1、1基于数字图像的混凝土桥梁裂缝检测技术摘 要：应用 visual C+6.0 语言编制程序，研究了基于数字图像的桥梁裂缝检测方法，深入分析评价了图像灰度化、棋盘格角点求解像素率、滤波除噪、边缘检测等图像处理算法，实现了基于视频（或图像）的桥梁裂缝宽度计算和软件系统，并用 15 幅桥梁裂缝图像验证了其裂缝检测精度.结果表明：本文提出的裂缝识别方法能较好地用于钢筋混凝土桥梁和 B 类预应力混凝土桥梁的裂缝检测，当裂缝宽度大于 0.3 mm 时，图像计算出的裂缝宽度值与实测值非常接近，相对误差在 6%以内；当裂缝宽度为 0.20.3 mm 时，相对误差在 10%以内. 关键词：混凝土桥梁；裂缝检测；
2、数字图像；计算机识别；图像处理 中图分类号：U446.3 文献标识码：A Crack Detection of Concrete Bridges Based Digital Image XU Xuejun1，2， ZHANG Xiaoning1 （1.School of Civil Engineering and Transportation， South China Univ of Technology， Guangzhou， Guangdong 510641， China； 2. Administration Bureau for Highway of Guangdong Province
3、， Guangzhou， Guangdong 510075， China ） Abstract：A crack detection method of concrete bridges was 2proposed by using digital image technology， and some image processing algorithms， including gray processing of image， calculation of pixel rate， image noise filter， and edge detection of crack， were ana
4、lyzed and evaluated for the crack detection of concrete surface. Then， a computer program was developed with visual C+6.0 programming language to detect the cracks， which was tested with 15 cases of bridge video images. The results have indicated that this method can effectively detect the width of
5、cracks for reinforced concrete bridges and the B type prestressed concrete bridges. The results have also showed that the relative error is within 6% for the more than 0.3 mm cracks and it is less than 10% for the crack width between 0.2 mm to 0.3 mm. Key words：concrete bridge； crack detection； digi
6、tal image； computer vision； image processing 在混凝土桥梁的日常检测、定期检测以及梁底裂缝检测中，通常用吊装设备将桥梁工程师送到桥梁梁底，用裂缝观测仪读取裂缝宽度，手工记录裂缝位置、宽度、长度等信息.该方法效率低，耗力费时，难以把握裂缝的最宽位置，不适应现代桥梁高速发展的需求.近年来，一些学者开展研究了基于图像分析处理技术的混凝土构件裂缝识别、检测方法.如Tong1和 Xu2 等对图像分割算法进行了对比，并获取了图像中的裂缝宽度值，其研究重点是图像处理算法，缺乏对实际裂缝图像的检测和验3证.方志等3研究了正拍和斜拍图像的混凝土裂缝检测方法，但在修正和
7、标定图像过程中，容易扭曲实际裂缝.赵吉广4研究了路面破损图像处理方法；Atsushi Ito5等通过粘贴刻度条确定裂缝面积，但难以确定裂缝宽度；Tung 等6研究了基于双摄像头的裂缝采集方法，该方法难以准确标定裂缝图像，仅能检测裂缝的分布状态，不能确定裂缝宽度.楼伟等7用黑白 CCD 摄像机实地摄取路面图像，并提取裂缝轮廓.上述方法均采用 Matlab 等图像处理功能实现裂缝图像的处理，通过阈值分割将桥梁裂缝提取出来，若混凝土表面存在气孔、蜂窝、剥落等情形，分隔后的图像仍存在局部噪声，影响了裂缝的识辨. 湖南大学学报（自然科学版）2013 年 第 7 期许薛军等：基于数字图像的混凝土桥梁裂缝检
8、测技术 本文提出了基于数字图像的桥梁裂缝检测构想，在桥梁表面粘贴棋盘格标定板，用摄像机采集桥梁视频，在视频帧中提取桥梁裂缝图像；用 Visual C+6.0 语言编制程序，对图像灰度化、滤波除噪、边缘检测等图像处理算法进行了系统的分析比较，确定了适应桥梁裂缝图像的处理算法.基于此，本文研究了棋盘格角点法求解图像的像素率（即单位像素代表的实际长度） ，用改进的平滑滤波法滤除图像中的噪声，用边缘检测算法识辨裂缝轮廓，然后拟合出裂缝边缘线，计算裂缝的周长、面积和宽度.此外，基于斜摄视频图像的桥梁裂缝检测关键在于如何求解裂缝图像中的像素率，作者将另文讨论. 1 基于正摄视频的桥梁裂缝检测构架 基于正摄
9、视频的桥梁裂缝检测系统包括桥梁视频图像采集、图像处理、裂缝识别计算等内容，4技术路线如图 1 所示. 1.1 桥梁视频图像采集 根据桥梁受力特性，确定荷载最不利区域作为监测区域.首先在监测区域内粘贴一定数量的棋盘格标定板；然后由摄像机拍摄监测区域，并将拍摄到的视频通过网络传送到指定的服务器；最后计算机自动提取某一时刻的视频帧作为桥梁裂缝图像.当条件受限时，可用数码相机人工定期拍摄桥梁监测区域，将拍摄的图像复制到指定的服务器. 1.2 图像处理 原始的桥梁裂缝图像是真彩色 RGB 图像，而后续的桥梁裂缝识别和裂缝计算是在灰度图像上进行的，且图像中存在一定的噪声.灰度值差异是桥梁图像裂缝识别技术的
10、重要基础，也就是在裂缝处图像的灰度值会发生跳变，形成图像边缘.桥梁裂缝图像是对裂缝状态的一种可视化的定性表达，必须对图像进行灰度转化、滤波除噪、边缘检测等一系列处理，并求解出图像的像素率，才能定量地描述桥梁的裂缝状况. 1.3 裂缝计算 桥梁裂缝图像经过处理后，可在图像中拟合出裂缝的边缘，获得裂缝的像素宽、像素周长、像素面积等，然后通过像素率计算出裂缝的实际值. 2 桥梁裂缝图像处理技术 2.1 图像灰度化 本文采用式（1）将 RGB 图像转换为灰度图像： x=0.30R+0.59G+0.11B（1） 5式中 x 为灰度图像的像素值；R， G， B 分别为真彩色图像中像素的红、绿、蓝分量值.
11、2.2 灰度转换 裂缝图像灰度转换可提高图像的质量，增强图像的灰度级，常用的灰度转换方法有线性转换和直方图转换，本文采用式（2）进行线性转换.图像转换效果如图 2 所示. 式中 g（x）为转换后的灰度像素值；Tmin 和 Tmax 分别为图像中最小和最大灰度值. 从图 2 看出，线性转换较好地保留了桥梁裂缝细节，进一步拉开了裂缝与背景的灰度值差，有利于后续图像处理和裂缝识别.直方图转换使整个图像灰度分布更加均匀化，但加深了图像裂缝区域的灰度值和裂缝宽度，可能会导致计算出的裂缝宽度值与实际值的误差较大.可见，线性灰度转换能更好地处理桥梁裂缝图像. 2.3 求解图像像素率 为了满足桥梁裂缝识别的要
12、求，本文采用棋盘格角点法（如图 3 所示）计算图像的像素率.计算出棋盘格角点（边缘点除外）的像平面坐标值，求解桥梁裂缝图像的像素率，计算公式为： =D1D2（3） 式中 为图像的像素率（mm/像素） ；D1 为棋盘格中两角点间的实际距离（mm） ；D2 为棋盘格中两角点间的像素距离（像素）. 图 3 44 棋盘示意图 Fig.3 Schematic diagram of 44 checkerboard 6目前，棋盘格角点检测可分为直线检测和角点检测两类8.直线检测法是先对图像进行边缘检测，求取图像中的直线，通过两直线的交点求出棋盘格角点的像素坐标.角点检测法是基于图像灰度的检测法，考虑像素领域
13、点的灰度值变化.经查阅有关文献，能够较好地检测求解棋盘格角点像素坐标的算法有 Harris 算法8和 SV 算法9.通过试验发现，在桥梁裂缝图像中，单独使用 Harris 算法或 SV 算法，都不能完整地求解棋盘格上的角点（不含边缘点） ，而两种算法结合使用，可精确计算出棋盘格上的所有角点.图 4 是 77 棋盘格的验证实例. 从图 4 可以看出，棋盘格中共有 36 个角点（边缘点除外） ，Harris算法检测出 40 个点（27 个角点和 13 个边缘点） ，SV 算法检测出 42 个点（34 个角点和 8 个边缘点） ，Harris 和 SV 结合算法可以精确检测出棋盘格上的 36 个角点
14、. 2.4 图像滤波除噪 图像滤波一方面要有效滤除桥梁裂缝图像中的噪声，另一方面要有效保护裂缝信息，尽量减少滤波过程中对裂缝边缘的模糊，以便于后续的裂缝边缘检测.本文以实际桥梁裂缝图像为试验对象，系统分析了几种常用的图像滤波方法，并用平均像素偏差评价了各算法的滤波效果. 2.4.1 图像滤波算法 常用的图像滤波算法有平滑滤波、中值滤波和均值滤波.本文通过大量桥梁裂缝图像滤波，对平滑滤波进行了改进，研究了中值与均值结合的滤波方法. 改进的平滑滤波10将灰度图像中某像素点自身的灰度值提高至 47倍，相邻的上下左右 4 个像素点的灰度值提高至 2 倍，对角线上相邻的4 个像素点的灰度值不变，然后将
15、9 个像素的灰度值相加，除以 16 作为该像素点新的灰度值.该方法采用矩阵的形式表示为： 图 4 77 棋盘格的验证实例 Fig.4 Validate instance of 77 checkerboard 116121242121 中间的黑点表示桥梁裂缝图像中某个滤波的像素点. 中值与均值结合滤波，假设桥梁裂缝图像中像素点的灰度值分布服从 FN（， 2） 的正态分布.若像点 xi 的灰度值在-2，+2内，采用均值滤波；若像点 xi 的灰度值在-2，+2外，采用中值滤波.参数 ， 可用像素点的灰度值计算：=1NNi=1xi（4） =1NNi=1（xi-u）2（5） 式中 N 为桥梁裂缝图像中像
16、素点的总数； xi 为某像素点的灰度值. 2.4.2 滤波效果评价 为评价各种滤波算法用于桥梁裂缝图像的效果，采用平均像素偏差评价方法，先在原始桥梁裂缝灰度图像上附加了平均像素偏差为 14.495 7 的噪声，再用不同方法进行滤波，各算法的滤波效果如图 5 所示. 图 5 不同算法的滤波效果 Fig.5 The filtering effect of the different algorithms 滤波后的裂缝图像与原始灰度图（即添加噪声前的灰度图）进行比8较，像素灰度值的平均偏差越小，滤波效果越好.评价公式为： D（xi）=|P（xi）-M（xi）| （6） A=Ni=1D（xi）/N（7
17、） 式中 P（xi）为桥梁裂缝原始灰度图中某像素点的灰度值；M（xi）为滤波后图像中对应的像素点的灰度值； D（xi）为某像素点 xi 的灰度值差； A 为整幅图像的平均像素偏差. 通过计算，各种滤波方法对应的平均像素偏差见表 1. 从图 5 和表 1 可以看出，桥梁裂缝图像的滤波除噪是十分必要的，改进平滑滤波算法对桥梁裂缝灰度图像的滤波效果最明显，中值滤波和均值滤波的滤波效果基本相同，中值滤波能有效保护图像边缘，均值滤波使桥梁裂缝变得模糊，中值与均值结合的滤波方法滤波效果较差，不适合桥梁裂缝图像的滤波. 2.5 桥梁裂缝图像二值化 对于低分辨率的图像，图像滤波后仍然存在局部区域的灰度值接近裂
18、缝区域.图像二值化能将裂缝区域和背景区域分别出来，可有效提高低分辨率图像裂缝边缘检测和识别的准确度. 2.6 裂缝图像边缘检测 桥梁裂缝灰度图像中，裂缝区域较暗，灰度值较低；非裂缝区域通常较亮，灰度值较高.灰度值差异是桥梁图像裂缝识别技术的重要基础，也就是在裂缝边缘处图像的灰度值会发生跳变，形成图像边缘.边缘检测算法可识别出图像中的裂缝，用于后续的裂缝计算. 2.6.1 边缘检测算法11-12 9图像边缘检测直接影响着桥梁裂缝识别效果和后续的计算精度，文章对 Roberts 算子、Sobel 算子、Prewitt 算子、G_Laplacian 算子、Canny 算子进行了验证，各算子的边缘检测
19、结果如图 6（a）（e）所示. 2.6.2 边缘检测算法评价 为评价各算法应用于桥梁裂缝图像边缘检测的效果，手工将滤波后图像的裂缝边缘像素点标记为蓝色（0，0，255） ，并保存为样本图像（如图 6（f） ） ，再将各边缘检测算法计算的边缘像素点与标记的像素点进行逐一对比，计算其吻合度.如样本图像中某边缘像素点 xi，在边缘检测后的图像中对应的该点为白色，视为边缘检测点正确，计其吻合值为1，否则吻合值为 0.各算法的吻合度值见表 2. 某边缘检测点的吻合值 F（xi）为： F（xi）=10P（xi）=（255，255，255）P（xi）（255，255，255） （8） 图像边缘检测的吻合度
20、F 为： F=Mi=1F（xi）/M （9） 式中 M 为标记的裂缝边缘像素点总数. 试验表明，图像二值化过程使检测到的边缘点大部分位于标记点的附近领域，降低了桥梁裂缝图像边缘检测的吻合度，但吻合度在 30%以上对后续的裂缝宽度计算和各算法的评价影响较小.从表 3 看出，Sobel 算子和 G_Laplacian 算子的边缘检测吻合度较高，且非常接近.桥梁裂缝检测系统采用了 Sobel 算子进行边缘检测. 103 桥梁裂缝计算 桥梁裂缝图像经过处理后，可计算出裂缝的像素宽、像素周长、像素面积等信息.裂缝像素周长可通过统计图像中裂缝相邻边缘点的距离求得，裂缝像素面积可通过统计图像中裂缝边缘线包含
21、的像素点求得，然后通过像素率得到裂缝的实际周长和面积.裂缝宽度是桥梁检测评价的重要指标，不能直接通过统计像素点求得.本文重点研究了裂缝宽度的计算（最大裂缝宽度）. 3.1 特殊裂缝像素宽度计算 当裂缝方向为水平或垂直时，称这种裂缝为特殊裂缝.水平裂缝可通过桥梁裂缝图像每列中的最上面一个边缘检测点和最下面一个边缘检测点的位置，求出对应的裂缝像素宽，取最大值作为裂缝像素宽值.垂直裂缝的算法与水平裂缝相似. 3.2 一般裂缝像素宽度计算 通常情况下，桥梁裂缝图像中裂缝方向为不规则曲线（如图 7 所示）.经处理后的桥梁裂缝图像为 m 行 n 列的离散点像素矩阵，利用矩阵和裂缝的有关特性可计算出裂缝的像素宽度. 在裂缝图像像素矩阵中，任意一点的像素坐标可表示为（i，Z（i，k） ）的形式，i=1，2，m；k=1，2，n.假设第 k 列中最上面一个边缘检测点（即裂缝边缘点）的像素坐标为（i，Z（i，k） ），最下面一个边缘检测点的像素坐标为（j，Z（j，k） ） ，则可以得出如下公式. 裂缝垂直像素宽 P（k）：
