基于圖像處理的瀝青路面裂縫識(shí)別算法研究

魏海斌，武少威，張啟帆，王叢征，朱厚達(dá)，強(qiáng)德娟

(吉林大學(xué) 交通學(xué)院,吉林 長(zhǎng)春 130022)

瀝青路面是中國(guó)目前公路建設(shè)中使用最多的一種高級(jí)路面，隨著公路里程的增加和使用時(shí)間的延長(zhǎng)，公路的檢查及養(yǎng)護(hù)工作勢(shì)必愈加繁重。對(duì)路面來(lái)說(shuō)，裂縫是最嚴(yán)重的病害之一。傳統(tǒng)的人工檢測(cè)效率、精度低，且存在安全隱患，不適應(yīng)快速發(fā)展的路面養(yǎng)護(hù)需求。數(shù)字圖像處理技術(shù)經(jīng)不斷發(fā)展已經(jīng)被用于裂縫識(shí)別中，許多學(xué)者研究路面裂縫圖像噪聲的處理，將傳統(tǒng)濾波去噪算法應(yīng)用到路面裂縫圖像中，但缺乏對(duì)去噪的同時(shí)保留裂縫細(xì)節(jié)的研究。孫波成提出全局閾值與動(dòng)態(tài)閾值相結(jié)合的分割算法，但光線條件差時(shí)，集料間縫隙的灰度值與主裂縫灰度值十分相近，容易出現(xiàn)誤判。另外，許多研究主要集中在裂縫的形態(tài)識(shí)別與分類(lèi)，沒(méi)有對(duì)寬度識(shí)別及算法精確度進(jìn)行驗(yàn)證。

該文針對(duì)瀝青路面裂縫，深入研究濾波去噪算法的選擇、邊緣檢測(cè)算法的選擇以及裂縫區(qū)域與噪聲區(qū)域的區(qū)分算法。另外，用自制的兩個(gè)距離恒定的白色圓形儀器計(jì)算放大倍率，從而由裂縫像素寬得到裂縫計(jì)算寬。利用Matlab編制程序，用吻合度以及相對(duì)誤差對(duì)算法的精確度進(jìn)行驗(yàn)證。

1 瀝青路面裂縫圖像處理技術(shù)

瀝青路面裂縫的識(shí)別與橋梁裂縫、水泥路面裂縫識(shí)別最大的不同在于圖像中對(duì)于瀝青混合料中集料縫隙帶來(lái)的噪聲的處理。數(shù)字圖像處理大都基于灰度圖像，集料縫隙灰度值與主裂縫灰度值相近，對(duì)瀝青路面裂縫提取產(chǎn)生很大的干擾。該文主要介紹在使主裂縫被準(zhǔn)確提取的前提下盡量減少噪聲的算法。

1.1 圖像灰度化

由數(shù)碼相機(jī)拍出的照片大部分為RGB三色圖像，每個(gè)像素點(diǎn)包含了3種色彩信息，而灰度圖像中每個(gè)像素點(diǎn)僅包含取值范圍為[0，255]的一種亮度信息。彩色圖像到灰度圖像的轉(zhuǎn)換，又稱(chēng)灰度化，是一個(gè)降維問(wèn)題。將RGB圖像轉(zhuǎn)換為灰度圖像有利于對(duì)數(shù)字圖像進(jìn)行處理。

目前常用的基于函數(shù)的灰度化算法有簡(jiǎn)單法、直接法等。其中簡(jiǎn)單法僅計(jì)算RGB的均值作為灰度值，即Y=(R+G+B)/3；而直接法是使用權(quán)重替代簡(jiǎn)單的求平均的方法，目前最常用的計(jì)算方法為Y=0.30R+0.59G+0.11B，其視覺(jué)效果更接近原圖，如圖1所示。

圖1 圖像灰度化效果

1.2 圖像灰度直方圖均衡化

直方圖均衡化拉大圖像的對(duì)比度并在視覺(jué)上達(dá)到明顯增強(qiáng)的效果,使一些原本不易觀察到的細(xì)節(jié)能變得清晰可辨，有利于后續(xù)對(duì)裂縫細(xì)節(jié)的提取。

直方圖均衡化處理的中心思想是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，得到的結(jié)果如圖2所示。

圖2 灰度直方圖均衡化效果圖

由圖2可以看出：經(jīng)過(guò)直方圖均衡化后的圖像中裂縫更明顯、顏色更深、易于提取，但同時(shí)也造成了集料縫隙更加明顯、對(duì)裂縫的提取造成干擾。

1.3 線性灰度變換

為了去除圖像中集料縫隙帶來(lái)的噪聲，凸顯主裂縫，可以采用線性灰度變換的方法。線性灰度變換可以拉伸特征目標(biāo)的灰度細(xì)節(jié),相對(duì)抑制不感興趣的背景灰度級(jí)?？梢圆捎梅侄尉€性法，通常利用三段線性變換。采用式(1)表達(dá)像素的灰度映射關(guān)系：

(1)

式中：α、β、γ為三段折線的斜率，其函數(shù)圖像見(jiàn)圖3。

圖3 線性灰度變換的函數(shù)圖像

圖3中：橫軸為變換前圖像的灰度，縱軸則為變換后的灰度，橫軸的灰度按照?qǐng)D示折線的方式投影到縱軸上。變換前灰度介于區(qū)間(fa，fb)的像素在變換后介于區(qū)間(ga，gb)，灰度區(qū)間變長(zhǎng)，即在圖像中得到了凸顯。同理，區(qū)間(0，fa)及(fb，255)則被壓縮，相應(yīng)的像素點(diǎn)在圖像中變得不那么明顯。

對(duì)于瀝青路面裂縫圖片，由于裂縫處顏色最深，故為了更好地保留裂縫信息，可以將fa、fb的值在不丟失信息的前提下選得盡量小。為實(shí)現(xiàn)fa、fb值的自動(dòng)選取，可采用最小誤差等方法。

圖1中，可以選擇fa為0、fb為55，變換效果如圖4所示。圖4中，線性灰度變換可以有效地去除集料帶來(lái)的噪聲，同時(shí)又能較為完整地保留裂縫信息。

圖4 線性灰度變換效果圖

1.4 濾波去噪

在圖像處理過(guò)程中，噪聲的存在會(huì)嚴(yán)重影響到圖像處理的結(jié)果。由于瀝青路面表面并不平整，其表面布滿集料的特性使得濾波去噪在圖像處理過(guò)程中尤為重要。濾波去噪有許多種算法，參數(shù)的選擇也不相同，下面分別對(duì)算法和參數(shù)進(jìn)行選擇。

1.4.1 濾波算法的確定

分別應(yīng)用維納濾波、均值濾波、中值濾波3種降噪算法對(duì)圖4(b)進(jìn)行處理，得到圖像如圖5所示。

對(duì)比圖5，維納濾波處理后噪點(diǎn)得到了明顯的控制，但是許多噪點(diǎn)之間連通起來(lái)使圖像模糊，可能會(huì)使主裂縫區(qū)域也變得模糊進(jìn)而導(dǎo)致后續(xù)裂縫寬度測(cè)量產(chǎn)生較大誤差；均值濾波效果不明顯；中值濾波能較好控制噪點(diǎn)且不使圖像模糊。因此，選擇中值濾波。

1.4.2 卷積模板大小的確定

濾波算法遍歷圖片中的每一像素，并給出所處理的像素一個(gè)卷積模板，該模板是一個(gè)以該像素為中心的長(zhǎng)m=2a+1、寬n=2b+1的長(zhǎng)方形，常用卷積模板示意圖見(jiàn)圖6，圖中每一個(gè)正方形格代表一個(gè)像素點(diǎn)。

不同的濾波算法給出卷積模板中的每個(gè)像素點(diǎn)的像素值不同的權(quán)重從而重新計(jì)算中心像素(圖中黑色像素)新的灰度值。即經(jīng)濾波算法處理的像素綜合考慮其鄰域像素的灰度值，而選擇的卷積模板越大時(shí)去噪效果越強(qiáng)，但是也會(huì)帶來(lái)圖像模糊的問(wèn)題。

圖5 濾波算法效果對(duì)比圖

圖6 卷積模板示意圖

另外，濾波處理圖像的質(zhì)量評(píng)價(jià)主要有客觀評(píng)價(jià)與主觀評(píng)價(jià)兩種，客觀評(píng)價(jià)是計(jì)算濾波算法處理后的逼真度、信噪比等參數(shù)從而評(píng)判濾波算法的優(yōu)劣；而主觀評(píng)價(jià)是通過(guò)肉眼直接觀察，和人的視覺(jué)系統(tǒng)特性有關(guān)。在該文中，圖像中由路面集料帶來(lái)的陰影為主要噪聲，而并不是整幅圖像均存在噪聲，故不能利用客觀評(píng)價(jià)將圖像中所有的點(diǎn)做同樣的計(jì)算。因此，利用主觀評(píng)價(jià)，找到一個(gè)既不使瀝青路面主裂縫變模糊，又能很好地去除集料帶來(lái)噪聲的臨界卷積模板大小(圖7)。

圖7 不同大小卷積模板對(duì)處理效果的影響

由圖7可以看出：隨著卷積模板大小的增長(zhǎng)，去噪效果越好，但是主裂縫的邊緣也變得模糊。通過(guò)觀察，發(fā)現(xiàn)7×7卷積模板能較好地作為臨界卷積模板。

1.5 邊緣檢測(cè)

在圖像中有許多點(diǎn)的梯度幅值比較大，邊緣就是圖像中灰度發(fā)生急劇變化的區(qū)域邊界，通過(guò)檢索圖像灰度梯度的方法確定圖像邊緣。

邊緣檢測(cè)算子有多種,該文選取3種常見(jiàn)的算子：Roberts算子、Prewitt算子以及Sobel算子，各算子處理效果及比較見(jiàn)后文。

1.6 提取主裂縫區(qū)域

由于圖像裂縫識(shí)別都是基于灰度值差異，灰度的高低將影響裂縫的識(shí)別效果。在拍照時(shí)照明條件不好的情況下，可能會(huì)出現(xiàn)集料間縫隙的灰度值與路面裂縫的灰度值極為相近的情況。

在1.4節(jié)中，使用濾波去噪可以有效地減少集料間縫隙的噪點(diǎn)，但為了不致使裂縫模糊而不能準(zhǔn)確地計(jì)算其寬度，并不能選用過(guò)大的卷積模板。但是，選用不大的卷積模板意味著集料間的縫隙不能夠完全過(guò)濾掉，這樣，按上述算法識(shí)別出的裂縫可能包含集料縫隙，對(duì)于低分辨率圖像尤為明顯。

經(jīng)過(guò)邊緣檢測(cè)后，利用拉普拉斯銳化算法將邊緣檢測(cè)后不連續(xù)的臨近像素點(diǎn)連通、連通邊緣填充等算法，可以得到圖8(a)。圖片中的白色區(qū)域既有主裂縫區(qū)域，又有集料縫隙區(qū)域。區(qū)分這兩種區(qū)域可以采用簡(jiǎn)單的區(qū)域面積區(qū)分法、區(qū)域圓形度區(qū)分法、外接橢圓區(qū)分法等，也可進(jìn)一步研究采用神經(jīng)網(wǎng)絡(luò)對(duì)區(qū)域進(jìn)行區(qū)分。該文采用區(qū)域面積區(qū)分，可以得到較好的效果。

由于集料間的縫隙較小，故識(shí)別后的二值圖像其面積也較小。通過(guò)統(tǒng)計(jì)各區(qū)域的面積，得到結(jié)果如圖9所示。從圖9可以看出：在圖像的940個(gè)白色區(qū)域中，99.5%的區(qū)域面積小于1 000像素，為集料間的縫隙；而僅有5個(gè)區(qū)域的面積大于1 000像素，為路面的主裂縫。利用二者面積較大差別的特性，可以通過(guò)過(guò)濾小面積區(qū)域，得到瀝青路面主裂縫的圖像，如圖8(b)所示。

圖8 提取主裂縫效果

圖9 區(qū)域面積統(tǒng)計(jì)

1.7 邊緣檢測(cè)算法比較

濾波去噪后的圖像，分別經(jīng)Roberts算子、Prewitt算子、Sobel算子邊緣檢測(cè)，后經(jīng)銳化、連通區(qū)域填充、去除小面積算法得到圖10。

由圖10可以看出：3種算子處理效果僅在細(xì)節(jié)上不同，為了更好地衡量與對(duì)比處理效果，提出一種計(jì)算吻合度的方法。

將濾波去噪后的圖像[圖7(c)]經(jīng)過(guò)人工處理提取出的裂縫圖像如圖10(d)所示，并以此圖作為標(biāo)準(zhǔn)圖片，計(jì)算3種邊緣檢測(cè)算子與標(biāo)準(zhǔn)圖片的吻合度，用于衡量邊緣檢測(cè)算子的效果。設(shè)標(biāo)準(zhǔn)圖片為A(i,j)，經(jīng)邊緣檢測(cè)算法得到的圖像為B(i,j)，又由于在二值化圖像中，白色像素點(diǎn)值為1，黑色像素點(diǎn)值為0，則吻合度P按式(2)計(jì)算：

(2)

分別計(jì)算3種算子吻合度，結(jié)果如表1所示。3種算子吻合度均在90%以上，表明3種算子均可較為精確地提取出裂縫，其中采用Roberts算子進(jìn)行邊緣檢測(cè)效果最好。吻合度高意味著與標(biāo)準(zhǔn)圖片的像素點(diǎn)重合度大，保證了邊緣檢測(cè)的準(zhǔn)確性，為后續(xù)的裂縫寬度計(jì)算提供了精度保證。

圖10 邊緣檢測(cè)效果對(duì)比圖

表1 邊緣檢測(cè)算子吻合度

2 裂縫寬度計(jì)算

2.1 裂縫像素寬度計(jì)算

提出一種計(jì)算橫縫、縱縫及斜向裂縫像素寬度的算法。對(duì)于多數(shù)裂縫，可以用向坐標(biāo)軸投影等方法判斷出裂縫種類(lèi)，并可將圖片分割成為橫縫、縱縫及斜向裂縫的組合。

裂縫的二值化圖像實(shí)際上是一個(gè)由0、1構(gòu)成的二維數(shù)組，利用循環(huán)語(yǔ)句可以遍歷圖像中每一點(diǎn)。第i行、第k列像素的坐標(biāo)可表示為(i,k)，其中i=1,2,3,…;k=1,2,3,…。

寬度計(jì)算(圖11)時(shí)，首先遍歷第k列的像素點(diǎn)，找出裂縫上下邊緣點(diǎn)對(duì)應(yīng)的行數(shù)M(k)、N(k)，則可計(jì)算某一列裂縫垂直像素寬(上下邊緣之間的像素點(diǎn)個(gè)數(shù))為：

圖11 裂縫寬度計(jì)算

A(k)=M(k)-N(k)

(3)

計(jì)算第k列像素的上邊緣傾角θ1(k)，找出第k-1列、第k+1列上邊緣像素點(diǎn)M(k-1)、M(k+1)，計(jì)算式為：

(4)

同理，下邊緣傾角為：

(5)

大部分裂縫上下邊緣傾角不同，其軸線傾角(裂縫走向)可近似由下式計(jì)算：

(6)

第k列像素的裂縫像素寬近似為:

B(k)=A(k)×cosθ(k)

(7)

遍歷圖片的各列像素，記錄各列中最大的裂縫像素寬，當(dāng)做裂縫的像素寬B。記錄最大裂縫像素寬出現(xiàn)的位置kmax，并將用于下文中與人工檢測(cè)得到的裂縫實(shí)際寬進(jìn)行對(duì)比。

2.2 計(jì)算圖片與實(shí)際寬度間的放大倍率η

采用檢測(cè)兩圓圓心的方法來(lái)得到實(shí)測(cè)裂縫寬度與照片中裂縫像素寬度的比例大小，即放大倍率η。自制儀器如圖12所示，白色圓形的直徑為40 mm，兩圓心間距保持D=100 mm不變，并用黑色桿件固定。

圖12 放大倍率計(jì)算

將上述儀器固定在路面上，用照相機(jī)對(duì)路面裂縫照片進(jìn)行采集。經(jīng)過(guò)圖像處理得到二值化圖片后，識(shí)別圖中兩白色圓形及兩圓圓心坐標(biāo)(X1,Y1)、(X2,Y2),則兩圓心的像素距離為:

(8)

(9)

式中：η為放大倍率(mm/像素)。

2.3 裂縫計(jì)算寬

裂縫計(jì)算寬按下式計(jì)算：

C=η×B

(10)

式中：B為裂縫像素寬(像素)；C為裂縫計(jì)算寬(mm)。

3 算法驗(yàn)證

利用Matlab編制程序，采用上述算法，并選擇合適的參數(shù)，選取1.5～10 mm寬度的20條裂縫進(jìn)行算法的驗(yàn)證，結(jié)果如表2所示。

由表2可知:各圖片中裂縫的吻合度均在90%以上，即各寬度的裂縫均能被準(zhǔn)確地提取。在20條不同的裂縫中，誤差較為穩(wěn)定，算法通用性較強(qiáng)：裂縫寬度在5 mm以上時(shí)，相對(duì)誤差可控制在5%以內(nèi)；裂縫寬度為2～5 mm時(shí)，相對(duì)誤差可控制在10%以內(nèi)；但裂縫寬度小于2 mm時(shí)，相對(duì)誤差為20%左右。裂縫寬度小于2 mm時(shí)誤差較大主要是因?yàn)閷?shí)際寬度是由游標(biāo)卡尺內(nèi)測(cè)量爪測(cè)得的，寬度過(guò)小內(nèi)測(cè)量爪不能夠卡緊裂縫內(nèi)壁從而造成實(shí)際裂縫寬有較大誤差。根據(jù)JTG H20-2007《公路技術(shù)狀況評(píng)定標(biāo)準(zhǔn)》，不規(guī)則裂縫、縱縫、橫縫的主要縫寬小于3 mm時(shí)，瀝青路面裂縫級(jí)別為輕。故該文介紹的算法不會(huì)對(duì)不規(guī)則裂縫、縱縫、橫縫引起的瀝青路面破損狀況造成誤判。

4 結(jié)論

為了提高瀝青路面裂縫識(shí)別的速度及精度，該文研究了瀝青路面裂縫的識(shí)別以及寬度計(jì)算算法?？傻萌缦陆Y(jié)論:

表2 計(jì)算機(jī)計(jì)算與人工測(cè)量的誤差比對(duì)

(1) 集料縫隙在灰度圖像中的灰度級(jí)與主裂縫灰度級(jí)相似，給裂縫照片帶來(lái)很大的噪聲，是瀝青路面裂縫提取的難點(diǎn)。

(2) 圖像處理算法中，濾波去噪算法需在主裂縫不變模糊的前提下盡量減小集料縫隙帶來(lái)的噪聲，采用7×7卷積模板的中值濾波能夠較好地滿足要求，結(jié)合去除小面積算法可以比較徹底地去除噪聲。Roberts邊緣檢測(cè)算子處理得到的圖片吻合度最高。

(3) 采用檢測(cè)兩圓圓心的方法得到實(shí)測(cè)裂縫寬度與照片中裂縫像素寬度的比例大小，為正攝影圖片的放大倍率計(jì)算提供了簡(jiǎn)便精確的方法。

(4) 采用Matlab編程檢驗(yàn)該文算法，大部分裂縫均能較為準(zhǔn)確地識(shí)別，但裂縫寬度小于2 mm時(shí)，受限于路面裂縫測(cè)量?jī)x器的精確性，會(huì)產(chǎn)生20%左右的相對(duì)誤差。