基于MATLAB的道路裂縫識(shí)別研究

康世英 聶維

摘要：提出一種基于MATLAB的道路裂縫識(shí)別方法，在對(duì)道路裂縫圖像灰度化的基礎(chǔ)上，利用最大類間方差法提取可能存在的道路裂縫，再對(duì)圖像進(jìn)行形態(tài)學(xué)操作，去除圖像中的非裂縫區(qū)域，最后用凸包對(duì)裂縫區(qū)域進(jìn)行標(biāo)識(shí)，得到圖像中實(shí)際存在的裂縫區(qū)域。在采集到的道路裂縫圖像的實(shí)驗(yàn)結(jié)果表明，提出的方法可以準(zhǔn)確地標(biāo)注道路裂縫。

關(guān)鍵詞：圖像處理;道路裂縫;OTSU;裂縫提取

中圖分類號(hào)： TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）30-0191-03

Abstract： A road crack recognition method based on MATLAB is proposed. On the basis of road crack image graying， the possible road cracks are extracted by OTSU method， and then the non crack areas in the image are removed by morphological operation on the image. Finally， the crack area is identified by convex hull， and the actual crack area in the image is obtained. The experimental results demonstrated that the crack can be labeled in the proposed method.

Key words： image processing， road crack， OTSU， crack extraction

21世紀(jì)以來(lái)，隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展，關(guān)系到整個(gè)國(guó)民經(jīng)濟(jì)及人民生活的重要物理設(shè)施之一的道路交通也展開了大規(guī)模的建設(shè)。道路面積的大幅增長(zhǎng)同時(shí)帶來(lái)了相關(guān)的道路養(yǎng)護(hù)問(wèn)題。這些問(wèn)題最初可能只是一條小小的裂縫，但是如果沒有得到及時(shí)修繕，隨著時(shí)間的推移，小問(wèn)題可能會(huì)變得無(wú)法簡(jiǎn)單修補(bǔ)，甚至于帶來(lái)不必要的災(zāi)難，給人類、物資帶來(lái)不可挽回的損失。近幾年來(lái)，道路裂縫的檢測(cè)和識(shí)別技術(shù)已經(jīng)得到了較為廣泛地應(yīng)用，然而如何快速、準(zhǔn)確地地檢測(cè)出道路可能存在的裂縫仍是數(shù)字圖像領(lǐng)域研究的熱點(diǎn)。

1 研究現(xiàn)狀

國(guó)外經(jīng)濟(jì)的穩(wěn)步推進(jìn)為數(shù)字圖像處理的發(fā)展從軟、硬件雙方面提供了有力支撐，因此，國(guó)外關(guān)于數(shù)字圖像處理技術(shù)發(fā)展得比較早，并且在道路裂縫智能檢測(cè)上也取得了一定的研究成果，如有學(xué)者提出了基于最短路徑選擇的模型方法[1]。國(guó)內(nèi)關(guān)于道路裂縫的檢測(cè)從最初的基于人工或計(jì)算機(jī)輔助的半人工檢測(cè)狀態(tài)，到現(xiàn)在的智能路面檢測(cè)系統(tǒng)的研究，可以看出也取得了一定的成績(jī)，如有學(xué)者提出關(guān)于自適應(yīng)的無(wú)監(jiān)督裂紋檢測(cè)的方法[2]，還有學(xué)者提出的深度卷積神經(jīng)網(wǎng)絡(luò)模型的分析方法[3]等，但在道路裂縫自動(dòng)化檢測(cè)與識(shí)別方面仍然有很大的空間，需要進(jìn)一步研究改進(jìn)。

2道路裂縫圖像預(yù)處理

基于MATLAB的道路裂縫識(shí)別過(guò)程中，一方面需要確定是否有裂縫，另一方面需要對(duì)確定的裂縫進(jìn)一步檢測(cè)和標(biāo)記。在獲取到含有道路裂縫的原始圖像之后，首先需要對(duì)道路裂縫圖像進(jìn)行預(yù)處理，具體包括：圖像灰度化、二值化、濾波、形態(tài)學(xué)處理等，使圖像質(zhì)量提高之后進(jìn)一步進(jìn)行裂縫定位、分割提取裂縫及標(biāo)記裂縫等。

本次研究的所有實(shí)驗(yàn)均在MATLAB R2014a下完成。

2.1 圖像灰度化

通過(guò)圖像采集設(shè)備采集到的道路裂縫圖像通常是RGB彩色圖像，這種圖像由紅（R）、綠（G）、藍(lán)（B）三個(gè)顏色通道的顏色疊加而成，圖像中每個(gè)像素的RGB分量都是分布在[0， 255]之間的一個(gè)值。圖像灰度化則是將每個(gè)像素都只用一個(gè)通道分派[0， 255]之間的強(qiáng)度值。圖像灰度化能夠屏蔽一些無(wú)關(guān)信息造成的干擾，使得后續(xù)的圖像處理更方便，得到的結(jié)果更準(zhǔn)確，而且轉(zhuǎn)換成灰度圖之后，因?yàn)閷?duì)圖像的操作元素減少，所以圖像處理的速度會(huì)有一定的提升。常用的圖像灰度化方法有以下幾種：

（1）最大值法

最大值法是將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值，計(jì)算方法如公式（1）所示：

2.2 圖像二值化

對(duì)道路裂縫圖像進(jìn)行灰度化處理之后，接下來(lái)需要對(duì)圖像做進(jìn)一步處理，即提取裂縫，因此需要引入合適的分割算法提取裂縫區(qū)域。提取裂縫區(qū)域?qū)儆趫D像分割的范疇，就是將一幅數(shù)字圖像分割成不同的區(qū)域，在同一區(qū)域內(nèi)具有在一定準(zhǔn)則下可認(rèn)為是相同的性質(zhì)，如灰度、顏色等。本實(shí)驗(yàn)中的裂縫就屬于某種條件下的同一區(qū)域，因此可以采用圖像分割技術(shù)中的基于閾值的分割技術(shù)來(lái)提取裂縫。由于圖像中的目標(biāo)裂縫和背景差距較為明顯，本實(shí)驗(yàn)中采用圖像二值化的方法分割裂縫。

圖像二值化的方法有全局閾值法和局部閾值法。全局閾值法是在整個(gè)圖像中采用同一個(gè)閾值對(duì)圖像進(jìn)行二值化，將灰度化的圖像中的像素值大于這個(gè)閾值的像素置1、小于這個(gè)閾值的像素置0[4-5]。

圖像全局閾值二值化有很多方法，本實(shí)驗(yàn)中采用OTSU法、即最大類間方差法對(duì)圖像進(jìn)行二值化。這種算法可以自適應(yīng)求得圖像分割閾值，根據(jù)這個(gè)閾值將圖像分為兩部分，能夠使類間方差最大的這個(gè)閾值就是用來(lái)分割圖像的閾值。具體原理如下：

2.3圖像連通域標(biāo)記與篩選

圖像二值化后，目標(biāo)區(qū)域?yàn)楹谏?，背景區(qū)域?yàn)榘咨?。通過(guò)觀察二值化后的道路裂縫圖像，可以看出，圖像中的裂縫區(qū)域已經(jīng)比較清晰，但由于在采集到的原始圖像局部存在顏色較深的斑點(diǎn)，導(dǎo)致二值化后的圖像中仍然存在大小不一的黑色斑點(diǎn)。盡管利用傳統(tǒng)的濾波方法可以去除部分斑點(diǎn)，但是由于濾波算法是對(duì)整個(gè)圖像進(jìn)行的，會(huì)干擾到目標(biāo)裂縫區(qū)域，因此需要采用其他方法去除斑點(diǎn)。

本實(shí)驗(yàn)中，采用對(duì)二值化得到的圖像直接進(jìn)行連通域標(biāo)記，然后刪除部分小面積的連通域的方法來(lái)去除圖像中的斑點(diǎn)。所謂連通域標(biāo)記，是指對(duì)屬于同一個(gè)連通區(qū)域的所有像素分配相同的編號(hào)，對(duì)不同的連通區(qū)域分配不同的編號(hào)。通過(guò)連通域標(biāo)記，可以使二值圖像每一個(gè)連通區(qū)域擁有獨(dú)立的編號(hào)。實(shí)驗(yàn)中我們采用bwlabeln（）函數(shù)進(jìn)行連通區(qū)域的標(biāo)記操作，它支持任意維數(shù)的二值圖像。為了盡可能去除小面積的連通區(qū)域，本次實(shí)驗(yàn)采用4-連通類型進(jìn)行標(biāo)記，并用regionprops（）函數(shù)計(jì)算連通域的面積，同時(shí)對(duì)圖像中連通域的面積進(jìn)行了篩選。實(shí)驗(yàn)中分別測(cè)試了刪除面積小于10、20、30和40個(gè)像素連通區(qū)域。為了效果更明顯，在連通域標(biāo)記前對(duì)圖像進(jìn)行了取反操作，num分別取值10、20、30和40，具體實(shí)現(xiàn)代碼如下：

2.4 圖像數(shù)學(xué)形態(tài)學(xué)處理

經(jīng)過(guò)連通域標(biāo)記、刪除小面積連通區(qū)域的操作后，盡管圖像中只保留了裂縫區(qū)域，但是裂縫區(qū)域形態(tài)不夠理想，下面將對(duì)圖像進(jìn)行形態(tài)學(xué)處理以便更好地恢復(fù)裂縫形態(tài)。圖像數(shù)學(xué)形態(tài)學(xué)又稱圖像代數(shù)，是一種傳統(tǒng)的圖像分析方法[6]。其主要思想是：設(shè)定一個(gè)特定的結(jié)構(gòu)元素，用這個(gè)結(jié)構(gòu)元素遍歷整個(gè)圖像，提取與該結(jié)構(gòu)元素一樣的形態(tài)，再做后續(xù)的分析處理。

數(shù)學(xué)形態(tài)學(xué)運(yùn)算有四個(gè)最基本的操作，即：腐蝕、膨脹、開運(yùn)算以及閉運(yùn)算。其中，膨脹是對(duì)二值化物體邊界點(diǎn)向外部擴(kuò)張的過(guò)程，它將與物體接觸的所有背景點(diǎn)都合并到該物體中，它的效果是“生長(zhǎng)”或“粗化”一幅二值圖像中的目標(biāo)。因此，如果兩個(gè)物體之間的距離較近，則膨脹運(yùn)算可能會(huì)把兩個(gè)物體之間的空洞連通到一起。

2.5 裂縫區(qū)域標(biāo)記

道路裂縫一般可以分為線性裂縫和非線性裂縫，非線性裂縫一般指網(wǎng)狀裂縫，這種裂縫的參數(shù)主要是它的分布面積。目前計(jì)算網(wǎng)狀裂縫分布面積使用較普遍的方法就是求網(wǎng)狀裂縫的外界矩形——這種方式求出的近似分布面積在裂縫某些部位較為突出的情況下會(huì)遠(yuǎn)大于實(shí)際分布面積。為了更精確地計(jì)算裂縫分布面積，本實(shí)驗(yàn)中對(duì)網(wǎng)狀裂縫分布面積的計(jì)算是計(jì)算目標(biāo)像素點(diǎn)的凸包，利用凸包的面積來(lái)近似代替網(wǎng)狀裂縫的分布面積。

3 總結(jié)

本實(shí)驗(yàn)通過(guò)計(jì)算機(jī)處理圖像的方法對(duì)采集到的道路裂縫圖像進(jìn)行處理，最終將圖像中的裂縫區(qū)域定位、標(biāo)記，可以更加方便、快捷地發(fā)現(xiàn)道路裂縫的問(wèn)題，便于對(duì)其進(jìn)行及時(shí)的修繕處理，節(jié)省了人工成本，提高了效率，可以解決很多潛在的安全隱患。另一方面，在實(shí)際應(yīng)用過(guò)程中，可以添加不同的步驟實(shí)現(xiàn)裂縫識(shí)別，例如由于圖像采集的環(huán)境不同，在采集到的圖像可能會(huì)有不同程度的噪聲，可以根據(jù)實(shí)際情況在預(yù)處理的步驟中添加濾波操作;如果采集到的圖像有陰影，在圖像二值化的過(guò)程中，可以考慮采用局部閾值的方法進(jìn)行二值化，以便凸顯不同區(qū)域的裂縫;如果圖像中存在大小不一的斑點(diǎn)，可以考慮刪除不同面積的連通域以便得到效果更好的目標(biāo)圖像等。

參考文獻(xiàn)：

[1] Amhaz R，Chambon S，Idier J，et al.Automatic crack detection on two-dimensional pavement images：an algorithm based on minimal path selection[J].IEEE Transactions on Intelligent Transportation Systems，2016，17（10）：2718-2729.

[2] 程豐.基于計(jì)算機(jī)視覺的路面裂紋檢測(cè)研究[D].北京：北京交通大學(xué)，2018.

[3] 柏嘉洛.基于深度學(xué)習(xí)的端到端道路裂縫檢測(cè)技術(shù)研究[D].武漢：華中科技大學(xué)，2019.

[4] 王鑫，齊建玲，趙振.基于圖像處理路面裂縫自動(dòng)化檢測(cè)及識(shí)別關(guān)鍵問(wèn)題研究[J].北華航天工業(yè)學(xué)院學(xué)報(bào)，2015，25（2）：26-28.

[5] 沈海洋.基于改進(jìn)Retinex的圖像增強(qiáng)算法[J].微型電腦應(yīng)用，2019，35（6）：144-146.

[6] 馬常霞，趙春霞，胡勇，等.結(jié)合NSCT和圖像形態(tài)學(xué)的路面裂縫檢測(cè)[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2009，21（12）：1761-1767.

【通聯(lián)編輯：唐一東】