的計(jì)算公式如式（1）—式（6）所示，可見其實(shí)質(zhì)為該函數(shù)對(duì)應(yīng)的一階導(dǎo)數(shù)算子。

對(duì)應(yīng)的歐式距離梯度幅值和方向分別如下：

簡(jiǎn)化可得：

其中：

本文采用小區(qū)域模板對(duì)該圖像進(jìn)行卷積運(yùn)算，以此來避免對(duì)每個(gè)像素進(jìn)行計(jì)算所導(dǎo)致的較大數(shù)據(jù)運(yùn)算量的產(chǎn)生。

1.2 連通區(qū)域

在計(jì)算機(jī)語(yǔ)言中，通常使用鏈碼的表示方式對(duì)目標(biāo)對(duì)象的邊界部分進(jìn)行表示，即使用同時(shí)具有長(zhǎng)度與方向的線段對(duì)邊界進(jìn)行描述。通常情況下，同一幅圖像中所使用的鏈碼長(zhǎng)度均相同，且對(duì)邊界起點(diǎn)使用絕對(duì)坐標(biāo)進(jìn)行描述，其他點(diǎn)均采用與起點(diǎn)之間的偏移情況來進(jìn)行位置描述。

在計(jì)算機(jī)可理解范疇內(nèi)，邊界即為邊界處相連而成的像素點(diǎn)的集合，目前進(jìn)行邊界描述的最經(jīng)典的方法是方向鏈碼法，它通過曲線的起始點(diǎn)的絕對(duì)坐標(biāo)以及曲線上相鄰像素點(diǎn)之間所組成線段的斜率來表示2個(gè)像素點(diǎn)之間的位置關(guān)系。

1.3 裂縫的識(shí)別和判定

對(duì)于裂縫目標(biāo)的提取需要根據(jù)其特征要素（如形狀、面積及外接橢圓長(zhǎng)短軸之比等）進(jìn)行目標(biāo)判讀，但獲取到的目標(biāo)像素點(diǎn)中除了裂縫目標(biāo)以外，可能還有少部分的干擾噪聲存在其中。因此，還需要集合其灰度特征對(duì)篩選出的目標(biāo)像素進(jìn)行進(jìn)一步判別，以更深層次地確定目標(biāo)像素是否為裂縫。由于實(shí)際影像中的裂縫與周圍背景相比呈黑色分布，且這2部分的灰度值存在較大差異，因此提取所得的裂縫像素點(diǎn)通常在局部區(qū)域呈現(xiàn)較小的灰度值。

本文采用二值化后圖像的連通區(qū)域長(zhǎng)短軸之比，求得裂縫目標(biāo)的最小外接矩形內(nèi)部的像素點(diǎn)的灰度均值差，進(jìn)而與確定的閾值進(jìn)行大小比較來實(shí)現(xiàn)裂縫目標(biāo)的最終判別。識(shí)別效果如圖2所示。

圖2 裂縫的識(shí)別和判定

2 病害影像檢測(cè)系統(tǒng)開發(fā)及實(shí)例驗(yàn)證

2.1 開發(fā)平臺(tái)

本文采用商業(yè)數(shù)學(xué)軟件MATLAB（Ra2014）版本進(jìn)行本次圖像處理系統(tǒng)的開發(fā)。

2.2 總體結(jié)構(gòu)

2.2.1 模塊設(shè)計(jì)

基于本次橋梁表面裂縫病害檢測(cè)的實(shí)際需求，本文開發(fā)了基于MATLAB圖像處理的有關(guān)橋梁表面裂縫檢測(cè)的程序?？紤]到基于實(shí)際情況所要實(shí)現(xiàn)的軟件功能，可將軟件的模塊分為以下4個(gè)部分：①文件信息模塊。該模塊包含圖像名稱、尺寸大小及其所存儲(chǔ)路徑等屬性。②操作模塊。該模塊主要包括主菜單、子菜單及命令按鈕，對(duì)數(shù)據(jù)的處理操作均在該模塊實(shí)現(xiàn)。③結(jié)果顯示模塊。在對(duì)圖像進(jìn)行處理后，需要將其進(jìn)行展示，以便操作人員對(duì)處理后的圖像效果進(jìn)行檢查并可對(duì)處理所得的數(shù)據(jù)參數(shù)進(jìn)行查看。④數(shù)據(jù)存儲(chǔ)與導(dǎo)出模塊。在對(duì)圖像進(jìn)行處理后可得到對(duì)應(yīng)操作的新的數(shù)據(jù)圖像，用戶可利用該模塊對(duì)生成的數(shù)據(jù)進(jìn)行存儲(chǔ)；此外，該模塊還可生成新數(shù)據(jù)圖像所對(duì)應(yīng)的分析報(bào)告，以便用戶對(duì)該圖像處理操作后所得的數(shù)據(jù)成果進(jìn)行評(píng)價(jià)。

2.2.2 工作流程

本次所開發(fā)的系統(tǒng)主要用于對(duì)橋梁表面的裂縫病害影像進(jìn)行分割與識(shí)別。以下將對(duì)圖像加載后要進(jìn)行的一系列工作流程進(jìn)行簡(jiǎn)要介紹，其流程如圖3所示。

圖3 軟件工作流程

2.3 實(shí)例驗(yàn)證

2.3.1 數(shù)據(jù)來源

本研究中的橋梁裂縫數(shù)據(jù)通過SDNET2018橋梁裂縫數(shù)據(jù)集選取。SDNET2018包含超過56 000張開裂和非開裂混凝土橋面、墻體和路面的圖像。該數(shù)據(jù)集包括0.06～25 mm寬的裂縫；該數(shù)據(jù)集還包括具有各種障礙物的圖像，如陰影、表面粗糙度、縮放比例、邊緣、孔和背景碎片等障礙物圖片[21]。

2.3.2 裂縫識(shí)別實(shí)例演示

載入圖像及灰度化：在MATLAB環(huán)境下，運(yùn)行主程序Main后，進(jìn)入Guide打開橋梁表面裂縫檢測(cè)程序并運(yùn)行。在處理模塊載入圖像文件中的裂縫影像，例如在對(duì)話框中選擇裂縫影像1.JPG，圖像顯示在主界面的左窗口中。

在載入圖像后，經(jīng)過處理轉(zhuǎn)為灰度圖，詳情如圖4所示。

圖4 載入裂縫影像及灰度化

直方圖均衡化：將裂縫影像進(jìn)行直方圖均衡化，將裂縫影像的灰度范圍擴(kuò)大到0～255，獲得較大的灰度動(dòng)態(tài)范圍，如圖5所示。

圖5 直方圖均衡化

中值濾波：裂縫影像在采集或傳輸?shù)倪^程中，往往會(huì)受到成像設(shè)備和傳輸介質(zhì)等因素的干擾而產(chǎn)生噪聲，干擾實(shí)驗(yàn)結(jié)果的判斷。經(jīng)過中值濾波后，裂縫影像的白色噪點(diǎn)明顯減少，如圖6所示。

圖6 中值濾波

對(duì)比度增強(qiáng)：裂縫影像由于在室外采集，容易受到大氣、陽(yáng)光、無(wú)人機(jī)機(jī)械振動(dòng)等因素的影響，造成裂縫影像整體偏暗或偏亮。對(duì)比度增強(qiáng)（伽馬變換）后，可以明顯改善裂縫影像的整體照度，更利于后面裂縫的識(shí)別，如圖7所示。

圖7 對(duì)比度增強(qiáng)（伽馬變換）

二值化處理及濾波：由于裂縫識(shí)別關(guān)心裂縫及周圍的紋理信息，將圖像轉(zhuǎn)換為二值圖像后，保留了裂縫的邊緣和形狀信息，簡(jiǎn)化了其紋理信息，這樣可以提高裂縫識(shí)別的速度和效率，如圖8所示。

圖8 裂縫影像二值化

同時(shí)由于裂縫背景往往存在大量的細(xì)小空洞，需要進(jìn)行二值濾波，得到更好的裂縫二值影像，如圖9所示。

圖9 二值影像濾波

裂縫識(shí)別和判斷：經(jīng)過二值化和二值濾波后的裂縫圖像，通過二值連通區(qū)域長(zhǎng)短軸之比的特征對(duì)裂縫進(jìn)行識(shí)別和判斷，如圖10所示。

圖10 裂縫識(shí)別和判斷

裂縫投影：將已識(shí)別的裂縫影像進(jìn)行裂縫拼接，為了獲取裂縫區(qū)域的信息，采用像素積分投影的方式將裂縫的水平和垂直方向的積分分別投影，并繪制投影曲線，如圖11所示。

圖11 裂縫投影

裂縫標(biāo)記和參數(shù)顯示：根據(jù)前面投影，對(duì)裂縫進(jìn)行定位并標(biāo)記，然后分別獲取裂縫的閾值信息、面積信息、長(zhǎng)度信息、最大和最小寬度信息及方向，如圖12和圖13所示。

圖12 裂縫影像標(biāo)記

圖13 顯示參數(shù)信息

保存和保存結(jié)果：將識(shí)別好的裂縫影像存儲(chǔ)并將裂縫的特征信息輸出到Excel中保存。

本實(shí)例演示了本次開發(fā)的橋梁裂縫識(shí)別軟件具體識(shí)別裂縫和提取裂縫特征的過程。首先實(shí)施一系列圖像預(yù)處理來突出裂縫目標(biāo)，然后通過二值化及其裂縫特征對(duì)裂縫進(jìn)行識(shí)別和特征提取，提高了橋梁表面裂縫檢測(cè)的自動(dòng)化水平。其結(jié)果通過保存和數(shù)據(jù)入庫(kù)的方式進(jìn)行數(shù)據(jù)保存，具有一定的適用范圍。

3 結(jié)論

本程序采用圖像處理技術(shù)對(duì)橋梁表面無(wú)人機(jī)裂縫影像進(jìn)行處理，然后對(duì)SDNET2018橋梁裂縫數(shù)據(jù)集的裂縫進(jìn)行檢測(cè)驗(yàn)證，結(jié)合梁橋裂縫識(shí)別程序判定出該橋梁現(xiàn)有的表面裂縫病害，對(duì)橋梁外觀檢測(cè)有一定創(chuàng)新和實(shí)際生產(chǎn)的意義。

無(wú)人機(jī)影像預(yù)處理還可以采用深度學(xué)習(xí)算法，這樣可以提高處理無(wú)人機(jī)影像預(yù)處理的適應(yīng)能力，使預(yù)處理后的無(wú)人機(jī)影像質(zhì)量更好，更利于后續(xù)處理。裂縫的識(shí)別可以采用神經(jīng)網(wǎng)絡(luò)的方法，對(duì)已有裂縫進(jìn)行訓(xùn)練，然后再去識(shí)別獲取的裂縫影像，這樣可以提高裂縫識(shí)別的準(zhǔn)確率和效率。