用于建筑物或构筑物的裂纹检测方法、系统、装置和介质制造方法及图纸

本发明专利技术公开了一种用于建筑物或构筑物的裂纹检测方法、系统、装置和介质，方法包括：将预处理后的第一图像转化为二值图像，并采用预设矩形窗口从二值图像中筛选出满足预设要求第二图像；对第二图像进行连通域筛选，得到第三图像；将第三图像分割为预设等份的第四图像，在所述第四图像的每两个相邻等份的中间填充全黑背景，得到第五图像；对第五图像进行连通域筛选和膨胀处理，得到第七图像；对第七图像进行连通域筛选，并去除填充的所述全黑背景后，将第七图像的尺寸还原到预设大小，得到第八图像；根据第八图像中连通域的高宽比值确定待检测图像中是否存在裂纹，若是，则在待检测图像中标记裂纹的位置。本发明专利技术无需依赖高精度设备采集的图像。设备采集的图像。设备采集的图像。

【技术实现步骤摘要】
用于建筑物或构筑物的裂纹检测方法、系统、装置和介质


[0001]本专利技术涉及图像处理技术，尤其是一种用于建筑物或构筑物的裂纹检测方法、系统、装置和介质。

技术介绍

[0002]相关技术中，混凝土建筑物/构筑物中的裂纹检测主要是依靠人工肉眼观察，这种方法的效率低且准确度不高。如果在裂纹出现的初期能够及时发现，并且对裂纹的发展情况给予实时的跟踪，就可以极大地降低养护费，而且建筑物/构筑物的安全也能够得到保证。随着机器视觉检测技术的完善，现有的基于机器视觉的裂缝/裂纹检测，主要有两大类：一类是使用深度学习，主要步骤包括：首先通过卷积神经网络对标记好的裂缝/裂纹图像进行训练，然后利用训练好的模型对裂缝/裂纹进行检测；另一类是使用较为传统的图像理解方法，首先对图像进行预处理，然后根据裂缝/裂纹的特征和应用场景的要求，设计相应的算法进行检测。基于深度学习的裂纹检测方式，需要预先对大量的训练样本进行处理，才能得到精度较高的检测模型；基于图像理解的裂纹检测方式，需要较高精度的图像采集设备进行图像采集，且凹凸不平的混凝土表面也会影响检测效果。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于建筑物或构筑物的裂纹检测方法，其特征在于，包括以下步骤：对获取的待检测图像进行预处理，得到第一图像，所述待检测图像包括所述建筑物或构筑物的原图像；将所述第一图像转化为二值图像，并采用预设矩形窗口从所述二值图像中筛选出连通域满足预设要求的部分作为第二图像；对所述第二图像进行连通域筛选，得到第三图像；将所述第三图像分割为预设等份的第四图像，在所述第四图像的每两个相邻等份的中间填充全黑背景，得到第五图像；对所述第五图像进行连通域筛选，得到第六图像；对所述第六图像进行膨胀处理，得到第七图像；对所述第七图像进行连通域筛选，并去除填充的所述全黑背景后，将第七图像的尺寸还原到预设大小，得到第八图像；根据所述第八图像中连通域的高宽比值确定所述待检测图像中是否存在裂纹，若是，则在所述待检测图像中标记所述裂纹的位置。2.根据权利要求1所述的一种用于建筑物或构筑物的裂纹检测方法，其特征在于，所述对获取的待检测图像进行预处理，得到第一图像，包括：将所述待检测图像转化为灰度图像；将所述灰度图像缩放到预设大小，得到第一图像。3.根据权利要求1所述的一种用于建筑物或构筑物的裂纹检测方法，其特征在于，所述将所述第一图像转化为二值图像，并采用预设矩形窗口从所述二值图像中筛选出连通域满足预设要求的部分作为第二图像，包括：对所述第一图像的右侧像素值进行二值化处理，得到第一二值化图像；采用预设矩形窗口从所述第一二值化图像筛选出连通域满足预设要求的部分作为第一连通域图像；对所述第一图像的左侧像素值进行二值化处理，得到第二二值化图像；采用预设矩形窗口从所述第二二值化图像筛选出连通域满足预设要求的部分作为第二连通域图像；将所述第一连通域图像和所述第二连通域图像进行逻辑并集操作，得到第三二值化图像；采用预设矩形窗口从所述第三二值化图像筛选出连通域满足预设要求的部分作为第二图像。4.根据权利要求1所述的一种用于建筑物或构筑物的裂纹检测方法，其特征在于，所述对所述第二图像进行连通域筛选，得到第三图像，包括：去除所述第二图像上连通域大小为第一预设值的孤立点，得到净化二值图像；确定所述净化二值图像中存在两个不同的第一连通域和第二连通域，获取所述第一连通域的最大纵坐标和所述第二连通域的最小纵坐标；确定所述最大纵坐标和所述最小纵坐标的差值等于一个像素，融合所述第一连通域和所述第二连通域，得到融合图像；去除...

【专利技术属性】
技术研发人员：魏怡，刘源升，王斌，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：