（光学工程专业论文）工程结构构件裂纹的自动搜索与测量技术.pdf

中文摘要 近年来，建筑结构构件上的裂缝大量出现，可以说量大面广。所谓面大是指 其出现的比例比较高，有相当数量的建筑结构存在着裂缝问题。我们对于当今建 筑领域急切需要研究解决的结构构件裂缝问题，开发了一套裂缝识别与分析软 件，为进行工程安全性监控研究的进行提供全面准确的监测数据。本文的工作是 围绕着裂缝图像中的裂缝骨架信息的提取，连续边缘的提取，直径信息的提取而 展开的。主要内容如下： 1 裂缝图的灰度分析 根据裂缝形状特征深入分析了裂缝图像，归纳出3 个基本灰度特征，为= 维 信息的提取提供了依据。 2 裂缝的骨架提取 本文首先对裂缝图像进行了预处理，采用了形态学的t o p - h a t 变化等方法对 图像进行了噪声去除和图像的增强。然后基于自适应域值法提取裂缝区域。最后 进行了骨架的提取，通过对比研究直接法和间接法，本文采用了间接法，即通过 细化裂缝区域实现了裂缝骨架提取。 3 裂缝连续边缘提取 裂缝连续边缘提取是裂缝后期参数提取的基础。本文对比了多种常规边缘方 法及i s e f 提取法基础上，采用了最大成本法。该方法首先利用了常规微分边缘 边缘提取法建立成本空间，然后对裂缝边缘进行区域划分，利用动态规划理论提 取最大成本曲线作为指定的裂缝边缘。最大成本法不仅具有常规边缘法提取的优 点，而且其提取的边缘具有连续性，单像素宽的特点。 4 裂缝的宽度测量 裂缝宽度测量是建立在对裂缝的骨架和边缘提取基础上。通过骨架对裂缝 二次采样，沿骨架点切线方向的垂线方向求出相应的直径。 关键词；裂缝，骨架，连续边缘 a b s t r a c t d u r i n g r e s e n t y e a r s ，t h e r e o c c u r g r e a t n u m b e r so fc r a c k so na r c h i t e c t u r e c o n s t r u c t i o nc o m p o n e n t i tc a nb ec a l l e dv a s tn u m b e r sa n d w i d er a n g e t h es o c a l l e d w i d er a n g em e a n st h a to c c u r r i n gr a d i oi sr e l a t i v e l yh i g h t h e r ea r ec o n s i d e r a b l e n u m b e r so fa r c h i t e c t u r ec o n s t r u c t i o nh a v i n gs u c hc r o c kp r o b l e m s w ed e v e l o pas e to f r e c o g n i z a b l ea n da n a l y z a b l e s o f t w a r ea c c o r d i n gt ot h ep r o b l e m s ，w h i c hn e e db e s o l v e du r g e n t l yi nt h ea r c h i t e c t u r er e a l ma n dp r o v i d ef u l l - s c a l ea n da c c u r a t ed a t af o r r e s e a r c ho f e n g i n e e r i n gs a f e t yc o n t r o l l i n g t h em a i n w o r ko ft h i st h e s i si sc a r r i e do u t a b o u tt h ed e t e c t i o no ft h ec r a c ks k e l e t o na n db o u n d a r y , d i a m e t e ri n f o r m a t i o n t h e w o r k sc a l lb ei n c l u d e da sf o l l o w s ： 1 a n a l y s i so f t h ei n t e n s i t yc h a r a c t e r so f t h ec r a c k i m a g e t h ec r a c k i m a g e i s d e e p l ya n a l y z e d o nt h eb a s eo fv a s c u l a r s h a p e t h r e e i n t e n s i t yc h a r a c t e r i s t i c sa r ea c q u i r e d ，w h i c h a r et h er u l e sf o rt h ed e t e c t i o no ft h e2 - d i n f o r m a t i o ni nt h e i m a g e 2 d e t e c t i o no f 也ec r a c ks k e l e t o n i m a g ep r e - p r o c e s s i n gt e c h n o l o g i e s a r e f i r s t l y u s e dt oe l i m i n a t en o i s ea n d e n h a n c et h ei m a g e s u c ha st o p h a tt r a n s f o r m t h e ne x t r a c tt h ec r a c ka r e ao nt h e s e l f - a d a p t i v e t h r e s h o l d a tl a s t ，t h eu l l - d i r e c tm e t h o dt h a tt h i n st h ec r a c ka st h e s k e l e t o ni s a d o p t e d o nt h er e s e a r c ho ft h ed i r e c ta n du n - d i r e c tm e t h o d s t h e c o n n e c t i v i t y - n u m b e rt h i n n i n gm e t h o d i sp r e s e n t e dt os k e l e t o n i z et h ec r a c ka r e a 3 d e t e c t i o no ft h ec o n t i n u o u sc r a c kb o u n d a r y t h ec o n t i n u o u sc r a c kb o u n d a r yi st h eb a s ef o rg e t t i n gt h ep a r a m e t e r si nl a t t e r w o r k t h em a x c o s t ( m c ) i s p r e s e n t e do n t h eb a s eo f t h es t u d yo f t h et r a d i t i o n a le d g e d e t e c t i n gm e t h o d sa n di s e f i ti sc o n s i s t e do f t w os t e p s ：t h ef i s ts t e pi st h a tt h ec o s t f i e l di sb u i l tu pb yt h et r a d i t i o n a le d g ed e t e c t i n gm e t h o d - - d i f f e r e n t i a lm e t h o d ；t h e s e c o n ds t e pi st h a tt h eb o u n d a r y , t h ec u r v ew i t hm a x i m a lc o s tit h es e g m e n t e d a r e a ，i s d e t e c t e ds e r i a l l yb y et h ed y n a m i cp r o g r a m m i n g ( d p ) t h em ci n h e r i t st h em e r i t so f t h et r a d i t i o n a lm e t h o d ，a n di t sb o u n d a r yi sc o n t i n u o u sa n d o n e p i x e lw i d e 4 t h ew i d t hm e a s u r e m e n to f t h em a i nc r a c k t h ew i d t hm e a s u r e m e n ti sb a s e do nt h es k e l e t o na n dc o n t i n u o u sb o u n d a r yo f c r a c k t h ec r a c ki sr e s a m p l e db yt h es k e l e t o na n dc a l c u l a t ev i av e r t i c a ld i r e c t i o no f t h et a n g e n td i r e c t i o no f t h e p o i n to ns k e l e t o n k e y w o r d s ：c r a c k ，s k e l e t o n ，c o n t i n u o u sb o u n d a r y 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得基壅盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者躲劣 签字日期：歹刀p 4 哗 学位论文版权使用授权书 冠| 本学位论文作者完全了解墨生叁堂有关保留、使用学位论文的规定。 特授权鑫涟叁鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 翮签名舌战牟 签字日期：尹尹年j 月f 尹日签字日期：少呼年月争日 一 篁二兰堕堡 _ _ _ _ _ - - _ _ _ _ _ _ - _ - _ _ _ j 一一。 第一章绪论 近年来，建筑结构构件上的裂缝大量出现，可以流量大面广。所谓面大是指 其出现的比例比较高，有相当数量的建筑结构存在着裂缝问题。所谓面广是该类 问题在全国各地都可看到。建设部和中国消费者协会每年都要受理大量这类问题 的投诉。在国家建设工程质量监督检验中心每年承接的检验鉴定工作中，结构构 件裂缝问题及涉及该类问题的项目所占的比例相当大，超过每年检测鉴定项目总 数的1 2 。对这样量大面广的问题理应引起广大工程技术人员的高度重视“1 。 本文工作围绕裂缝骨架信息提取，边缘信息提取，直径信息提取等裂缝参数 的提取展开的。 1 1 课题的目的和意义 由于混凝土的组成材料、结构体系、结构构造和受力状态的不同，以及约束 条件和所受外界影响的差异，致使混凝土产生裂缝的原因较为复杂，因而对结构 性能的影响也各不相同，总的来说，建筑结构及构件的裂缝可以分成以下几类： 荷载( 特别是重力荷载) 造成的裂缝；结构、构件变形所造成的裂缝：施 工不当造成的裂缝；与耐久性性能相关的裂缝。在上述几种裂缝中构件变形 所造成的裂缝数量最多。应当承认，大多数结构构件的变形裂缝对结构的安全性 并没有明显的影响，也就是对构件的承载能力没有明显的影响。但是建筑结构不 仅要保证安全性，还要保证适用性和耐久性。裂缝的存在，会使使用户产生不安 全感，墙体裂缝给用户造成的心理负担是非常大的。再者，结构构件上的裂缝可 引发社会的不安定。对裂缝问题处理不好会引起住户和有关部门的对立情绪，因 其而引起的静坐示威、上访、告状已不是少数。在广播电台播发的房屋质量问题 和电视台爆光的新闻中，多数都是裂缝问题。 裂缝问题属于工程质量问题! 原因在，其一，裂缝是有关设计规范要求避免 出现的。其二，现行的施工验收规范中没有允许构件出现裂缝的条款。其三，没 有人愿意购买带有墙体裂缝的房子。从另外一个角度来看，裂缝问题也反映了建 筑业的技术水平问题。建筑结构和构件出现裂缝给结构造成一定的损伤，影响建 筑物的正常使用，有些裂纹则危及结构的安全，甚至造成建筑物的严重破坏和倒 塌。 对于裂缝造成经济上的影响，对出现裂缝的建筑物结构构件迸行翻修和修补 一 墨二釜竺鎏一 l_h-_-_-_-_-_-_-_l_-，-_一 将会投入巨额费用。美国些专家预计，光在国内每年修补和翻修现有基础设施 的费用以1 0 亿美元计。 可见裂缝问题不仅是个有关社会安定的巨大社会问题，也是相关于工程灾 变行为与健康状态监测的技术问题。对出现的裂缝进行准确识别、定位，是进而 修正结构模型、进行灾变预防，准确评定结构物健康状态的基础，如果对裂缝不 能及时发现。或者发现后测量数据不够周全、不够准确，对数据的记录不够详细 有效，那根本就谈不上如何去解决问题。 但是国内目前的对于结构裂缝的检测方法，至今也没有数字化的检测和分 析专用设备。还是通过人眼目视或使用简单的的仪器如读数放大镜来进行估测。 依然停留在手工状态上。检测工作只是通过目测来对比裂缝和显微镜上的刻痕宽 度，人为判断其宽度，并且人工在纸上划出形状，不仅不科学，也不够准确。以 此数据而提出的检测报告在客观性、准确性和权威性方面也存在着相当的缺陷。 并且检测手段的原始使得检测工作劳动强度高，测量精度低。效率低下。并且， 电子化、数字化的测量数据结果对于当今重大工程整体结构安全健康状态的长期 自动监测是不可豁缺的。而这一点工f 是现在检测技术的瓶颈之一。 建筑业和建筑质量检测部门迫切需要客观、准确、快速的数字化建筑物裂缝 检铡分析手段。本课题的本项目的研究目的，是研制成一套结构物裂纹自动寻找 和测量系统它可以自动对结构物的表面扫描寻找预定阚值范围咀内的裂纹，并 于显示屏上显示出出现了裂纹的区域，再通过选择判定，进一步的对选定区域二 次细扫描，高精度的 9 1 l | 量裂纹的状态数据，就可以把裂纹的形状、走向、各区域 最大宽度等相关信息信息化、数字化的显示出来，并可以全自动的完成数字电子 化的显示、记录和输出。对被测的裂缝进行数字化建模后用计算机技术进行进一 步分析，以准确判断工程结构构件的损伤程度。减轻了检测工作的劳动强度。提 高了测量效率、水平和精度，保证了检测工作的客观性和权威性。技术进步将给 建筑质量提高和检验监督工作水平的带来相当的益处。 本论文的学术特点和创新之处在于，对于当今建筑领域急切需要研究解决的 结构构件裂缝问题，提出了测量数据数字化处理的新技术，并自主开发一套裂缝 识别与分析软件，为进行工程安全性监控研究的进行提供全面准确的监测数据， 判断构件的安全程度，预示危险构件和危险荷载，为网络系统化进行结构安全性 第一乖绪论 -_-_-_-_-_-_一一 的评估和重大事故的预警提供了保证。 1 2 裂缝检测技术的研究动态 通过专利查新，国内外目前尚没有该类专用建筑物裂纹的自动搜索与测量系 统。 我们需要做以下几方面的工作。 1 ) 研究快速识别和测量技术 项目需研究的快速图像处理、裂纹的快速识别和裂纹参数快速测量的算法和 实现软件。子块图像的专门处理和测量在一体化数码图像传感器的高速d s p 上完 成，而整体参数综合、计算、存储和显示在高速c p u 上完成。系统需要研究控制 c p u 和各个运算d s p 之间的命令和数据参数传输方法。 2 ) 快速搜索和发现算法 裂纹只出现在很少的区域，因此不必对所有区域进行高精度高分辨率采集图 像。项目要研究大范围高精度智能搜索方法，既不遗漏可疑裂纹，又能快速处理 整个区域。 3 ) 数字化裂缝数据与建筑物健康状态的关系网络化建模与处理分析技术。 因为当前结构构件裂缝的检测手段只能得到手工的裂缝相关数据，所以如果 系统分析整体结构构件的健康状态与裂缝之间的关系是个相当烦琐的过程，并且 现实存在数据量不足、不十分可靠的问题。本课题可以自动的对结构构件进行扫 描处理，寻找裂纹区域，对发现的裂缝区域进行二次细扫。可以得到裂缝的走向、 发展、形状、宽度等数字化参数，得到的数据准确两全面，囡结构数字化的原因， 可以很方便的进行网络化数字整合，进而为建筑物安全度评估和重大事故预警提 供来保证。 1 ，3 本文的主要工作 一裂缝图像灰度特征分析 本文首先根据裂缝特征对裂缝图像具有的灰度特征作了分析。归纳出图像 具有的3 个特征为裂缝的骨架和边缘提取提供了依据。 二图像预处理 裂缝图像属于强噪声图像，信噪比比较低。本文首先采用通用图像预处理 技术消除了图像中的椒盐噪声和随机噪声：采用形态学t o p h a t 变换消除了背景 第一章绪论 的不均匀性，也实现了裂缝图像中大尺寸的结构噪声的去除。突出了图像中的裂 缝信息，方便了图像的后续处理。 a ) 裂缝骨架提取 为便于裂缝二维整体信息提取，本文首先提取裂缝的骨架开始，再以骨架 作为二次采样基准提取裂缝的整体二维信息，如直径信息等。在骨架的提取中采 用了间接法。间接法是建立在对裂缝区域提取的基础上进行的。裂缝骨架是裂缝 测量的一个重要的信息，它对直径的提取，裂缝的连续性，裂缝的走向上都具有 重要的意义。 b ) 裂缝连续边缘的提取 裂缝边缘是裂缝测量的一个重要的信息。边缘的提取要求最终必须满足下 面的条件：l ，单像素宽：2 ，8 连通。3 ，连续。本文比较了传统模板边缘提取 方法对裂缝边缘的提取效果，也利用了i s e f 提取裂缝边缘，实验表明这些边缘 提取方法在提取裂缝边缘时无法满足上述要求。最终，本文采用了最大成本法来 提取裂缝的边缘，该方法分两步实现，首先利用传统的边缘检测方法建立边缘成 本空间，然后利用边缘阶微分具有极大值特性实现了裂缝连续边缘的提取。 第二章图像众度特征及相关预处理 第二章图像灰度特征及相关预处理 2 1 图像底层处理分析 图像在其形成，传输和记录过程中，由于成像系统，传输介质和记录设备等的 不完善均会引起图像质量的下降，或称退化。图像退化一般表现为图像的模糊， 失真和受到噪声的污染等。由于引起退化的原因及其物理模型是个不相同的，因 而在进行图像恢复处理时，并没有统一的方法。通常是针对某个特定的退化模型 和估计准则，导出针对该退化模型的恢复方法。但在实际问题中，图像的退化往往 是由多种原因导致的，就图像所受的噪声污染情况来说，就可能由加性噪声，脉冲 噪声与信号相关噪声等。因此，传统的，针对某一个单一目标的图像恢复处理方法 往往是不能获得令人满意的效果的”瑚“2 “。 因此，考虑到本课题的复杂性和精度要求，从理论上也决定了不可能由单一 的某一个算法求得最终的满意结果。 2 2 裂缝的灰度分布 从裂缝的图像可以看出，裂缝本身的灰度低于周围背景。且较均匀。而背景的扶 度与拍摄面自身有很大关系。见下图的说明。在成像系统中，光源不是理想的点 光源，成像系统具有扩散作用，此外图像的数字化过程进一步引入各类噪声，因此 图像可表示为 n 厂o ) = ( ，。( x ，y ) + e ，。( x ，y ) ) + g ( ，) + w ，) + d o ) 日i = l 其中g ( t ) 为系统扩散函数，w ( t ) 为白噪声，0 ( t ) 为其他未知噪声。 图2 - 1 原始图l 图2 - 2 原始图2 第二章图像扶度特征及相关项处理 图2 1 是背景含有较多噪声的裂缝图像，其中还有伪边界的存在。 图2 2 是背景噪声较少的裂缝图像 这些背景噪声是由材料表面的材质决定的，显然可以预测在预处理的过程中，图 2 一l 的过程肯定比图2 2 的过程复杂，繁琐些。 2 3 裂缝的图像特征 一裂缝灰度范围从裂缝的图像上 可以看出，裂缝的形状近似折 线，且直径的变化较小。在裂缝位黄 的灰度变化不大。从图2 - 2 的白色 框中的像素做个直方图。从直方图 中可以看出在裂缝附近的灰度范围 变化是较小的，这个特征在后续的 处理中起了重要的作用。 圆2 1 3 局部直方图 灰度值低于背景由于裂缝是物体表面的凹陷部分，所以通常它的灰度低于周围的 背景灰度。由上图所示。 二高背景噪声 由于物体表面材质，面表处理方法，受污染程度及其他不可预测的物理损伤， 从而造成图像背景灰度不均。有些非裂缝的划痕，水渍等不同程度的形成了结构 噪声。 三边缘具有连续性 由于裂缝的由应力集中形成，因而在裂缝方向上具有连续性。 2 4 裂缝图像的预处理 在图像的获取，传输和存储过程中受到各种条件限制和噪声干扰，一般很难 用来直接提取有用信息。因此首先要对裂缝图像进行预处理，如中值滤波，灰度平 滑，图形学相关算法如t o p h a t ，变换等，目的是消除干扰噪声，保留并突出需要 的信息。 6 第二章图像灰度特征及相关预处理 2 4 1 通用预处理方法在裂缝检测中的应用口1 图像增强的目的是采用一系列技术改善图像的视觉效果，或者将图像转换成 一种更适合人或机器进行分析处理的形式。它并不一定追求图像降质的原因。直 方图修正，边缘锐化等都是常用的手段。 图像增强的方法基本可以为两类：空域处理和频域处理。空域处理是在原图 像上直接进行数据运算。它又分两类，一类是在与像素点邻域有关的空域进行， 称为局部运算，例如空域卷积运算。另一类是对图像进行逐点运算，称为点运算。 处理可以是线性的或非线性的，例如指数，对数，比值，黑白到彩色的变化等。频域 处理是在图像的f o u r i e r 等变换域上进行的处理，过滤出适当的频率分量，然后 进行反f o u r i e r 变换，变得到增强的图像。 考虑到本课题是分阶段进行的，第一阶段是进行手持式的测量仪的软件算法 研究，由于运算有可能主要在d s p 中完成，这就决定了算法本身的复杂度不应该 过于复杂，否则由于d s p 本身资源的局限性实现起来将非常困难，基于这一思想， 对于频域的算法研究在课题的第一阶段将不与考虑。 下面就裂缝的图像特点，对些可能用到的方法进行研究。 对比度增强 当图像的对比度很差对，达到增强的目的，需要对图像中的每一像素的灰度 进行灰度变换，为扩大图像的范围。常用的灰度变换有线性灰度变换，分段线性狄 度变换，非线性灰度变换等。在实际使用中，考虑到运算速度我们采用算法简单的 线性灰度变换。它的变换式如下： g ( x y ) = c 0 f ( x ，y ) 口 篙w m 订s f ( x , y ) 6 ( 2 1 ) d b f ( x ，) 彬 其中m f 表示f ( x ，y ) 的最大值。 从图中可看出图像的对比度得到了明显的改善。 笙三童型堡壅堡塑堑垡! ! 差堡丝堡一一 图2 - 4 原始图像图2 - 5 灰度拉伸后图像 下面对图像中的椒盐噪声和随机噪声采用中值滤波和高斯平滑两种通用技术的 进行探讨。 二中值滤波 中值滤波是一种局部平均平滑技术。它对脉冲干扰和椒盐噪声的抑制效果好 在抑制随机噪声的同时能使边沿减少模糊。中值滤波模板通常包含奇数个像素， 用模板遍历图像，在每一个像素位置上都将模板内的像素灰度值进行升序或降序 排列，以序列中间的灰度值代替当前位置的像素灰度。中值滤波对椒盐噪声的的 去处能力与模板大小相关，模板越大平滑去噪声能力越强，但同时也会将图像中有 用细节平滑掉。 三扁斯平滑 高斯函数滤波器是根据高斯函数来选择权值的线性平滑滤波器，能够有效的 去处图像图像中服从正态分布的随机噪声。在图像处理中常用= 维零均值离散高 斯函数作为平滑滤波器的权值，离散函数如下 g i ，门= e - ( 艮，2 陋2( 2 2 ) 第二章刳像灰度特征及相关预处理 高斯函数广泛应用于图像处理中，具有一下四个特性 1 高斯函数具有旋转对称性，即平滑滤波对各个方向的平滑程度是相同的，避 免了平滑后的图像出现方向偏差。 2 高斯模板的权值与中心点的距离相关，距离越远，权值越小，平滑后的图像不 会发生平滑失真。 3 ，尺度0 决定其对图像的平滑程度，o 越大则平滑程度越大。 4 高斯函数具有可分离性，可分解成两个相同的一维高斯模板以简化运算。 图2 - 6 原始图像图2 7 中值滤波结果 图2 - 8 高斯滤波结果 2 4 2 图形学相关技术” 一数学形态学的发展 数学形态学( m a t h e m a t i c a lm o r p h o l o g y ) 是一种应用于图像处理和模式识别 领域的新的方法。形态学是生物学的一个分支，常用来处理动物和植物的形状和 结构。数学形态学的历史可追溯的1 9 世纪的e u l a r ，s t e i n e r ，c r o f t o n 和本世纪 的m i n k o w s k i 。 数学形态学是一门建立在严格的数学理论基础上的科学。m a t h e r o n 于1 9 7 3 z 蝴 - - 书中严谨论证了 随机论和积分几何，为数学形态学奠定了理论基础。随着数学形态学的逻辑基础 的发展，其应用开始向边缘科学和工业技术方面发展。数学形态学的应用领域已 不限于传统的微生物学和材料学领域。8 0 年代初出现了几种新的应用领域如：工 业控制，放射医学，运动场景分析等。目前，在图像处理中也有了广泛的应用。 二。数学形态学在图像处理中的应用。 利用数学形态学进行图像分析的基本步骤有如下几步： 9 第二章图像灰艘特征及相关廊地理 1 ) 提出所要描述物体几何结构模式，即提取物体的几何结构特征： 2 ) 根据该模式选择相应的结构元素，结构元素应该简单而对模式具有最强的表 现力： 3 ) 用选定的结构元对图像进行击中与否( h m t ) 变换，便可得到比原始图像显著 突出物体特征信息的图像。如果赋予相应的变量。则可得到该结构模式的定量描 述： 4 ) 经过形态变换后的图像突出我们需要的信息，此时，就可以方便的提取信息 数学心态学方法比其他的空域或频域图像处理和分析方法具有一些明显的优势。 如，在图像恢复处理中，基于数学形态学的形态滤波器可借助于先验的几何特征 信息，利用形态学算子有效滤除噪声，又可以保留图像中原有信息。另外，数学形 态学算法易于用并行处理方法有效的实现，而且硬件实现容易：基于数学形态学 的边缘信息提取处理由于基于微分运算的边缘提取算法，它不像微分算法对噪声 那样敏感，同时，提取的边缘也比较光滑：利用数学形态学方法提取的图像骨架也 比较连续，断点少。 一般情况下，结构元的选择本着如下几个原则进行： 1 ) 结构元必须在几何上比原图像简单，且有界。当选择性质相同或相似的结构 元时，以选择极跟情况为益。 2 ) 结构元的凸性非常重要，对非凸子集，由于连接两点的线段大部分位于集合 的外面，故而用非凸子集作为结构元将得不到什么信息。 三，数学形态学的基本概念和运算 它的基本运算有四个：膨胀，腐蚀，开启和闭合。它们在二值图像和灰度图像 中各有特点。基于这些基本运算可导出和组合成各种数学形态学的实用算法，下 面分别简单会绍一下二值形态学基本运算 i 膨胀 膨胀的算符为o ，a 用b 来膨胀写作a s b = x | | ( b ) 【 n a 纠)( 2 3 ) 从公式上看，膨胀的过程是先对b 做关于原点的映射再将其映像平移x ，这里a 与b 的映像交集不为空集。 2 腐蚀 腐蚀的算符为o ，a 用b 来膨胀写作a o b = x l l ( b ) , i n a v 朔) ( 2 4 ) o 第二章图像灰度特征及相关预处理 从公式上看，膨胀的过程是所有x 的集合，其中比平移后仍在a 中。 腐蚀a 得到的集合是b 完全包括在a 中时b 的原点位置的集合。 3 开启 开启的运算符为。，a 用b 来开启写作a 。b ，其定义为 a o b = ( 一 b ) ob 4 闭合 闭合的运算符为，a 用b 来闭合写作a b ，其定义为 a b = ( 一o b ) 0 b 也即用b 来 ( 2 5 ) ( 2 6 ) 开启和闭合2 种运算都可以去除比结构元素小的特定图像细节，同时保证不产生 全局的几何失真。开启运算可以把比结构元素小的突刺滤掉，切断细长搭接而起 到分离作用。闭合运算可以把闭合元素小的缺口或孔添上，搭接短的间断而起到 连通作用。 下面是相应的实例。 从图2 一1 0 中可以看出，膨胀的结果是所 有的点，线都膨胀了，从图2 - 1 1 中可以看出腐 蚀的结果是所有的点线都被腐蚀了而从图 2 一1 2 中可以看出闭合的结果是将距离小于结 构元素的断点连接了起来，当然这个连接并没 有任何智能区分功能，它仅仅把距离足够近的 点连接了起来，而并没有识别它是噪声还是裂 缝。 - 。- _ 。 _ - f -。 - ：- ：一一 ，+ - f 一一 。 ： - ： i j ： 。j “。：i 。 ： f 图2 。i o = 值化膨胀结果 图2 l l 二值化腐蚀结果 第二章图像荻度特征及相关预处理 图2 1 2 闭台结果图 四灰度图像的形态学的处理 前边针对的二值图像的形态学处理的基本运算做了简要的介绍，这些基本运 算可以方便的推广至灰度图像。这里我们简单讨论一下对灰度图像的基本处理； 即：膨胀，腐蚀，开运算，比运算，灰度t o p h a t 变换。 设f ( x ，y ) 是输入图像，b ( x ，y ) 是结构元素，它可以被看成一个子图像函数。如果 假设z 表示实整数的集合，同时假设( x ，y ) 是来自z z 的整数，和是对坐标为( x 。y ) 像素灰度值的函数( 来自实数集r 的实数) 。如果灰度也是整数，则z 可由整数r 所代替。 1 灰度膨胀 函数b 对函数f 进行灰度膨胀可定义厂o b ，运算式如下： ( 厂0 6 ) ( s ，) = m a x f ( s 一工，f 一) ，) + 6 ( x ，y ) i ( s 一石) ，( r y ) d ，；( x ，y ) b ( 2 7 ) 其中和分别是函数和的定义域，和前面一样，是形态处理的结构元素，不过此处是 一个函数而不是一个集合。注意这里以”最大”代替卷积求和并以相加代替 相乘 2 灰度腐蚀 第二章图像灰度特征及相关预处理 ( f 1 9 6 ) ( s ，f ) = m i n f ( s + 工，f + y ) - b ( x ，_ y ) 1 ( s + x ) ，o + y ) d ，；( x ，_ y ) d b ) ( 2 8 ) 注意这里以”最小”代替求和，用减法代替乘积 3 灰度开和闭 灰度图像开闭运算的表达式与二值图像相比具有相同的表达式。 开运算为：a o b = ( a o b ) o b ( 2 9 ) 闭运算为：a b = 似o b ) o b ( 2 1 0 ) 四。t o p h a t 变换在去除非均匀噪声中的运用 t o p h a t 变换方法是形态学方法中的一种，是由形态学的基本运算构成的。 它的公式为 t h = 4 一a o b( 2 一u ) 由公式( 2 7 ) 可知t o p h a t 变换分两步进行，首先对图像进行开运算，然后用 原图像减去图像的开运算结果。开运算是一种非扩展运算，处理结果总是在原像 的下方，因此t o p - h a t 变换的结果总是非负的，可以削去尺寸比算子大的”山 峰”，也即是实现了提取结构小于形态学算子的”山峰”。在背景灰度相对较低 且变化缓慢的图像中，t o p - h a t 变换能很好的检测灰度具有”山峰”特征的目 标。二维灰度图像可以看成一个空间地貌，或一个空间曲面，图像的纵横坐标表示 位置，灰度类似海拔高度。原始裂缝图像经灰度翻转后，裂缝灰度大于背景灰度， 具有山峰特征。t o p h a t 变换的开运算将小于形态学算子的结构剔除，只剩下灰 度变换比较平缓，结构大于形态学算子的背景或噪声，然后用其与原图像相减，则 在原图像中将灰度变换比较平缓的，结构大于形态学算子的背景或噪声去除，从 而 消除了裂缝图像中的非均匀噪声。 为了减小裂缝走向对变换的影响，选择各向同性的圆模板。根据形态学理论 可知，模板尺寸的选择对背景噪声的去除和裂缝信息的保留非常重要，尺寸过大 则尺寸小于模板的噪声将会较多，而尺寸较小则裂缝的有用信息被削弱或消除， 丢失有用信息。因此模板的尺寸大小非常关键，一般来说应稍大。本文进行了不 同尺寸的对比试验，其中选取的裂缝宽度大约是3 ，4 个像素宽，两组模板尺寸是3 和8 ，从结果中可以看出4 个效果比较理想，而8 个像素的噪声明显增多 第二章图像灰度特征及相关预处理 图2 1 3 灰度翻转后图 图2 - 1 5 圆模板直径尺寸 为3 时的变换结果 图2 1 4 灰度翻转后的三维灰度地貌显示 图2 - 1 6 圆模板直径尺 寸为8 时的变换结果 注意，为方便说明问题，变换结果都进行了等倍率灰度增强。 2 5 裂缝区域提取吲 在以上的相关预处理的分析中，我们分析了些在裂缝图像的前期处理中可 能用到的一些常见算法及效果分析，接下来的工作集中在如何提取出裂缝的骨架 的研究。现有的骨架提取算法般分为直接法和间接法。我们在后面的处理中采 用了基于二值图的间接法，因此我们的工作首先必须完成图像的二值化分割。 2 5 1 图像分割概述和分类 图像分割多年来一直得到人们的高度重视。至今已提出了上千种各种类型的 分割算法，而且近年来每年都有上百篇有关的研究报道，但尽管人们在图像分割方 面做了许多研究工作，现有的算法大都是针对具体问题的，并没有1 种通用的适合 所有图像的分割算法。实事上对算法的性能刻画近年得到了广泛的重视。而分割 评价是改进和提高现有算法的性能，改善分割质量和指导新算法研究的重要手段， 兰三童里堡茎塞生堡垦塑差翌竺翌一 基于评价知识我们还可以从许多图像分割算法中根据应用要求选择最优的方法。 一般来说，分割可做如下分类 并行边界类 串行边界类 并行区域类 串行区域类 各类的具体说明这里限于篇幅不再多说经过比较我们采用并行区域类。 2 5 2 并行区域类 取阚值是最常见的直接检测区域技术。但在整幅图像中灰度的变化范围较大 单一闽值不能满足要求，动态的阂值必须和区域的灰度特性相关，一般有直方图 变换法，灰度值和梯度值散射图，最大类方差自动闽值法等，但灰度值和梯度值散 射图实现比较复杂时间较慢，而最大类方差自动阈值法适合于双峰类型的直方 图。考虑到本论文的全部算法主要在手持式检测仪的特点，算法本身不能过于复 杂，在前期研究中我们结合裂缝图像直方图的特点在直方图变换法中做些尝试。 自适应灰度阚值法 从裂缝的图像可以看出裂缝的灰度小于周围背景的灰度，因此采用局部灰度 平均值阈值法有可能得到较好的结果。我们用个区域模板遍历图像，在模板内 做灰度均值作为阚值进行裂缝区域提取。 l ( x ，力= i ( x ，y ) 2 5 5 如朋 志薹薹，c x - n , y - m ， 如c 志喜薹，( x - n , y - m ) 。1 2 其中和分别为图像的横坐标和纵坐标，和分别为自适应模板的高度和宽，为像素 灰度。将灰度大于等于模板均值的像素灰度赋2 5 5 ，作为背景，否则保留该点灰度 值。区域面积大小对结果有直接的影响，过大噪声太多，过小则裂缝的信息不易提 取。这里我们经过测试，取2 0 2 0 的区域 术 价 技 评 害 害 分 分 r1jj_t，_，、i_1_j-_l 0暑| 1 分像图 第二章图像扶度特征及相关预处理 图2 1 7 原始图像 图2 1 8 平均值闽值二值化结果 从图2 1 8 中可以看出裂缝的信息基本出来了，但伴随着大量的噪声。我们对平均 阈值法做一些改进。 二，直方图中值阈值法 我们在本章开始的直 方图曾指出，它的一个主 要特点在裂缝附近具有单 峰结构，且由于裂缝的灰 度低于周围背景因此裂缝 在直方图的位置在右图的 a 位置左右，而背景图经多 次去噪后灰度比较平坦灰 图2 _ 1 9 直方图局部放大图 度相对集中在灰度值较大 的位置如图的b 处，或当背景灰度有较大变化是在c 处也有背景的灰度，特别是在 背景灰度较为一致时其重要灰度的分布位置应在b 附近。因此对于类似图2 6 的图像，当阈值在a ，b 之间的某个位置时的效果比在b 或c 的位置效果应该更好 第二章图像荻度特征及相关预处理 些因为它正好将裂缝于背景分开。在实际测试时，在程序中安如下方式选取a 为 直方图中略大于0 的灰度位置( 我们选了5 ) b 为直方图中的最大值时的灰度位置 c 为选a 的方式但在b 的右侧。测试结果如下在图2 一1 9 阈值选为( a + b ) 2 处，图 2 2 1 闽值为( a + b ) * 3 4 图2 2 2 为( b + c ) 2 处。和我们猜测的结果相吻合，在 ( a + b ) 2 阈值比较靠近裂缝的灰度值所以裂缝的信息有些被削弱，在( a + b ) * 3 4 处裂缝的信息增多但噪声也相应增加。在( b + c ) 2 处由于过多的噪声被保留，二 值化后裂缝被淹没在噪声中了，实际使用时我们选用了图b 的方式。但需说明这 个思路只适合前背景的灰度有一定差别的图像，对存在较多结构噪声的图像则效 果较差需做进一步的改进。这在最后一章中有相关说明。 图2 2 0 闽值在( a + b ) 2 处的二值化结果 图2 2 1 平均值闽值二值化结果 图2 - 2 2 阈值在( a + b ) + 3 4 处的二值化结果图2 - 2 3n 值在( b + c ) 2 处的二值化结果 第二章图像灰度特征及相关预处理 2 6 裂缝骨架提取“1 为便于确定裂缝的大致位置我们利用前期工作中的二值化结果( 经适当去噪) 进行裂缝的骨架提取，这个裂缝二维拓扑结构的提取对后续直径信息的提取和裂 缝方向的提取有至关重要的影响。提取应满足如下要求： 1 裂缝连通域的骨架也是连通的( 即基于灰度的) 2 骨架为单像素。 目前的骨架提取算法分两类：直接法和间接法 2 6 1 骨架直接提取法 直接法是利用裂缝灰度图像的灰度特性直接进行中心线提取，但现有的直接 法效果均不理想，算法过于复杂，实现比较困难。最为典型的是s u n 算法b o l s o n 算法，考虑在d s p 中有移植后占用资源的考虑。我们不予采用。 2 6 2 骨架间接提取法 间接算法的基本算法是将裂缝骨架提取问题转化为图像处理中常见的细化 问题，其过程分两步，首先是裂缝区域的提取，然后利用细化算法对裂缝区域进行 细化得到骨架，本节论述细化问题，细化是一种常用的图像处理方法，目的是将图 像细化成更易于理解的线条模式，保留图像的基本结构信息，便于进一步的分析。 细化的基本要求如下： 1 连通区域必须是细化成连通线结构 2 细化结果应该是8 连通或4 连通 3 保留终止线位置 图像细化方法可分为两类：逐层剥离法和距离变化法。逐层剥离法的基本思 想是对边缘进行不断的剥离直到获得图像骨架，可分为串行和并行法两种。串行 方法比较少，实现起来比较困难，速度比较慢，方法种类比较少。并行方法是基于 模板中像素位置关系对边缘条件穷举构成细化模板组，然后依据模板逐层剥离边 缘点，实现图像细化处理，算法易于实现，目前细化方法多采用后者。距离变化法 是首先计算目标像素各点到背景的距离，然后通过保留距离极值点实现图像细化： 距离变化法符合视觉特征，但应用起来计算量大，处理时间长。 在这里采用一种并行的逐层剥离法，并行的算法可做如下的形像理解：在图 第二章图像孰度特征及相关预处理 则在m 0 点燃起的火经过t = m m o i 后将蔓延到m 点。这些点所连成的线便构成 了图像的骨架。 在此使用了一种细化算法。 一幅图像中的一个3 3 区域，对各点标记名称p l ，p 2 ，p 9 ，其中p 1 位于中心。 ( ) 如果p l = 1 ( 即黑点) ，下面四个条件如果同时满足，则删除p i ( p i = o ) 2 n z ( p 1 ) 6 ； z o ( p 1 ) = 1 ： p 2 * p 4 , p 8 = o ： p 2 * p 4 * p 4 = o ： 其中2 一 n z ( p 1 ) 6 表示p l 周围的黑点数量，显然满足此条件的点一般应该删除， 但在某些特殊位置，也不能删除，这需要用后三条件来做限制条件，如下图2 - 2 5 的 情况下就不能删除p 1 因为删除使的图像被切断，z o ( p 1 ) = 1 表示在p l 周围有且 仅有一组相邻像素值为0 ，1 的两像素在同时满足这四个条件下得到的结果比较 令人满意。 盛圈圈 图2 - 2 3 标记p l 邻点 图2 - 2 4 可以删除的p l 点图2 - 2 5 不可删除的p l 点 图2 - 2 4 原始图像1 9 图2 - ：2 5 细化后的图像 第二章图像灰度特征及相关预处理 图2 2 6 原图像2 图2 - 2 8 原图像3 图2 - 2 7 经简单分叉处理的图像 、 图2 2 9 未经分叉处理的骨架图 一墨三兰望堡壅壅!笙墨塑茎墨竺翌一 2 6 3 裂缝骨架的后续处理 上述方法中，经过细化的图像有以下缺点 1 )