基于数字图像技术的混凝土路面裂缝检测研究

杨 巍

（中交二公局第四工程有限公司，河南 郑州 450000）

在公路建设过程中，出现频率最高且最为严重的问题之一为混凝土路面结构中的裂缝，该裂缝也是路面结构安全评估的主要指标之一。在路面裂缝中应用数字图像处理技术，可以让图像信号向数字信号进行转变，保证复杂的计算工作得以完成，以此来使得相应的精准性得到大幅度提高。通过这样的方式，确保图像得到有效恢复，而且能够凸显相关目标的某些特征，保证裂缝处理工作进行时有据可依。

1 数字图像的混凝土路面裂缝去噪处理

在对原始图像进行采集时，可能会受到诸多因素的影响。不单单包括混凝土路面状况，而且还包括周边环境中的干扰因素，甚至会将采集设备的振动涵盖其中，这样使得采集的图像中包含具有噪声的裂缝图像[1]。由于噪声的存在，致使图像质量受到严重的不良影响，因此对图像噪声进行削弱或去除具有重要的作用。混凝土路面噪声干扰的问题已经存在较长时间，并且涌现出一定的方法，比如在处理噪声时，可以将空间域滤波方法引入其中，在处理过程中，对混凝土路面裂缝图像重点关注，并对图像中的像素实施严谨的操作。在以空间域滤波为原理所形成的降噪图中，当噪声不同时，算法稳定性也会出现一定的影响，导致图像的模糊程度也随之提升。

想要通过频域滤波的方式来达到降噪的效果，首先要将图像变换当成重点来操作，如傅里叶变换等。这样能够获得良好的去噪能力和滤波效果。通过傅里叶变换来处理原始混凝土路面裂缝图像，确保频域中的图像被有效获取，之后在该图像中噪声干扰特征的基础上，合理化地设计滤波器；甚至提出一种全新的降噪方法，该方法主要以频域滤波为原理。

近年来，又涌现出一种全新的方法，即基于渗流模型的去噪算法，该方法中引入加速算法，并明确每个像素的灰度图像。同时选取相关指标为依据，来对噪声区域进行全面去除，如亮度特征、裂缝长度特征等，以此来保证去噪效果更加显著。

2 采集和处理裂缝的图像

2.1 采集图像

不论是桥梁结构还是道路结构，表面裂缝的宽度都相对较大。由于裂缝大小以及方向在数码图像中的像素都相对偏少，因此导致检测精度会受到采集图像质量的影响。想要对裂缝大小进行快速精准的识别，数码相机需要具有较高的像素，以此来使裂缝能够获得更多的像素。当使用高像素数码相机进行拍摄时，想要让裂缝位于屏幕中央位置，应该将相机放在标定纸和裂缝的正前方，并且镜头与裂缝平面保持垂直状态，即通过正焦来拍摄，降低发生畸变的概率。因此，应该不断地轻微调试数码相机的倾角，实时观察数码相机中的裂缝平面成像状况，确保相机光轴垂直于裂缝。在现场条件允许的情况下，可以使用相关辅助装备的有关功能，如利用三脚架的调平功能，有利于采集图像质量的全面提升。

2.2 处理图像

图像采集完成之后，实施预处理，确保部分干扰得到有效消除，以此来有效凸显裂缝信息，从而为裂缝图像的数值分析提供保障。

在裂缝图像信息中蕴含大量色彩信息，这会对裂缝图像的计算产生不良影响。由于图像中蕴含的内容相对丰富，需要利用亮度来表示灰度图像。通常将灰度分成256 个级别，并利用0～255 的数字来表示。0 表示最暗，即黑色；255 表示最亮，即白色；其余用0～255 之间剩下的数字进行表示。每一个像素只剩下一个参数，通过二维矩阵来表示相关图像。在彩色图像向灰度图像进行转换时，需要运用的公式为

式中：Intensity 为图像灰度；R、G、B分别为彩色图像中各个像素的3 个参数。裂缝彩色图像转换成裂缝灰度图像的效果见图1。转换之后的图像存在较小的损失，但裂缝的清晰度明显提高。裂缝图像灰度直方图见图2。灰度0～255 是横坐标，所有像素是纵坐标，对适当的阈值进行选择，即能够对各个像素的灰度以及阈值进行对比。

图1 裂缝灰度图像

图2 裂缝图像灰度直方图

可进一步用二值化处理灰度图像。当像素灰度明显高于阈值，灰度就变成255；当像素灰度明显低于阈值，灰度则会变成0。利用二值化处理完图像之后，图像就剩下黑色和白色，以此来更好地分离出裂缝。在将图像分割成二进制图像时，阈值的选取是重要环节之一，并且该环节会对裂缝图像边缘精度的识别产生影响。计算阈值的方法包括最小误差法以及直方图法等。由于二值化处理完图像之后，还存在一定的大小噪声点，并且裂缝边缘缺乏清晰度，因此要利用中值滤波来处理裂缝图像，中值滤波属于低通滤波器范畴，其能够取出中间值，并将该值当成输出对象，以此来更好地保护图像的边缘。在这个过程中，不单单要科学管控噪声点，还要保证边缘的清晰度。

3 数字图像的混凝土路面裂缝分割处理

在开展混凝土路面裂缝数字图像分割时，不单单要完成图像识别分析工作，还要重点关注裂缝特征的提取。当前的图像分割方法以阈值法以及边界探测法等为主。在实际分割过程中，将局部最小法当成依据，来开发全新的确定阈值法，保证可以正确区分前景和背景。在处理图像阈值时，可以将改良后的Otsu 算法引入其中，Otsu 算法在特定方面的灵敏性非常高[2]，如噪声大小，虽然获得的效果达不到最佳，但应用在该图像分割中非常合理。另外，涌现出一种全新的方法，即Gabor 滤波器法，该方法以图像局部空间频率信息为基础。经由该滤波器过滤处理之后，可以获得图像的最大值，同时该最大值又可以构成一种全新的图像；凭借差分进化算法，对滤波器的参数展开设置，从而使得清晰的混凝土隧道中路面裂缝分割图像被有效获取。

4 裂缝宽度计算

4.1 裂缝宽度算法

通过对像素点的个数进行明确，来对裂缝宽度实施计算，同时各个像素点都具有相应的尺寸。本文在对裂缝宽度开展计算时，所采用的方法将欧氏距离当成基础。具体方法如下。

1） 将裂缝图像中的梯度当成依据，预估和判断裂缝走向。同时将水平梯度和高度垂直梯度这两个数据进行对比，若前者明显差高于后者，此时被称之为纵向裂缝法，反之为横向裂缝[3]。

2） 基于裂缝走向，明确各个不同裂缝宽度的迭代算法，并对各个算法实施编写。同时凭借图像处理，来科学有效地提取裂缝边缘特征点，以及利用L1 和L2 分别标记裂缝边缘线。

3） 纵向裂缝边缘曲线标记见图3。将纵向裂缝当成案例，在L1上选取一点坐标，计算该坐标和L2之间的最短欧氏距离。流程具体如下：首先，在L1上选取一点A，过点A做一条水平线，该水平线与L2相交于点B，将AB两点之间的距离记为d；其次，将点B当成起始点，d是初始裂缝宽度像素点数，将坐标数组L2进行向前以及向后的迭代处理，以此来对点A和L2上点之间的欧氏距离展开计算；再次，通过对迭代终止条件设定的方式，来保证不必要环节得到去除；最后，在对向前迭代或向后迭代进行选择的时候，将计算所获得的最短欧氏距离当成点A的裂缝宽度像素点数，计算L1排在点A后面点的裂缝宽度像素点数。不断重复该步骤，当计算完L1上所有坐标后才能够停止。

图3 纵向裂缝边缘曲线标记

4） 对裂缝边缘曲线L1所有点与L2间的最短欧氏距离像素点数进行全面统计。将像素点个数和单个像素点尺寸相乘，以此来获得裂缝宽度。

4.2 单个像素点实际尺寸的影响

在图像中选择单个像素点，并对该像素点实际尺寸进行全面掌握。同时明确裂缝宽度中包含的像素点个数，将两者相乘就可以获得测量裂缝宽度值。伴随单个像素点尺寸的不断增大，图像信息所占比重越来越大，但表达图像细节能力则越来越弱，导致裂缝宽度的精准度明显降低；反之，当单个像素点的尺寸越来越小，图像信息所占比重越来越小，则更能够凸显图像中的细节，从而使得该精准度明显提升。想要使像素点实际尺寸的计算值更加精准，则要把光线沿直线传播原理当成依据。当相机参数被确定之后，想要计算图像像素点实际尺寸l时，采用的公式为

式中：p为像元尺寸；f为镜头焦距；▽D为镜头到拍摄物体的距离。

从式（2） 中可知，l与p、f、▽D之间存在密切关联，由于p与f都是该设备中涉及的参数，当设备型号被确定之后，这两者就相当于固定值，则▽D成为唯一变量。若▽D得到确定，就能对▽D进行计算。伴随着▽D的不断增大，l也随之不断增加；但是图像在细节方面的表达能力则被不断削弱，导致裂缝宽度值的精准度相对偏低。综上，对测量裂缝宽度精准度[4]来讲，会受到裂缝图像单个像素点实际尺寸的影响。由此可知，基于图像开展裂缝宽度计算工作时，不仅仅要科学选择采集设备，还要合理设定拍摄图像的距离，尽可能地不断缩小数值范围，并保证像素点实际尺寸l处于该范围之内，从而有利于为测量精准度提供重要支撑。

5 数字图像的混凝土路面裂缝特征提取以及检测

对混凝土路面裂缝数字图像实施增强或分割处理等操作，并对该图像中的裂缝特征展开科学合理化的提取工作，如裂缝发生部位等，这样可以更加方便后续检测。在对裂缝特征进行提取时，能够使用的方法种类非常多样化[5]，比如在改进Canny 算子基础上，提取裂缝可靠边缘特征，或者基于机器学习方法的裂缝特征提取等。构建相关的机器学习模型，该模型中包含多类支持向量机（Support Vector Machine，SVM） 算法以及人工蜂群优化算法，确保分类检测混凝土路面裂缝工作得到顺利完成。在定向梯度直方图中应用SVM 算法，并在局部特征描述符中，对完成训练的分类器进行运用，确保裂缝检测工作顺利开展。将SVM 算法这一机器学习算法当成依据，开展裂缝图像检测工作时，在鲁棒性不佳的条件状况下，标记训练数据的特征或数量成为关键因素，并可以限制检测速度，伴随着检测速度的不断提升，产生的额外工作量也随之持续增加。近年来，想要对高分辨率图像中的裂缝进行检测，可以在子图像上训练中，对深度卷积神经网络（Convolutional Neural Networt，CNN） 分类器进行合理化的运用，凭借滑动窗口方式的辅助，保证整个图像的扫描工作顺利完成。

6 结束语

综上，在数字图像处理技术的辅助下，可以对混凝土结构路面裂缝实施灰度化、降噪、分割等处理，并能够对裂缝信息进行提取，以此来对裂缝类型展开判断。同时能够确定裂缝像素点个数，确保裂缝宽度被有效计算。因此，要对数字处理技术进行充分运用，确保其价值充分凸显，进而改善混凝土路面裂缝的问题。