（计算机应用技术专业论文）沥青路面裂纹检测算法研究.pdf

r e s e a r c ho na s p h a l tp a v e m e n tc r a c kd e t e c t i o n a l g o r i t h m ad i s s e r t a t i o ns u b m i t t e df o rt h ed e g r e eo fm a s t e r c a n d i d a t e ：m e n gq i a o s u p e r v i s o r ：p r o f s o n gh u a n s h e n g c h a n g a nu n i v e r s i t y , x i a n ，c h i n a 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工 作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重 要贡献的个人和集体，均己在文中以明确方式标明。本论文中不包含任何 未加明确注明的其他个人或集体己经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名： 曼竹 加p 年月抄日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者签名： 导师签名： 弓雏 ， 、 缸互 9 1 0 年月1 ) - 日 一、，年阴，二日 摘要 高效可靠的路面裂纹自动检测与识别系统对交通安全具有重大意义，而传统的道路 检测技术已无法满足实时性与高效性要求，故设计一种高水平的路面裂纹自动检测与识 别系统成为目前交通领域的重要研究课题。 论文在分析国内外路面检测技术的基础上研究了路面裂纹自动检测与识别的关键 技术。在检测与识别的过程中，通过对沥青路面图像的预处理、二值化以及数学形态学 描述与分析，判断路面是否存在裂纹，若存在裂纹，则提取裂纹形状，并计算裂纹的长 度、宽度等几何特征。主要工作如下： ( 1 ) 通过几种常见滤波方法的实验与分析，改进了中值滤波法和高斯滤波法。经 实验结果对比表明，高斯函数滤波法采用合适的高斯函数制作模板，并对沥青路面图像 进行滤波，效果较为理想。 ( 2 ) 采用常用的二值化方法对滤波后的沥青路面图像进行处理，并对结果进行对 比分析。在此基础上，针对常用二值化方法的缺点设计了两种分块二值化算法，这两种 算法依据沥青路面图像中裂纹灰度值为局部最小值的特点，分别采用加权差分，相位位 移差分的方法较好地分离出了路面背景与裂纹。 ( 3 ) 应用闭运算、开运算的方法，祛除二值化后图像中的伪目标，并对二值化算 法产生的结果进行连通域标记、骨架提取、裂纹长宽计算以及逻辑与运算等处理，较好 地提取了裂纹的形状信息。 经沥青路面图像的处理结果表明，论文较好地完成了路面裂纹的检测与识别，效果 相比同类系统，不但裂纹检测结果无裂纹丢失现象，且识别的结果与实际情况误差较小， 达到了预期目标。 关键词：图像处理、数学形态学、图像滤波、二值化 a b s t r a c t t h eh i g h l ye f f e c t i v ea n dr e l i a b l er o a dc r a c ka u t o m a t i cd e t e c t i o na n dr e c o g n i t i o ns y s t e m h a sas i g n i f i c a n te f f e c to nt r a f f i cs a f e t y ah i g hl e v e lo fr o a dc r a c kd e t e c t i o na n dr e c o g n i t i o n s y s t e mb e c o m eo n eo ft h ef r o n t i e rr e s e a r c ht o p i c so ft r a n s p o r t a t i o nf i e l d ，f o rt h et r a d i t i o n a l r o a dd e t e c t i o nt e c h n o l o g yc a nn o tm e e tt h er e q u i r e m e n to fr e a l - t i m ea n de f f i c i e n t b e s i d e sa n a l y z i n gt h ed e t e c t i o no ft h e p a v e m e n tf r o mh o m ea n da b r o a d ，t h ek e y t e c h n o l o g i e sa b o u ta u t o m a t i cd e t e c t i o na n di d e n t i f i c a t i o no fp a v e m e n tc r a c kw a ss t u d i e di n t h ep a p e r i m a g ep r e p r o c e s s i n g ，i m a g eb i n a r i z a t i o na n dm o r p h o l o g i c a lp r o c e s s i n gw e r eu s e d t od e a l 谢t ht h ea s p h a l ts u r f a c ei m a g ei no r d e rt oj u d g ew h e t h e rt h ec r a c k se x i s t e di nt h e p r o c e s so ft h ed e t e c t i o na n di d e n t i f i c a t i o n i ft h ec r a c k se x i s t e d ，w ee x t r a c tt h ec r a c ks h a p e a n dc a l c u l a t et h ec r a c kl e n g t h ，w i d t ha n do t h e rg e o m e t r i c a lf e a t u r e s t h em a i nt a s k sa r ea s f o l l o w s ： ( 1 ) a c c o r d i n gt oe x p e r i m e n ta n da n a l y z i n go fs e v e r a lc o m m o nf i l t e r i n gm e t h o d s ，m e d i a n f i l t e rm e t h o da n dg a u s s i a nf i l t e rm e t h o dw e r ei m p r o v e di nt h i sp a p e r e x p e r i m e n t a lr e s u l t s s h o wt h a tt h eg a u s s i a nf u n c t i o nf i l t e r i n gm e t h o dh a sab e t t e re f f e c to nf i l t e r i n go fa s p h a l t p a v e m e n ti m a g et h a no t h e rm e t h o d ( 2 ) b i n a r i z a t i o nm e t h o dw a su s e dt od e a lw i t ht h ei m a g eo ft h ea s p h a l tp a v e m e n ta f t e r f i l t e r i n g ，a n dt h e nt h er e s u l t sw e r ea n a l y z e d t w ob l o c k - b a s e db i n a r i z a t i o na l g o r i t h mw e r e d e s i g n e dw h i c hw e r eb a s e do nt h ec o m m o nb i n a r i z a t i o nm e t h o d ss h o r t c o m i n g s t h e s et w o a l g o r i t h m sw e r es u b j e c tt ol o c a lm i n i m u mg r a yv a l u eo fc r a c ki na s p h a l tp a v e m e n t w e i g h t e d d i f f e r e n c ea n dd i f f e r e n t i a lp h a s es h i f tm e t h o dw e r eu s e dt os e p a r a t et h eb a c k g r o u n da n dc r a c k p a v e m e n t ( 3 ) p s e u d o - t a r g e tw a se l i m i n a t e db yc l o s i n go p e r a t i o nm e t h o da n do p e n i n go p e r a t i o n m e t h o df r o mi m a g ea f t e rb i n a r i z a t i o n t h e n , u s i n gt h em e t h o do fc o n n e c t e dc o m p o n e n t l a b e l i n g ，s k e l e t o n i z a t i o n ，c a l c u l a t i o nl e n g t ha n dw i d t ho fc r a c k ，l o g i cc a l c u l a t i o nt od e a lw i t h t h ei m a g ea n dab e t t e rs h a p eo fc r a c kw a se x t r a c t e d t h ea c t u a l a s p h a l tp a v e m e n t i m a g ep r o c e s s i n gr e s u l t ss h o w e dt h a tp a v e m e n tc r a c k d e t e c t i o na n di d e n t i f i c a t i o nw a sc o m p l e t e db yt h eg o o dr e s u l ti nt h i sp a p e r c o m p a r i n gt h i s r e s u l tt oo t h e rs i m i l a rs y s t e m s ，t h i sp a p e r sr e s u l t sn o to n l ya p p e a rc r a c kl o s s ，b u ta l s oh a v ea s m a l l e re r r o rw i t hr e a lf a c t s k e y w o r d s ：i m a g ep r o c e s s i n g ；m o r p h o l o g y ；i m a g ef i l t e r i n g ；b i n a r i z a t i o n i i 目录 第一章绪论1 1 1 研究背景和意义1 1 2 国内外的研究现状1 1 3 沥青路面图片采集。2 1 4 沥青路面裂纹检测3 1 4 1 沥青路面裂纹的主要特点4 1 4 2 沥青路面裂纹检测遇到的主要问题5 1 5 论文主要研究内容5 第二章滤波处理7 2 1 常用的滤波方法在沥青路面图像中的应用7 2 1 1 邻域平均法( 均值滤波) 8 2 1 2 中值滤波9 2 1 3 自适应滤波( 维纳滤波法) 1 1 2 1 4 以上三种方法的对比与总结1 3 2 2 改进的中值滤波算法1 4 2 3 基于高斯函数的滤波方法1 7 2 4 本章小结2 1 第三章二值化分割2 2 3 1 常用的二值化算法在沥青路面图像中的应用2 2 3 1 1 全局阈值法2 2 3 1 1 1o t s u 法二值化2 3 3 1 1 2最大熵法二值化2 5 3 1 2 局部阂值法。2 8 3 2 基于块的加权差分直方图法2 9 3 2 1 算法思想2 9 3 2 2 算法流程图31 3 2 3 算法实验结果分析3 2 3 3 基于块的图像差分二值化法3 4 3 3 1 算法思想3 4 i l l 3 3 2 算法流程图3 7 3 3 3 算法实验结果分析3 8 3 4 本章小结4 0 第四章数学形态学描述4 2 4 1 形态学开运算与闭运算4 3 4 1 1 图像的膨胀4 3 4 2 2 图像的腐蚀4 4 4 2 3 图像的开运算和闭运算4 5 4 2 4 实验结果分析4 6 4 2 细化图像4 9 4 2 1 获取连通域4 9 4 2 2 骨架提取5l 4 2 3 实验结果分析：5 2 4 3 裂纹的几何特征计算。5 3 4 3 1 裂纹长度计算。5 4 4 3 2 裂纹宽度计算。5 4 4 3 3 裂纹面积计算5 5 4 4 图像逻辑运算厶5 6 4 4 1 逻辑与运算。5 6 4 4 2 实验结果分析。5 6 4 5 本章小结5 7 总结与展望5 9 1 文章中算法的总结5 9 2 文章中算法的分析5 9 3 对于后续工作的一些建议6 0 参考文献6 2 致谢6 5 i v 长安大学硕士学位论文 1 1 研究背景和意义 第一章绪论 目前，随着我国公路建设事业的飞速发展，道路管理技术水平和现代化程度却存在 严重滞后的现象。近几十年来，高速公路在世界各国得到了蓬勃的发展，然而，建后保 养与维护也日益成为一个值得重视的问题。对道路管路部门而言，公路路面的平整度与 完好率是行车安全中非常重要的指标。随着路面使用率的越来越高，不可避免的会产生 路面破损。通常路面破损会对路面的承重能力、耐久性以及对车辆的燃料消耗、行车舒 适性、机械磨损、行驶速度、交通安全、环境保护等方面造成严重的危害与影响。假如 路面出现了裂纹、凹凸等病害则需要工作人员定期的对高速公路的路面状况进行调查， 并制订相应的维护策略及时地进行维修，否则，交通安全将会受到很大程度的影响。在 公路路面质量评价体系中非常重要的一项指标就是路面裂纹，若是能在裂纹出现的初期 就发现它，并实时地跟踪它的发展情况，则可使它的维护费用大大的降低。如何能使用 有效的方法进行路面裂纹是否存在的判断与识别已经是目前有待解决的一个重要问题。 基于此种原因，迫切的需要设计一种高水平的裂纹自动检测与识别系统，此系统不但能 高时高效的对路面状况进行了解，而且可以省去人工操作的诸多高危险性因素。 ， 1 2 国内外的研究现状 近年来，由于计算机和数字摄像技术的飞速发展以及计算机处理数据的能力、速度、 容量等各种性能的不断提高，使得数字图像处理技术得到了非常广泛的应用。沥青路面 裂纹自动检测技术主要是应用摄像及照像等技术对路面的破损图片进行动态、实时地获 取，并采用数字图像处理技术对获得的沥青路面图像进行处理，以达到定量地分析路面 破损状况的目的。国外发达国家由于公路发展水平较高，已经开始将数字图像处理知识 应用于公路路面裂纹的检测与识别技术中，而国内在这方面的研究还比较欠缺，因此， 开展路面裂纹自动识别技术的研究对中国公路交通事业的发展具有非常重要的意义i l j 。 传统的人工检测沥青路面破损的方法已经无法满足高效快速的现代节奏。这种经由 现场调查人员对裂纹宽度、面积、长度、位置等进行现场人工测量和记录，并将结果数 据统计、归类、存档，以供评判的方法存在三个大的缺点。第一是测量精度会因为测量 方法、读数等的人为近似误差较大而变得较差；第二是人工测量方法比较费时费力，工 第一章绪论 作效率也严重受到影响；第三是高等级公路上一般存在着车流量大，车速高等情况，采 用人工操作具有一定的危险性。最早用路面破损自动采集设备取代人i n 量方法的研究 始于2 0 世纪7 0 年代初期，这种方法首先开始于法国道路管理部门研制开发的一种路 面摄影车( g e r p h o ) ，它采用计算机数字图像处理的方法准确的记录数据以代替由于人 工的判读和数据记录所引起的误差，更加使得在风吹、日晒、雨淋等不利环境下的人工 现场破损测量工作转为室内对胶片的处理，解决了人工现场操作的高危险性。2 0 世纪 8 0 年代中后期，由于路面管理系统和路网管理等发展的需要，西方发达国家如法国、 美国、日本等纷纷开展了以路面破损图像的计算机图像自动处理系统( 软件) 以及路面破 损实时采集设备( 硬件) 为主要内容的研究与开发工作，并于2 0 世纪9 0 年代初期，各国 陆续发表了其研究成果。2 0 世纪9 0 年代后期，路面破损自动检测与模式识别方面的研 究就比较少，但是，现实中道路交通管理却仍然存在着各种各样的弊端，因此，采用数 字图像处理的方法进行裂纹分析与识别将再次成为一个热点问题。 1 3 沥青路面图片采集 路面状况一直倍受关注，路面是否破损、破损的程度、类型、破损的地点采用人工 检测费力、费时、不安全。路面裂纹的采集一般是采用一台高性能的线阵c c d 相机 6 1 。 路面图像采集的具体方法是将一台线阵c c d 相机放置在路面破损图像采集车的后方并 向下拍摄路面图像，这样大约可拍摄宽度约为3 7 5 米的路面图像【2 】。 线阵c c d 相机采集路面图片的过程可以分为三个部分：第一部分就是利用线阵 c c d 相机对被测路面进行拍摄，选择线阵c c d 相机是由于它不需要考虑序列影像之间 的重叠问题并且满足分辨率高，响应及存储数据速度快等优点。不可避免的，线阵c c d 相机也有其自身难以克服的缺点，即线阵c c d 相机对光强要求很高，若光照太强或太 弱都不利于裂纹、凹凸等病害路面在c c d 相机中的成像。为了调整路面的光照强度则 需要采用一些补光灯组等措施进行补光，以便于成像。第二部分是通过车速传感器测得 当前的车速信息( 车速传感器是安置在车轮上的装置，它通过车轮的转速来控制) 。线 阵c c d 相机是通过使用d s p 控制电路所产生的不同频率脉冲来控制随时抓拍被测路面 图像的速率，这样可以很大程度上避免拍摄的路面图像数据的重复、丢失、遗漏等缺点。 第三部分主要是采用图像采集卡对从c c d 相机中获得的模拟视频信号进行模数转换。 采用模数转换便于计算机对被测路面图像进行数字图像处理，以期达到自动检测的目 的。图像采集的原理图如下所示： 2 长安大学硕士学位论文 图1 1 沥青路面图片采集原理图 1 4 沥青路面裂纹检测 计算机不能识别模拟图像信号，因此采用数字图像处理中抽样与量化的方法可以将 模拟图像转化为数字图像传输给计算机。数字图像处理方法的研究源于两个主要的应用 领域：一是为了便于人们的分析而对图像信息进行改进；二是为了机器能够自动理解而 对图像数据进行存储，传输以及显示等【3 】。目前，数字图像处理已经被广泛的应用于各 个领域，比如，医学图像、地球遥感监测、天文学、人脸识别等。采用数字图像处理的 方法可以对已有图像提取特征并识别图像中的待定物体【5 】。文中对沥青路面图像采用数 字图像处理中的一系列方法是为了实现对裂纹的提取以及裂纹形状信息的判断。 论文对线阵c c d 相机拍摄的沥青路面图片经过三个步骤的研究与分析，基本实现了 对图像中裂纹的提取。首先，对线阵c c d 相机采集的图片进行预处理。由于采集过程中 图片不可避免的会受光照、天气等不良因素的影响不能很好的反映图片原有的一些信 息，因此，通过图像滤波处理对图片进行修正，尽可能的使图片接近真实的信息。为实 现此目的文中将一些常用的滤波方法应用于沥青路面图像上，并改进了中值滤波算法和 高斯滤波法，通过实验将这几种滤波方法进行了实际对比，最终选出了适合沥青路面裂 纹检测的滤波方法，达到了较好的滤波效果并对后续处理效果显著；其次，论文对滤波 后的路面图像进行了二值化分割，其目的是使裂纹部分和路面背景部分能够很好的分 离，从而有助于裂纹的描述。文中先对滤波后的沥青路面图像进行常用方法的二值化处 理，对其结果进行有效分析，并根据现有算法设计了两种分块的二值化算法，经实验证 明，这两种分块二值化算法对裂纹与路面背景的分离效果良好；最后，论文对二值化后 的路面图像采用数学形态学的方法去除图像中残存的散点与伪目标，并对图像进行骨架 提取，连通域标记等处理以期达到很好的裂纹提取效果。 论文对沥青路面图像进行了上述三个步骤的处理达到了裂纹检测的目的。文中算法 的流程图如下所示： 3 第一章绪论 ， 、 l 开始 夕 ， 图像滤波处理 上 图像二值化 上 数学形态学分析 t r 结束 图1 2 裂纹检测算法流程图 1 4 1 沥青路面裂纹的主要特点 公路路面自动检测技术的目的是对高等级公路路面状况进行高速采样，并分析路面 状况。文中通过对沥青路面图像进行一些特定方法的处理，判断有无裂纹危害的存在， 若有则提取出裂纹，并计算路面破损的面积、长度、宽度等几何特征，为制定公路路面 修复方案提供可靠的数据。通过对线阵c c d 相机拍摄的沥青路面图像中裂纹的分析、提 取等算法的研究，对公路路面裂纹得出如下几点认识： ( 1 )由于线阵c c d 相机采集的图片多是r g b 3 2 格式，而沥青路面灰度图像提供 的裂纹等破损信息与彩色图像相当，但信息处理却远小于彩色图像，因此，必须将采集 回来的图像转化为灰度图像。 ( 2 ) 在图像采集过程中由于受光照，路面污染物，c c d 相机成像系统等各种不 同性质的随机噪声影响，使得裂纹区域大多变得黯淡。试图通过图像滤波改善图像效果。 ( 3 ) 经过分析发现路面裂纹像素与背景像素存在着本质的差别，其中裂纹像素的 灰度值较背景像素都要小。试图通过图像分割的方法分离它们，以达到裂纹可以清晰呈 现的目的，因此，图像上裂纹和破损的准确定位是图像分析与处理的关键。 ( 4 ) 沥青路面裂纹自动检测的最终目的是要获取裂纹位置、长度、宽度、面积等 几何信息，以便于工作人员快速高效的进行修补和维护，但是，路面裂纹的形状多种多 样，大概可以分为三类：横向裂纹，纵向裂纹以及不规则的龟裂和网格状的裂纹。多种 形状的裂纹很难确定统一的提取算法，因此，试图通过分类的方法进行计算。 4 长安大学硕士学位论文 1 4 2 沥青路面裂纹检测遇到的主要问题 由于采集过程中图片本身受到的一些干扰，使得图像不能准确地反映图像原本的信 息，更加上路面裂纹的形状各种各样，仅仅使用一种方法应用于各种裂纹很难达到满意 的效果。因此在裂纹的识别处理中遇到诸多问题。 ( 1 ) 如果光照不好或受天气影响所拍摄的图片质量将受到严重影响而出现图像 模糊，信息不完整等缺点。为了改善图像质量需对图像进行预处理，但滤波算法多种多 样，选取何种滤波算法成为一个关键问题。 ( 2 ) 路面裂纹种类繁多，常见的有横向裂纹、纵向裂纹、龟裂等。由于每一种裂 纹都有其各自的特征，使得算法的选择与应用存在很多难度。 ( 3 ) 图像中除了大裂纹外，还存在很多的孤立点和一些细小的裂纹，因此，处理 时要对不同形状区分考虑，并针对裂纹特点选择算法，实验量很大。 ( 4 ) 一些非常细小的裂纹特征不是很明显，因此，检测非常的不易。 1 5 论文主要研究内容 论文主要应用数字图像处理的知识对沥青路面裂纹检测算法进行了研究。文章中首 先分析了沥青路面裂纹的特点，对一些常用的图像处理算法进行对比，试验与改进，从 而设计出几种适用于裂纹检测的算法，较好的提取出了裂纹，并通过分析提出了计算不 同形状裂纹几何特征的方法。 沥青路面裂纹检测的主要算法步骤为：滤波处理；二值化分割；数学形态学分析等。 通过这几步的处理，基本上解决了被测路面裂纹检测中最重要的裂纹有无的判断与提 取。文章中采用的算法结构图如下所示： 5 第一章绪论 图1 3 文章算法结构图 6 长安大学硕士学位论文 第二章滤波处理 图像一般都是指的模拟图像，即图像上的所有信息都是连续变化的模拟量。模拟图 像一般只能采用模拟的方法进行处理。由于计算机不能接受和处理这种模拟信号，所以 只有将这些连续的模拟信号经过离散化处理转变为计算机可以识别的数字信号并存储 在计算机中，才可以使用计算机对图像进行处理。通常将计算机图像处理称作数字图像 处理。数字图像处理的主要内容包括图像信息的描述、图像信息的分析以及图像信息的 编码和显示。数字图像处理的目的是提高图像的质量，祛除图像中的噪声，增强图像中 的某些成分并抑制某些成分，使计算机能够很方便的对图像的特征如纹理特征，频域特 征等进行分析，并且数字图像处理具有对图像数据进行各种变换、编码以及压缩，以方 便图像的存储和传输等功能【3 】。 采用数字图像处理的方法可以达到处理精度高、再现性好并且易于控制处理效果等 优点。因此，近年来数字图像处理已经广泛的应用于气象、侦查、遥感、通信、医学、 智能机器人等各个领域。沥青路面裂纹图像的处理也可以采用数字图像处理的方法【3 】。 实际应用过程中，无论采用哪一种输入装置采集图像，都会出现噪声，光照等各种 影响，使得图像的质量下降，从而影响图像的分析与处理。为了对图像进一步的获取信 息，首先需要对采集的图像进行预处理，以达到最大程度消除噪声的目的【3 。对沥青路 面图像而言，由于光照等干扰因素带来的图像质量下降等缺点会导致图像无法突出裂纹 的信息，所以在提取裂纹之前必须要先对路面图像进行滤波处理，尽可能的消除光照， 噪声等因素带给图像的影响。图像滤波的方法有很多种，但每一种方法都有它自己的适 用范围，并不是所有的滤波方法都可以应用在裂纹检测中，同时也要考虑选择的滤波方 法对后续处理的影响。 2 1 常用的滤波方法在沥青路面图像中的应用 在数字图像处理的方法中，滤波其实就是一种修改或者增强图像的技术。它是一种 邻域运算，即输出图像中每一个像素的值都是通过采用一定的算法，将输入图像中对应 像素及其周围一定邻域内的像素的值通过这种算法进行处理。因此，算法就显得尤为重 要，不同的算法得出的结果必不相同。对不同的图像而言，它所适用的滤波方法亦不相 同。比较常用的几种滤波方法有邻域平均法( 均值滤波) ，中值滤波，自适应滤波等。 下面分别使用这三种方法对沥青路面裂纹图像进行处理。 7 第二章滤波处理 p ( m ，聆) = h ( x ，y ) ( 2 1 ) 脚以五毒日揪川；fm 沏川卜强1 以w 川州 2 ， 【h ( m , n ) ih ( m ，刀) 一了1 h ( x ，y ) i 、 厶( ，y ) e 8 长安大学硕士学位论文 图2 1 原图像 图2 35 * 5 邻域滤波 图2 23 * 3 邻域滤波 图2 47 * 7 邻域滤波 图2 1 是c c d 相机拍摄的大小为1 0 2 4 1 0 2 4 的沥青路面图像。图2 2 、图2 3 、图 2 4 是分别采用了3 * 3 ，5 * 5 ，7 * 7 的邻域对沥青路面图像使用邻域平均法滤波的效果图。 通过实验结果表明，邻域半径的大小直接影响了图像滤波的效果，半径取值越大，得出 的图像就越模糊。均值滤波本身就是以某像素邻域内点的平均值作为该像素点的灰度 值，这种算法虽然缩小了图像中各个像素之间的差距，但是本身也模糊了图像，使得图 像的细节也随之变模糊，然而，沥青路面裂纹的检测需要图像能够清楚的保留裂纹的形 状信息，因此如果对沥青路面图像中细小的裂纹使用此滤波方法，裂纹会被模糊掉。 2 1 2 中值滤波 中值滤波是另一种常用的去除噪声的方法。它的算法原理跟均值滤波类似，但又不 尽相同。它们的相似之处在于，图像内每一个像素的灰度值都是由输入图像中对应像素 9 第二章滤波处理 邻域内的像素灰度值来确定的；不同的是，均值滤波是采用输入图像中对应像素邻域内 所有像素值的平均值来确定出输出图像中对应像素点的值，而中值滤波则是将每一个像 素点及其邻域内的所有像素点按照灰度级排序，并选择排序改组后的中间值作为该像素 点的灰度值输出，即取邻域的中间值作为邻域中心点的灰度值。中值滤波的关键在于中 值滤波去噪的效果主要依赖于两个相关的但又完全分开的要素，即邻域的空间范围以及 中值计算中所涉及到的像素个数。 中值滤波算法的思想是：首先，确定一个奇数像素的窗口m ，把窗口内的各像素按 照灰度值的大小进行排队后，使用其中间位置的像素的灰度值来代替原来h ( m ，? ) 的灰度 值成为窗口中心的灰度值f ( x ，y ) 。 f ( x ，y ) = m e d h ( m - p ，z - q ) ，( p ，q m ) ( 2 3 ) 其中，m 是就是所选定的窗口的大小；h ( k p ，一q ) 为窗口m 内的像素灰度值。 通常选择窗内像素为奇数个，以便于产生中间像素。若是窗口内的像素点的个数为偶数 个时，那么其中值就取中间两个像素的灰度值的平均值。具体算法步骤为： ( 1 ) 选择窗口大小，尽量选择为奇数； ( 2 ) 确定每一个窗口内的中心像素点； ( 3 ) 将上述窗口内所有像素点的灰度值进行从小到大的排序； ( 4 ) 选取上述过程中已产生的灰度序列里排在中间位置的那个像素的灰度值； ( 5 ) 把这个中间值赋值给窗口内中心位置的像素作为该像素的灰度值。 下图是选择的不同大小的窗口对沥青路面图像进行中值滤波的效果图： 图2 5 原图像 1 0 图2 63 * 3 邻域滤波 长安大学硕士学位论文 图2 75 5 邻域滤波图2 87 * 7 邻域滤波 中值滤波的思想是让与周围像素灰度值差别比较大的那些像素点改取与周围像素 相近的值，从而消除孤立噪声点。图2 5 是c c d 相机拍摄的大小为1 0 2 4 1 0 2 4 的沥青 路面图像。图2 6 ，图2 7 ，图2 8 是分别采用了3 * 3 ，5 * 5 ，7 * 7 的邻域对沥青路面图像 使用中值滤波法得出的效果图。通过实验效果可见：随着邻域半径的增大，中值滤波法 已经不是简单的取平均值，所以它所产生的模糊比较少。一般情况下，中值滤波法在衰 减噪声的同时，能够使得图像的细节比较的清楚。对沥青路面图像而言，此滤波方法可 以减少图像中孤立的噪声点，但有可能会改变裂纹的一个重要的特点，即裂纹点的灰度 值是局部最小值，从而不利于二值化。 2 1 3 自适应滤波( 维纳滤波法) 自适应滤波就是根据图像的一些局部变异进行自适应滤波，所以采用w i e n e r 滤波 的方法进行处理。维纳滤波方法对图像产生变异大的地方，进行比较小的平滑，而对图 像产生变异小的地方，进行比较大的平滑。因此w i e n e r 滤波是一种能够进行自动调节 的滤波方法【2 j 。 维纳滤波的算法思想是：假设图像的真实信号是s ( n ) ，叠加的噪声信号是v ( n ) 。那 么通过维纳滤波器h ( n ) 滤波后输出的图像的信号是j ) 。因此使用下面的卷积运算公 式： ；( 聍) = 厅( ”) 宰( s ( 刀) + v ( 玎) ) ( 2 4 ) 下图2 9 描述了维纳滤波的过程。图中的童( 玎) 表示经过滤波后输出的图像信号。 第二章滤波处理 = j ) + v ) j l i n e a r f i l t e r j ) 图2 9 维纳滤波过程图 计算滤波后的图像信号；( 玎) 与图像真实信号s ( n ) 之间的误差e ( n ) 。 e ( n ) = s ( 行) - g ( n ) ( 2 5 ) 将j 0 ) 写成卷积积分的形式，如下式所示： p ；( 刀) = i 乃( ，) s ( 聆- r ) + v ( n - r ) a r ( 2 6 ) 计算平方误差的均值，可得： e ( 2 2 ) = r s ( o ) - 2 j ：h ( ，) r 时( 厂) 咖+ ee 办( ，) 厅( 日) 尺；p - o ) d r d o ( 2 7 ) 其中r s 是s ( ) 的自相关函数，r j 是；( ，z ) 的自相关函数，r 西是s ( 刀) 和；( 聆) 的互 相关函数。如此只需要求得最优的办( 刀) ，使得e ( p 2 ) 最小即可。也就是说令e ( 9 2 ) = m i n 。 这样计算出来的厅( 行) 就是所需要的维纳滤波器【1 2 1 。 下图是采用维纳滤波对沥青路面图像进行滤波得出的效果图： 、 ： 、l ? 原图像7 ? 一v j 自适应滤波后图像” 。 图2 1 0 原图像 1 2 图2 1 1 维纳滤波图 长安大学硕士学位论文 图像的类型一般可以由该图像的灰度直方图来描述其图像中具有该灰度级的像素 的个数；其中横坐标代表灰度级，纵坐标代表该灰度出现的频率。为了明确地验证维纳 滤波的效果，考虑用图像的灰度直方图来表示上述维纳滤波的结果，如下图所示： 原图像的直方图 j 1 5 咖 1 0 0 0 0 5 咖 w 馨鹾磁g 蓬猫籀猫骝戮驻搿赫赫 施ii 第二章滤波处理 分量不变，从而改变输出图像的频率分布，以达到一定的去噪效果。此三种方法各自有 其优、缺点。 邻域平均法滤波对图像窗口的半径要求比较严格，随着半径的增大，消除噪声的效 果将增强，但是得出的裂纹图像却会变得模糊。邻域平均法本身就是以去除突然变化的 点为原则来滤除掉噪声的，其代价就是使图像有一定程度的模糊。若是沥青路面图像中 含有细小的裂纹则会因为此缺点而被模糊掉。因此，邻域平均法虽然考虑了邻域点的作 用，但并没有考虑各点位置的影响，它对于所有的邻域点都是一视同仁的，所以平滑的 效果并不理想。 、 中值滤波的目的是滤除噪声的同时保护图像边缘。从中值滤波的效果图可见，中值 滤波法在灰度变化较小的情况下可以得到很好的效果，也没有如邻域平均法那样模糊图 像。中值滤波法可以去除图像噪声点并保持图像边界，比较适合用于消除图像的孤立噪 声点。由于沥青路面图像中的噪声多不是以孤立点的形式存在，所以此滤波方法并不适 用于裂纹检测。 维纳滤波与所求得的均方误差有关，均方误差越小，噪声滤除效果就越好。维纳 滤波能够自动抑制噪声，但它不能用于噪声为非平稳随机过程的情况，而对噪声 为平稳随机过程中无论连续还是离散，是标量的还是向量的，都很适用。由于沥青 路面图像中的噪声是因多种不同的原因所产生，因此属于非平稳的随机过程，所以 此滤波方法具有一定的局限性。 下面对上述三种方法的对比列表分析如表2 1 所示： 表2 1 三种滤波方法对比 滤波方法优点 缺点后续效果影响 邻域平均法去除突变点受半径制约差 中值滤波法保护边缘 滤波效果受限 较差 自适应滤波法自动调节滤波 不适用非平稳过程较差 上述三种方法都不能很好的对裂纹图像进行滤波处理，没有较明显的改善图像的质 量，且对后续的二值化处理效果不佳。 2 2 改进的中值滤波算法 前面小节中介绍了中值滤波算法，其算法思想是取其像素点邻域内的各个像素的中 1 4 长安大学硕士学位论文 间值作为像素的灰度值来进行滤波。虽然，中值滤波法消除了图像中的一些孤立点，也 没有均值滤波那种取邻域中所有像素的平均值却以模糊图像为代价的缺点，但是，中值 滤波法仅是在整幅图像上选取窗1 2 1 ，寻找中值，因此，不能达到很好的滤波效果【1 8 】。针 对这一缺点，对中值滤波算法进行改进，则得到的改进中值滤波算法是将中值滤波思想 与数学形态学中结构元素的概念相结合，分别从0 。，4 5 。，9 0 。，1 3 5 。等四个方向对图像 进行中值滤波处理【1 7 1 。 改进的中值滤波算法思想：假设左边为负，右边为正。 第一步：先构造一个水平方向( 0 。方向) 上的结构元素，记为k ，这个结构元素的 表示形式为k = ( 一1 ，0 ) ，( 0 ，o ) ，( 1 ，o ) 】。对于整幅大小为m 木m 的图像中的每一个像素点， 选取它的3 * 3 邻域，并将邻域中的每一个像素都存在一个二维数组口 3 【3 】中。 第二步：使用结构元素k 扫描邻域中的每一个像素，找出结构元素所对应的像素， 其方法是，在所选取的3 * 3 的邻域中找出与结构元素对应的像素。由于所选取的k 结构 元素表示o 。方向上的像素，因此从邻域映射到数组中就是口 1 】 o 】，口【1 】【1 】，口【1 】【2 】这三个像 素。找到这种对应关系后，采用中值滤波的方法，对讲1 【o 】，口 1 1 】，讲1 【2 】这三个像素按 灰度值大小排序，选取中间值作为( 0 ，0 ) 点所对应的那个像素的值，即就是作为3 * 3 邻域的中心像素点的灰度值。 第三步：构造一个垂直方向( 9 0 。方向) 的结构元素，记为形，此结构元素的表示 形式为k = 【( 0 ，一1 ) ，( o ，0 ) ，( 0 ，1 ) 】。对于整幅大小为m * m 的图像中的每一个像素点，也同 样选取它的3 * 3 邻域，并将邻域中的每一个像素都存在一个二维数组6 【3 】【3 】中，并在所 选取的3 * 3 的邻域中找出与结构元素形对应的像素。由于所选取得形结构是表示9 0 。方 向上的像素，因此从邻域映射到数组中就是指的6 【o 】【1 】，6 1 】 1 】，6 【2 】【l 】这三个像素。找到 对应关系后，采用中值滤波的方法，对这三个像素按灰度级大小排序，选取中间值作为 ( o ，0 ) 点所对应的那个像素的值，即就是作为3 * 3 邻域的中心像素点的灰度值。 第四。步：方法同第三步相同，仅将结构元素变为1 3 5 。方向，记为 v = 【( 一1 ，一1 ) ，( o ，0 ) ，( 1 ，1 ) 】，数组记为c 【3 】 3 】，则与结构元素对应的像素映射到数组里就是 1 5 第二章滤波处理 d 0 2 】，c 【1 】【l 】，c 【2 】【o 】这三个像素。针对这种对应关系，采用中值滤波的方法，对这三个 像素按灰度值大小排序，选取中间值作为( 0 ，0 ) 点所对应的那个像素的值，即就是作 为3 * 3 邻域的中心像素点的灰度值。 第五步：采用4 5 。方向上的结构元素，记为尸= ( 一1 ，1 ) ，( 0 ，0 ) ，( 1 ，- 1 ) ，存储数组记为 d 3 3 】，则对应结构元素像素在数组中的位置为饥0 0 】，讲1 【1 】，讲2 】 2 】。针对这种对应 关系，采用中值滤波的方法，对这三个像素进行排序，选取中间值作为( o ，o ) 点所对 应的像素的灰度值，即就是作为3 * 3 邻域的中心像素点的灰度值。 第六步：按照以上步骤，将整幅大小为m 奉m 的图像按行或者按列进行扫描。 采用改进中值滤波算法分别从四个方向对图像进行滤波处理，其效果图如下所示： 二 3 3 中值滤波图像 ， 改进中值滤波图 i ?