不同采集高度下摊铺路面的数字图像差异性分析及处理技术

曹源文，温永杰，李升连，杨清华，白丽萍

1. 重庆交通大学 机电与车辆工程学院，重庆 400074 2. 西南交通建设集团股份有限公司，云南 昆明 650034 3. 云南建投博昕工程建设中心试验有限公司，云南 昆明 650224

0 引言

截至2017年底，中国大陆的高速公路通车总里程已达到13.6万km，其中绝大多数是沥青混凝土路面。随着机械制造技术的不断进步，沥青混合料摊铺机已具有控制摊铺速度、送料速度和自动精准找平等功能，使之成为沥青路面摊铺的重要设备之一[1]。但在实际施工中，由于机械、材料和人为等因素的影响，导致粗、细集料分布不均匀，产生离析现象[2]，影响路面的摊铺质量和使用寿命[3]。为了更好地评价摊铺质量，很多学者做了相关方面的研究：万成等[4]运用图像处理技术，从颗粒平均粒度和均匀度2个方面进行研究，对级配的均匀程度进行评价；杨献章[5]和刘佳辉[6]等人对沥青路面随机取样，然后利用数字图像技术分析所取芯样，从集料颗粒的孔隙率、分布和沥青胶浆分布3个方面进行研究，对沥青混合料均匀性进行评价；刘东海等[7]利用便携式测温测厚仪建立沥青摊铺厚度、温度可视化实时管理系统，对沥青路面摊铺质量进行监控；张苛等[8]从压实均匀性和集料分布均匀性出发，提出沥青路面施工均匀性精细化检测方法，通过该方法可有效地评价沥青路面的施工质量。虽然目前国内学者在摊铺质量及均匀性评价方法方面开展了大量的相关研究，取得了一系列的成果，但是对图像最佳采集高度的确定和处理技术方面的研究不多。本文通过不同采集高度差异化试验，得到拍照高度与实际拍摄路面宽度的函数关系；利用数字图像采集技术，分析大颗粒丢失量和精确度，确定最佳的图像采集高度；最后对图像进行形态学处理，得到能快速识别的图像，从而为快速评价沥青路面摊铺质量奠定了图像基础。

1 数字图像采集原理

评价沥青路面摊铺质量，需要先采集沥青路面的实际情况，且采集的图像越清晰，后续图像处理的效果越好，对大颗粒沥青混合料的轮廓及分布等情况越明确[9-11]。市面上有各种图像采集设备，但数码相机最为常见，它可以先采集景物的光图像信号，再将其转换成数字信号，储存在记忆卡中。

具体的转换过程为：将光图像信号透过R、G、B三种滤色片后照射到CCD传感器上，再经A/D模数处理，得到相应的数字信号，随后利用DSP处理器，把数字信号转变成特定格式并储存在记忆卡中，最终通过接口把图像传输到显示器上。大致流程如图1所示。

图1 数字图像采集流程

2 不同采集高度差异化试验

大颗粒的集料会影响混合料中各种成分的分布情况，是影响沥青混合料均匀性的主要因素；小颗粒的集料因其小而多的特点，对沥青混合料的均匀性影响不大[12]。为了更好地确定采集高度对均匀性的影响，下面针对不同高度下采集的沥青路面实际大小进行试验研究。

2.1 试验原理

由图2可知，采集到的图像为正方形，采集位置离地高度为H1时，得到的路面图像大小为B1×B1；采集位置离地高度为H2时，得到的路面图像大小为B2×B2。所以，在不同高度进行图像采集，拍摄的路面大小也不同。但是，若采集高度太高，会使采集的图像过于模糊；若采集高度过低，会导致采集的图像中的大粒径沥青混合料较少，不能很好地反应采集路面集料的分布情况。因此进行试验选取。

图2 图像采集示意

2.2 图像采集设备

图3 图像采集设备

为了得到指定高度拍摄的图像，结合上述试验原理，制作了一种可以改变拍摄高度的图像采集装置，如图3所示。本装置由底座、导杆、悬臂梁和相机支架四部分组成，底座上有与之垂直的导杆，导杆上有可上下移动的滑块，在滑块的水平方向上有可伸缩悬臂梁，悬臂梁的末梢有相机支架。通过该装置可以确保拍摄高度是试验的惟一变量，使试验结果更可靠。

2.3 试验结果

利用上述装置，在离地 50、60、70、80、90、100 cm的高度下，分别采集20组沥青路面图像，再将试验中实际拍摄路面宽度填入表1中，根据20组数据计算出不同采集高度下图像实际路面宽度的平均值。

通过分析发现，图像拍摄高度和取景宽度两者之间成正相关，如图4所示。

其对应的函数关系为

式中：x为拍摄高度，y为实际宽度。

利用上述函数关系，可得出各采集高度对应的实际沥青路面宽度，如表2所示。?

表1 采集图像的实际路面宽度cm

图5 第1组的不同高度采集的摊铺路面图像

图4 不同高度下图像的实际宽度

表2 各高度对应的实际沥青路面宽度

3 采集高度对数字图像的影响分析

3.1 不同采集高度的颗粒丢失量分析

为了使试验误差更小，提高试验结果的可靠性，本试验利用图像采集设备从施工现场收集了大量未压实沥青摊铺路面的图片。从中挑选出100组便于分析计算的图像进行试验分析，并对图像分组编号。其中，第1组在不同高度采集的摊铺路面图像如图5所示。

由图5可知，图像中沥青混合料颗粒的大小受采集高度的影响，同时考虑到图像采集范围较大，所以选择粒径大于9.5 mm的沥青混合料颗粒进行研究，数据采用上一次试验的20组图像。经过对图像的分析，得到粒径大于9.5 mm的沥青混合料颗粒数目，如表3所示。

根据表3可知，随着采集高度的增加，图像中9.5 mm以上粒径的颗粒随之增加。根据其关系，本文引入颗粒丢失量Ai这一变量，其大小为相邻拍摄高度Hi和Hi+1下，各自图像中9.5 mm以上粒径的沥青混合料颗粒数量Ni和Ni+1之差，即Ai=∣Ni-Ni+1∣，原理如图6所示。

当图像采集高度在50～60 cm时，用A1表示该高度下的颗粒丢失量；当图像采集高度在60～70 cm时，用A2表示该高度下的颗粒丢失量；当图像采集高度在70～80 cm时，用A3表示该高度下的颗粒丢失量；当图像采集高度在80～90 cm时，用A4表示该高度下的颗粒丢失量；当图像采集高度在90～100 cm时，用A5表示该高度下的颗粒丢失量。

表3 图像中9.5 mm以上粒径颗粒的数量 个

图6 丢失量原理

由表3可以得到相邻高度下的颗粒丢失量，从而绘制出不同采集高度间颗粒丢失量的对比图，如图7所示。

图7 颗粒丢失量对比

通过分析可知，颗粒丢失量A1、A2和A4集中在15～25个之间；颗粒丢失量A3集中在15～20个之间；颗粒丢失量A5集中在20～30个之间。所以，从颗粒丢失量角度考虑，图像最佳采集高度应该在60～70 cm、70～80 cm和90～100 cm这3个区间中选取。

3.2 不同采集高度的精确度分析

在图像采集过程中，同一相机在不同高度下对同一粒径的集料进行拍摄，会导致该颗粒在不同图像中显示出的大小不同。图像中的颗粒直径会随着拍摄高度的增加而减小，但是程序识别粒径大小时，会有一定的识别误差，从而导致误差范围内的颗粒都会被识别为同一粒径，最终对沥青混合料离析程度的判定产生干扰。下面从精确度方面进行试验，确定最佳的图像采集高度。

排除试验误差，在相同地点进行不同高度图像采集，有高度采集的图像中粒径a的颗粒数量等于高度h1处采集的图像中粒径a1的颗粒数量的关系，即

但是，在试验中都会受精确度的影响，例如在采集得到的图像中会把9.45～9.55 mm大小的粒径都识别为9.5 mm，从而导致图像中识别出9.5 mm粒径的颗粒比实际多，对试验结果造成影响。对此，本文重新定义一个精确度λ，即原始高度下某一粒径大小的颗粒数N与新高度下同一粒径大小的颗粒数M之比，即

为了能与之前的试验结果进行比较分析，得出最佳图像采集高度，依旧采用之前试验的前10组图像数据。通过观察同一地点不同高度采集的图像可以发现，采集高度增加，图像中的集料颗粒也会增加，但分析精确度时，需保证图像中的集料颗粒相同，所以要裁剪掉新增的图像区域，其次颗粒粒径过大和过小都不便于研究，故以高度在50 cm下图像中粒径为9.5 mm的颗粒作为研究对象。

通过式(2)得到50 cm高度下采集的图像中粒径为9.5 mm颗粒在不同高度下对应的粒径，利用计算结果统计出不同高度下图像中需要研究的颗粒数。根据各自高度对应的颗粒数量可以得到在50 cm高度下各高度的精确度，并绘制曲线如图8所示。

图8 各高度下的精确度

图9 二值图像

4 数字图像处理技术

4.1 原始图像转变为灰度图像

现场采集的原始图像为RGB图像，难以计算出图像中集料面积的大小，所以要将原始图像转变为灰度图像。利用MATLAB中的rgb2gray函数，可将施工现场采集的RGB图像转变为灰度图像，图像中各像素点的转化公式为

式中：R为红色像素的亮度；G为绿色像素的亮度；B为蓝色像素的亮度。

4.2 灰度图像转变为二值图像

二值图像是指图像中各像素点只有0和1两种灰度等级，利用二值化后的沥青路面图像能快速计算出各级集料的大小。在此过程中方差将会很大，而大津法(OTSU)在方差越大的计算中，阈值分割越准确。因此该转变过程运用大津法算法[13-14]。

把灰度图像放入大津法算法中，得到处理后的图像，图中阴影和高光部分别是沥青和集料颗粒，效果如图9所示。

由图8可知：精确度与高度成负相关；且图像采集高度在100～150 cm这个区间变化最大；而图像采集高度超过150 cm之后，精确度极低，因此图像采集高度不能高于150 cm。

综合以上研究，根据颗粒丢失量和精确度选取图像采集的最佳高度。当图像采集高度在70～80 cm之间时，颗粒丢失量在15～20个之间，相比其他采集高度而言，此颗粒丢失量最少，而在此高度下精确度较高，在0.965～0.934之间。因此，为了更好地获取沥青路面信息，本文选取最佳采集高度为70～80 cm。

在此高度下采集的图像，在大小、丢失量、精确度等方面均有优势，进而为后续的图像处理奠定了基础。

4.3 图像的形态学处理

二值化后的图像中细集料数量较多，对沥青混合料均匀性的影响较小，且粗集料对沥青混合料均匀性影响较大，所以粗集料才是判定图像中的沥青混合料均匀性离析程度的主要依据。故在对沥青混合料进行均匀性离析程度分析前，应滤掉粒径小于9.5 mm的颗粒。利用MATLAB中的bwselect函数，在二维二值图像中可选择单个对象过滤掉小粒径的集料，得到了只显示粒径9.5 mm以上颗粒的混合料图像，如图10所示。

[5] 杨献章,凌剑兴,李跃军,等.基于细观结构的沥青路面质量均匀性分析[J].公路工程,2013,38(1):5-8,13.

滕王阁与岳阳楼、黄鹤楼并称为江南三大名楼，始建于唐永徽四年（公元653年），是唐高祖第二十二子、唐太宗之弟李元婴所建。楼高57.5米，面积13000平方米，以“明三暗七”的形式分为七层，里面有大量的书画、石雕、瓷器。其中我最喜欢的是石雕，上面雕了“时来风送滕王阁，一夜船行七百里”的故事和王勃所作《滕王阁序》中“落霞与孤鹜齐飞，秋水共长天一色”的场景，将人物雕得栩栩如生、惟妙惟肖。登上楼顶，向前远眺，赣江的景色尽收眼底，真是“会当凌绝顶，一览众山小”啊！

[6] 刘佳辉. 基于OTSU法分区图像识别技术及其在路面均匀性评价中的应用研究[D].广州:华南理工大学,2012.

[7] 刘东海,夏谢天.基于便携测温测厚仪的沥青摊铺质量可视化实时管理[J].河海大学学报(自然科学版),2018,46(5):438-444.

[8] 张 苛,张争奇.沥青路面施工均匀性精细化检测方法[J].南京理工大学学报,2019,43(2):177-185.

[9] 马良慧,李东兴,张华强,等.基于小波阈值函数与改进中值滤波融合的抑制图像混合噪声算法[J].光学技术,2017,43(1):38-42.

[10] 孙波成.基于数字图像处理的沥青路面裂缝识别技术研究[D].成都:西南交通大学,2015.

[11] 曹源文,李亚南,曾建民,等.沥青路面摊铺均匀性静距离散评价方法研究[J].燕山大学学报,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.

图10 二值图像的对象选择

5 结语

本文以摊铺集料的数字图像采集高度和处理技术为研究内容，对数字图像采集高度、数字图像处理技术等方面做了较深的研究和分析，得到了以下结论。

(1)设计了图像采集设备，利用不同采集高度差异化试验，对不同采集高度得到的实际拍摄路面宽度进行分析，得到了拍摄高度与采集图像实际宽度的关系为y= 0.910 8x-1.110 7。

(2)利用图像采集设备，从不同高度进行图像采集，分析高度变化对图像的影响，从颗粒丢失量和精确度两方面考虑，最终确定了最佳的拍摄高度范围为70～80 cm。

(3)通过数字图像处理技术进行图像转换和灰度图像转为二值图像等预处理，并对图像进行形态学处理以及图像识别，为快速评价均匀性奠定了基础。