一种桥梁裂缝宽度自动测量方法技术

本发明专利技术公开了一种桥梁裂缝宽度自动测量方法，主要解决现有的基于图像检测混凝土桥梁裂缝宽度信息中存在误检的问题；其实现方案为：计算机读取原始桥梁图像并进行预处理；基于Sobel算子获取裂缝主干信息，并获取主干的带状区域图；对带状区域进行灰度化并进行直方图均衡化处理；基于Sobel算子获取均衡化后的带状区域图片的梯度，并提取裂缝的共生边缘和裂缝点集合；提取裂缝点集合中位于裂缝内部的点；获取裂缝宽度信息；对裂缝进行分条处理并统计每条裂缝的宽度信息存储到计算机终端。本发明专利技术能够以高准确性和实时性完成对混凝土桥梁裂缝的检测，可用于桥梁混凝土裂缝的宽度信息的获取。

An Automatic Measuring Method of Bridge Crack Width

【技术实现步骤摘要】
一种桥梁裂缝宽度自动测量方法
本专利技术属于测试
，特别设计一种桥梁裂缝自动测量方法，可用于桥梁混凝土裂缝的宽度信息的获取。技术背景衡量桥梁混凝土病害程度的重要指标包括裂缝的长度、宽度、数量等数据信息，其中裂缝宽度信息为衡量病害程度最重要的指标，现有检测桥梁混凝土裂缝宽度信息的手段包括：人工测量法、红外分析法、和图像处理分析法。其中：人工测量法是人工利用游标卡尺测量裂缝宽度，该方法存在测量精度差，效率较低、还存在一定的危险。红外分析法是利用红外线检测裂缝宽度，该方法具有检测精度高，检测速率快等优势，但是该仪器也存在成本较高，而且需专业的人员操作，维护难度较高，在使用时还存在诸多条件限制等缺点。图像处理分析法是基于图像处理技术检测图像裂缝宽度信息，该方法具有自动化测量，效率高，测量精度高的优势，是目前混凝土检测领域研究最多的技术。程彬在其发表的论文《基于数字图像处理的表面裂缝宽度测量》(赤峰学院学报(自然科学版)，2018,34(10):96-98.)中提出了两种检测裂缝的算法，手动点取边界法和框选平均值法，这两种方法均是通过手动在图像上标注裂缝的边界点，并计算标记出的边界点之间的欧式距离来获取裂缝的宽度信息。因为该方法近乎是通过人力去测量裂缝宽度，所以实时性极差，且耗费大量的时间与精力。肖利芳在其发表的论文《Sobel算子改进边缘检测算法在混凝土裂缝识别中的应用》(软件导刊，2017年01期，112-114)提出了一种基于Sobel算子的改进边缘检测算法对图像进行处理，并基于获取到的边缘信息提取图像裂缝的宽度信息。该方法是通过改进Sobel算子提升图像裂缝宽度信息的准确性。但是通过Sobel算子在获取图像边缘信息的过程中存在时间复杂度较高，实时性较差的缺点，而且该方法没有针对实际应用中所存在的诸多干扰加以考虑。所以在实际应用中，检测结果的准确性，实时性均很难保证。综上，目前在国内外提出许多利用图像处理技术检测混凝土裂缝宽度信息的方法，大都存在复杂度较高，抗干扰能力差，实时性差及准确性低的缺点，影响工程应用。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出一种桥梁裂缝宽度自动测量方法，以提高裂缝宽度信息检测的准确性。为实现上述目的，本专利技术的技术方案包括如下：(1)读取原始混凝土图像，并基于高斯卷积核对其进行平滑处理；(2)将平滑后的混凝土图像通过Sobel算子获取其裂缝主干图Q；(3)根据主干图Q，获取裂缝的带状区域图N；(4)对裂缝带状区域图N做灰度化处理，并进行直方图均衡化，获取图N均衡化后的带状区域图片D；(5)基于Sobel算子获取均衡化后的裂缝带状区域图片D的梯度值G和梯度方向θ；(6)根据均衡化后的裂缝带状区域图像D的梯度值G和梯度方向θ，提取均衡化后的裂缝带状区域图片的共生边缘Z和裂缝点集合C；(7)滤除裂缝点集合C中不在裂缝内部的像素点；(8)利用共生边缘Z和位于裂缝内部的裂缝点集合C获取裂缝宽度信息：(8a)按照从上至下，从左至右的顺序遍历共生边缘Z和位于内部的裂缝点C，获取一对共生边缘点M(xm,ym)，K(xk,yk)和对应的裂缝点T(xt,yt)；(8b)依据共生边缘点M,K的坐标计算搜索裂缝边界的方向(8c)从裂缝点T(xt,yt)出发在8x8的领域范围内，沿着方向查找裂缝带状区域图片中梯度值G相差最大的像素点U，将该点作为裂缝的第一个边界点，并记录该点的坐标位置(xu,yu)；(8d)从裂缝点T(xt,yt)出发在8x8的领域范围内，沿着的反方向查找裂缝带状区域图片中梯度值G相差最大的像素点H，将该点作为裂缝的第二个边界点，并记录该点的坐标位置(xh,yh)；(8e)按照欧式距离计算裂缝宽度w：其中(xh,yh)，(xu,yu)分别代表边界点U点和H点的坐标。(9)基于主干图Q和裂缝宽度信息w，获取每条裂缝的宽度。进一步，(9)中基于主干图Q和裂缝宽度信息w，获取每条裂缝的宽度，其实现如下：(9a)按照从上至下，从左至右的顺序遍历裂缝主干图Q，获取像素点三色通道R、G、B数据均非0的像素点S，且将该像素点S处的B通道的数据赋值为255，R、G通道数据赋值为0，同时判断该点在3x3邻域范围内，是否存在除S点以外另一个非0点P，若存在，则执行(9b)，若不存在，则继续遍历主干图Q；(9b)以点P为中心，按照从左至右，从上至下的顺序在其3x3的邻域范围内进行搜索，判断是否存在三色通道R、G、B数据均为非0的像素点L，如果存在，则将像素点L处的B通道数据赋值为255，R、G通道数据赋值为0，继续遍历，如果不存在，则执行(9c)；(9c)记录遍历过的裂缝主干点的位置信息，并加以标记裂缝编号，判断是否将裂缝主干图像中所有像素点遍历完毕，若遍历完毕则终止搜索，得到分条裂缝的位置信息，执行(9d)，如没有遍历完毕，则裂缝编号加1，返回(9a)；(9d)遍历分条后每一条裂缝的位置信息和裂缝宽度信息w，并将裂缝宽度信息w按照每条裂缝的位置进行存储，获取每条裂缝的宽度信息。本专利技术与现有技术相比，具有如下优点：1)本专利技术采用基于灰度直方图均衡化实现了对裂缝边缘的锐化，使得裂缝边缘更加明显，克服了目前检测算法在检测边缘出现的由光照导致的图像边缘虚化的缺点，提高了宽度检测的准确性。2)本专利技术使用基于自适应阈值来判定该裂缝点是位于裂缝内部还是外部点，在检测裂缝宽度时能够更好去除检测错误的裂缝点，克服了现有检测方法中存在的误检率高的问题，提升了检测的准确性。3)本专利技术使用共生边缘的梯度方向作为种子点出发搜索裂缝边缘的方向，克服了目前检测裂缝宽度方向存在极大不确定性、导致图像边缘宽度计算不准确，进一步提高了宽度信息的检索准确率。附图说明图1是本专利技术的实现流程图；图2是本专利技术的仿真结果图。具体实施方式下面参照附图1对本专利技术的实施例及效果进一步的详细描述。参照图1，本专利技术的实施步骤如下：步骤1，读取原始混凝土图像，并对其进行平滑处理。(1a)用数字摄相机采集待检测混凝土裂缝图像，并将摄像机中采集到的裂缝图像存储到计算机中；(1b)按照高斯滤波公式对计算机存储裂缝图像进行平滑处理，得到平滑后的裂缝图像：其中P1代表原始裂缝图像的像素值，P2代表经过高斯卷积核得到平滑后的图像像素值，*代表卷积。[·]表示高斯卷积核。步骤2，基于Sobel算子获取平滑后的裂缝图像的裂缝主干图Q。目前计算图像梯度所使用的算子包括：Roberts、Prewitt、Sobel和Lapacian算子，本实例中采用但不限于Sobel算子，其实现如下：(2a)获取步骤(1b)中得到的平滑后裂缝图像；(2b)获取经过高斯卷积平滑后的裂缝图像的梯度值E和梯度方向α：(2b1)通过纵向Sobel算子计算平滑后裂缝图像的纵向梯度值Gy：其中P1表示原始灰度图像中像素点的值；*表示卷积操作，[·]表示纵向Sobel算子矩阵；(2b2)通过横向Sobel算子计算平滑后裂缝图像的横向梯度值Gx：其中[·]表示横向Sobel算子矩阵；(2b3)通过公式<1>和公式<2>获取到的Gx和Gy，计算裂缝图像的梯度值E和梯度方向α：(2b4)将步骤(2b3)获取到的梯度值E和梯度方向α分别作为裂缝图像梯度图的R通道和B本文档来自技高网...

【技术保护点】
1.一种桥梁裂缝宽度自动测量方法，其特征在于，包括如下：(1)读取原始混凝土图像，并基于高斯卷积核对其进行平滑处理；(2)将平滑后的混凝土图像通过Sobel算子获取其裂缝主干图Q；(3)根据主干图Q，获取裂缝的带状区域图N；(4)对裂缝带状区域图N做灰度化处理，并进行直方图均衡化，获取图N均衡化后的带状区域图片D；(5)基于Sobel算子获取均衡化后的裂缝带状区域图片D的梯度值G和梯度方向θ；(6)根据均衡化后的裂缝带状区域图像D的梯度值G和梯度方向θ，提取均衡化后的裂缝带状区域图片的共生边缘Z和裂缝点集合C；(7)滤除裂缝点集合C中不在裂缝内部的像素点；(8)利用共生边缘Z和位于裂缝内部的裂缝点集合C获取裂缝宽度信息：(8a)按照从上至下，从左至右的顺序遍历共生边缘Z和位于内部的裂缝点C，获取一对共生边缘点M(xm,ym)，K(xk,yk)和对应的裂缝点T(xt,yt)；(8b)依据共生边缘点M,K的坐标计算搜索裂缝边界的方向

【技术特征摘要】
2019.01.30 CN 20191008886311.一种桥梁裂缝宽度自动测量方法，其特征在于，包括如下：(1)读取原始混凝土图像，并基于高斯卷积核对其进行平滑处理；(2)将平滑后的混凝土图像通过Sobel算子获取其裂缝主干图Q；(3)根据主干图Q，获取裂缝的带状区域图N；(4)对裂缝带状区域图N做灰度化处理，并进行直方图均衡化，获取图N均衡化后的带状区域图片D；(5)基于Sobel算子获取均衡化后的裂缝带状区域图片D的梯度值G和梯度方向θ；(6)根据均衡化后的裂缝带状区域图像D的梯度值G和梯度方向θ，提取均衡化后的裂缝带状区域图片的共生边缘Z和裂缝点集合C；(7)滤除裂缝点集合C中不在裂缝内部的像素点；(8)利用共生边缘Z和位于裂缝内部的裂缝点集合C获取裂缝宽度信息：(8a)按照从上至下，从左至右的顺序遍历共生边缘Z和位于内部的裂缝点C，获取一对共生边缘点M(xm,ym)，K(xk,yk)和对应的裂缝点T(xt,yt)；(8b)依据共生边缘点M,K的坐标计算搜索裂缝边界的方向(8c)从裂缝点T(xt,yt)出发在8x8的领域范围内，沿着方向查找裂缝带状区域图片中梯度值G相差最大的像素点U，将该点作为裂缝的第一个边界点，并记录该点的坐标位置(xu,yu)；(8d)从裂缝点T(xt,yt)出发在8x8的领域范围内，沿着的反方向查找裂缝带状区域图片中梯度值G相差最大的像素点H，将该点作为裂缝的第二个边界点，并记录该点的坐标位置(xh,yh)；(8e)按照欧式距离计算裂缝宽度w：其中(xh,yh)，(xu,yu)分别代表边界点U点和H点的坐标。(9)基于主干图Q和裂缝宽度信息w，获取每条裂缝的宽度。2.根据权利要求1所述的方法，其特征在于，(9)中基于主干图Q和裂缝宽度信息w，获取每条裂缝的宽度，其实现如下：(9a)按照从上至下，从左至右的顺序遍历裂缝主干图Q，获取像素点三色通道R、G、B数据均非0的像素点S，且将该像素点S处的B通道的数据赋值为255，R、G通道数据赋值为0，同时判断该点在3x3邻域范围内，是否存在除S点以外另一个非0点P，若存在，则执行(9b)，若不存在，则继续遍历主干图Q；(9b)以点P为中心，按照从左至右，从上至下的顺序在其3x3的邻域范围内进行搜索，判断是否存在三色通道R、G、B数据均为非0的像素点L，如果存在，则将像素点L处的B通道数据赋值为255，R、G通道数据赋值为0，继续遍历，如果不存在，则执行(9c)；(9c)记录遍历过的裂缝主干点的位置信息，并加以标记裂缝编号，判断是否将裂缝主干图像中所有像素点遍历完毕，若遍历完毕则终止搜索，得到分条裂缝的位置信息，执行(9d)，如没有遍历完毕，则裂缝编号加1，返回(9a)；(9d)遍历分条后每一条裂缝的位置信息和裂缝宽度信息w，并将裂缝宽度信息w按照每条裂缝的位置进行存储，获取每条裂缝的宽度信息。3.根据权利要求1所述的方法，其特征在于，(1)中基于高斯卷积核对计算机读入的原始混凝土图像进行平滑处理，通过如下公式进行：其中P1代表原始裂缝图像的像素值，P2代表经过高斯卷积核得到平滑后的图像像素值，*代表卷积，[·]表示高斯卷积核。4.根据权利要求1所述的方法，其特征在于，(2)基于Sobel算子获取裂缝主干图Q，其实现如下：(2a)获取平滑后原始裂缝图的梯度值E和梯度方向α：其中：表示为是灰度图像像素点在横向的梯度大小；表示为是灰度图像中像素点的纵向的梯度大小；P1表示原始灰度图像中像素点的值；*表示卷积操作，[·]表示Sobel算子矩阵；(2b)根据原始裂缝图的梯度值E和梯度方向α，获取裂缝点集合T：(2b1)设置阈值L，将梯度图像中梯度值E小于阈值L的像素点处的R通道赋值为L-1，大于阈值L的像素点值不变，获取新的梯度图；(2b2)按照从左至右，从上至下的顺序遍历新的梯度图，判断是否遍历完新的梯度图；如果新的梯度图遍历结束，执行(2c)；如果未遍历完新的梯度图，再判断新梯度图上的像素点处R通道的值是否为L-1：若是，则继续遍历下一个像素点，并判断像点R通道的值，若不是，则先获取该像素点处梯度值E1和梯度方向α1，再执行(2b3)；(2b3)在新的梯度图上，沿着方向α1遍历8个像素点，判断新梯度图上的像素点处R通道的值是否为L-1：若是，则执行(2b4)，若不是，则先获取该像素点处梯度值E2，再执行(2b5)；(2b4)在新的梯度图上，沿着α1反方向遍历8个像素点，判断新梯度图上的像素点处R通道的值是否为L-1：若是，则返回(2b2)，若不是，则先获取该像素点处梯度值E2，再执行(2b5)；(2b5)设置梯度差阈值为常数g，若|E1-E2/＜g则保留E1和E2所在的像素点...

【专利技术属性】
技术研发人员：杜建超，栗一鸣，李云松，汪小鹏，郭祥伟，李红丽，
申请(专利权)人：西安电子科技大学，陕西康虹交通科技有限公司，西安品码电子科技有限公司，
类型：发明
国别省市：陕西,61