基于機器視覺的混凝土裂縫檢測中預(yù)處理綜述

吳 涵， 王 睿， 周春寧

(四川師范大學(xué)工學(xué)院，四川成都 610068)

[通信作者]王睿(1988—)，女，博士，講師，主要從事土木工程教學(xué)工作。

混凝土是土木工程施工中最為常見的材料，而由于施工技術(shù)問題，后期環(huán)境因素等原因?qū)е禄炷翗?gòu)件產(chǎn)生裂縫。在對混凝土裂縫修復(fù)之前需對裂縫進(jìn)行檢測，相對于成本較高、效率低下、精確性低的人工檢測，基于機器視覺的混凝土裂縫檢測系統(tǒng)的優(yōu)越性顯得十分明顯?；炷亮芽p經(jīng)過機器采集后的數(shù)字圖像由于機器處理的偏差、傳送帶不穩(wěn)定、人為操作引起的誤差等因素而導(dǎo)致圖像模糊、亮度不均等問題。圖像預(yù)處理是解決上述圖像問題的常用方法，也是裂縫識別分析前的重要步驟。

本文通過預(yù)處理的圖像灰度化、圖像增強、圖像去噪3個部分展開敘述。其中，圖像去噪和圖像增強都是為了提高圖像質(zhì)量，突出裂縫部分與背景之間的差異，兩者沒有嚴(yán)格的區(qū)分界限[1]。本文收集整理了現(xiàn)行較為常用方法，通過對比得出各種方法的實用性與優(yōu)缺點，僅為其他進(jìn)行圖像預(yù)處理學(xué)習(xí)研究的專家學(xué)者提供參考。

1 圖像灰度化

檢測系統(tǒng)采集得到的原始數(shù)字圖像通常是RGB彩色圖像，RGB彩色圖像是由三原色紅(Red)、綠(Green)、藍(lán)(Blue)構(gòu)成，每種色彩共有256(0～255)個灰度級組成。因此RGB圖像數(shù)據(jù)較大且圖像數(shù)量大，占用過多內(nèi)存，會影響識別速度。此外，裂縫區(qū)域相對于背景在色彩深度方面本身有較大的差異、因此可對圖像進(jìn)行灰度化處理。經(jīng)灰度化處理后的圖像能極大減小圖像所占內(nèi)存，大大提高后續(xù)處理速度。將彩色圖像轉(zhuǎn)為灰度圖像有多種方法，本節(jié)主要介紹現(xiàn)行常見的5種灰度化處理方法。具體方法及公式如表1所示。

在上表所示的方法中，因為加權(quán)平均法原理更為貼切人眼對綠色的敏感最高，對藍(lán)色敏感最低的特性，所以此方法綠色分量值占據(jù)較大權(quán)重、藍(lán)色分量值占據(jù)較小權(quán)重，在灰度化處理中較為常用。且在文獻(xiàn)[3、7、9、12]中均通過對比試驗得出經(jīng)加權(quán)平均法處理后的混凝土裂縫圖像效果較好。

圖1為經(jīng)不同灰度化方法處理前后對比圖像[7]。

2 圖像增強

裂縫圖像在經(jīng)灰度化處理后雖然圖像信息簡化，內(nèi)存明顯壓縮，但是存在裂縫邊緣不清晰的現(xiàn)象。為解決這一問題，

表1 灰度化處理方法原理及公式

圖1 不同灰度化方法處理前后對比

通過對灰度化處理的圖像進(jìn)行圖像增強處理，使圖像對比度增強、使裂縫更容易被辨識，方便進(jìn)行裂縫識別。本文總結(jié)了現(xiàn)行較為常見的4種圖像增強方法。

2.1 線性變換

線性變換是通過線性函數(shù)將圖像的灰度變化區(qū)域擴展到指定區(qū)域或整個灰度區(qū)域的一種圖像增強方法。他利用線性單值函數(shù)對圖像的每個像素的灰度進(jìn)行逐一修改，擴大了灰度的動態(tài)范圍，提高了圖像的灰度級，增強裂縫特征。如式(1)所示。

(1)

式中：f(x,y)指的是原始圖像矩陣，[a,b]指的是原圖像灰度值范圍；g(x,y)指的是經(jīng)增強后的圖像，[s,t]指的是經(jīng)增強后的圖像的灰度值范圍。

線性變換針對曝光不足、曝光過度和非線性等原因造成的低對比度圖像，有較好的灰度增強效果[7]。

2.2 分段線性變換

分段線性變換相對于線性變化的區(qū)別在于分段線性變換不是直接對整個圖像灰度區(qū)域進(jìn)行處理，而是將原圖像的灰度區(qū)域分成若2段及以上段數(shù)分別作線性變換的方法。如式(2)所示。

(2)

分段線性變換圖像增強算法的優(yōu)勢主要在于可進(jìn)行細(xì)節(jié)處理，即根據(jù)對目標(biāo)區(qū)域的需求不同而進(jìn)行灰度細(xì)節(jié)處理，例如增強背景與目標(biāo)區(qū)域的對比度、弱化非目標(biāo)區(qū)域。但其缺點在于參數(shù)的調(diào)節(jié)方面存在較強的主觀性，必須通過不斷調(diào)節(jié)參數(shù)才能獲得較好的增強效果。因此效率較低，不適用于快速圖像檢測系統(tǒng)中[2]。

2.3 非線性變換

非線性變換是利用冪函數(shù)、對數(shù)函數(shù)等非線性函數(shù)對圖像進(jìn)行處理，從而達(dá)到圖像增強的效果。對數(shù)變換一般的對數(shù)變換表達(dá)式為 :

g(x,y)=clog[1+f(x,y)]

(3)

該方法通常用來延伸放大低灰度值的映射區(qū)間，壓縮減小高灰度值映射區(qū)間，可以增強灰度較低區(qū)域的圖像細(xì)節(jié)效果。指數(shù)變換的特性恰好與對數(shù)變換相反。指數(shù)變化是放大高灰度值區(qū)域的圖像效果，弱化低灰度值區(qū)域的圖像。但此方法不適用于人的視覺特性，因此不常用于檢測系統(tǒng)。

2.4 直方圖均衡化

直方圖均衡化[14]是一種累積分布為變換函數(shù)的灰度修正與圖像增強方法。直方圖均衡化是通過非線性的拉伸變換來再分配像素的灰度值進(jìn)而使得灰度直方圖的分布可以相對均勻。

圖2為經(jīng)直方圖均衡化后處理前后灰度直方圖，圖2(a)為處理前灰度直方圖，圖2(b)為直方圖均衡化之后的灰度直方圖。

(a) 處理前灰度直方圖

(b) 處理后灰度直方圖圖2 直方圖均衡化

直方圖均衡化可以有效增大圖像灰度的動態(tài)范圍，增強圖像反差[6]。所以在很多情況下會使得圖像更加清晰，該算法雖然能在一定程度上平衡由于光照不均勻等原因造成的灰度值分布不均勻現(xiàn)象，但是同時會強化噪聲，所以會降低裂縫的辨識度。

圖3為經(jīng)不同圖像增強方法處理前后對比圖[7]。

圖3 經(jīng)不同圖像增強方法處理前后對比

3 圖像去噪

將各種存在于圖像中的影響圖像質(zhì)量的干擾信息稱為圖像噪聲。圖像噪聲主要分為椒鹽噪聲、沖擊噪聲、量化噪聲和高斯噪聲4種?，F(xiàn)行的去噪濾波方法主要分為：中值濾波法、均值濾波法、高斯濾波法、空間域低通濾波法、混合去噪法等。

3.1 中值濾波

中值濾波原理較為簡單，是最常用的非線性濾波方法。其原理是用當(dāng)前像素一定鄰域范圍內(nèi)所有像素的灰度中值替換當(dāng)前像素的灰度值。

該方法在一定程度上對于椒鹽噪聲或脈沖噪聲有比較良好的抑制效果。但其容易產(chǎn)生圖像的不連續(xù)性，會使圖像丟失一些細(xì)小處，導(dǎo)致圖像缺失，影響裂縫識別。

此方法的處理效果對模板具有較強的依賴性，即模板的大小對去噪效果以及邊緣的保留情況會有較大的影響。文獻(xiàn)[2]在使用不同模板的中值濾波器抑制噪聲時，先采用較為簡單的模板進(jìn)行處理，如果沒有出現(xiàn)明顯裂縫邊緣的失真時，采用更大更復(fù)雜的模板重新對圖像進(jìn)行處理，直到圖像有較好的去噪效果，裂縫邊緣又不過分模糊為止。通過其實驗結(jié)果可得知隨著模板越大，裂縫邊緣越模糊。經(jīng)5×5大小模板中值濾波處理后的圖像雖然去噪效果較好，但裂縫邊緣細(xì)節(jié)較為模糊。

圖4(b)為經(jīng)中值濾波處理后的圖像[7]。

圖4 圖像去噪

3.2 均值濾波

均值濾波法也稱鄰域平均法，是非常常用的去噪方法，屬于基礎(chǔ)的線性濾波方法。均值濾波基本原理是將當(dāng)前像素點鄰域像素的灰度值做平均處理，并將平均值替代當(dāng)前像素的灰度值。均值濾波能夠達(dá)到降低或者消滅圖像中的高頻率分量，而不對低頻率分量造成影響的效果，減少局部灰度起伏，使圖像變得平滑，從而達(dá)到減少和抑制圖像噪聲的目的。

雖然均值濾波操作簡單，但其容易被噪聲干擾，因此只能減弱部分噪聲的影響，而不能完全消除噪聲，且沒有很好地保護(hù)圖像細(xì)節(jié)，在去除圖像中的噪聲的同時，也損失了圖像的細(xì)節(jié)像素描述，圖像變得模糊。圖4(c)是經(jīng)過均值濾波處理后的裂縫圖像。

3.3 空間域低通濾波

空間域低通濾波是利用裂縫圖像與噪聲之間微弱的空間相關(guān)性進(jìn)行去噪的一種濾波方法。其原理是噪聲頻譜分布在高空頻區(qū)域，而裂縫圖像頻譜分布在低空頻區(qū)域。因此可以利用不同頻率特征對裂縫特征和噪聲進(jìn)行分離，僅提取所需的裂縫特征特征。

現(xiàn)行根據(jù)裂縫圖像與噪聲空間相關(guān)性較弱的原理制作了3種常用的低通形式的平滑濾波器為：均值濾波器模板(H1)、低通卷積模板模板 (H2)、高斯濾波模板(H3)。文獻(xiàn)[2、7]通過實驗對比3種模板的去噪處理后的圖像效果得出空間域低通濾波法中去噪效果最好的模板是H3模板。

圖5為經(jīng)過空間域低通濾波器處理后的圖像[7]。

圖5 不同空間域低通濾波模板處理前后圖像

3.4 高斯濾波

高斯濾波是一種常用的線性濾波器，原理是對鄰域像素進(jìn)行加權(quán)平均。其使用了正態(tài)分布密度函數(shù)進(jìn)行當(dāng)前像素點進(jìn)行計算歸一化得到所設(shè)置卷積窗口每個點的權(quán)重，再通過窗口內(nèi)像素加權(quán)平均灰度去替代窗口中心像素點的值。

高斯濾波則對噪聲相對不敏感，可以對圖像進(jìn)行平滑，不容易產(chǎn)生不連續(xù)的現(xiàn)象，同時可以在很大程度上保留圖像原始的總體灰度分布特征[10]。經(jīng)高斯濾波處理后，圖片整體變得更加平滑，裂縫特征仍然能夠突出[6]。

3.5 雙邊濾波

雙邊濾波是一種能夠使裂縫邊緣信息保存較為完整、非線性的平滑降噪濾波方法。和高斯濾波較為相似，雙邊濾波中的每個像素也是由鄰域像素通過加權(quán)平均得到。但是不同的是，高斯濾波只由空間域濾波核構(gòu)成，也就是說高斯核函數(shù)中，每個像素的權(quán)值只由其與核中心的距離決定，而忽略了像素的灰度值。這樣就會導(dǎo)致高斯濾波后圖像中的邊界位置模糊不清。雙邊濾波則不僅考慮了距離因素，也加入了灰度值因素，比較符合生物視覺習(xí)慣[6]。

雙邊濾波對于裂縫特征具有較好的保存效果。雙邊濾波處理后的圖像像素整體都很細(xì)膩，能夠自動適應(yīng)像素閾值分類，把目標(biāo)物從背景中做很好的分離[10]。雙邊濾波算法對裂縫邊緣控制較好，但小尺寸濾波器濾波效果較差[11]。

3.6 其他濾波方法

3.6.1 改良的中值濾波

針對于傳統(tǒng)中值濾波法的不足之處，改良的中值濾波法在進(jìn)行進(jìn)行濾波時取代單一區(qū)域像素中值替換，而是將一個區(qū)域均分為若干個小區(qū)域后，對每個小區(qū)域內(nèi)的像素值進(jìn)行中值處理。然后將提取出若干個區(qū)域的中值再次排序提取出最終中值作為整個區(qū)域的中值。該方法對多個方向中值的進(jìn)行最大值、最小值的提取，濾波時相對于傳統(tǒng)的中值濾波法其提高了當(dāng)前像素的權(quán)重，不僅有效抑制脈沖噪聲, 還能夠較好地保持當(dāng)前點信息[5]。

3.6.2 自適應(yīng)方向濾波

自適應(yīng)方向濾波是指根據(jù)環(huán)境的改變，使用自適應(yīng)算法來改變?yōu)V波器的參數(shù)和結(jié)構(gòu)的去噪方法。裂縫具有明顯的線性特征，在一定范圍內(nèi)的紋理具有一定的方向性，可以用區(qū)域內(nèi)每個像素點的方向來表示。利用這種特性，估算區(qū)域方向場，進(jìn)行數(shù)學(xué)運算，進(jìn)行濾波。裂縫圖像采用自適應(yīng)濾波器去噪效果相對較好，整個圖像變得平滑[15]。

3.6.3 混合去噪

相比于只采用單一的去噪方法，混合去噪是指將多種去噪方法組合從而達(dá)到目標(biāo)裂縫特征的提取。文獻(xiàn)[3]先對圖像進(jìn)行中值濾波處理，再對處理后的圖像進(jìn)行平滑濾波處理，圖像去噪效果較好。文獻(xiàn)[5]將小波閾值濾波和改良中值濾波相結(jié)合對裂縫圖像進(jìn)行混合去噪處理，相比各單方法處理不僅對裂縫圖像有所平滑，也同時保留了較為完整的裂縫細(xì)節(jié)信息。文獻(xiàn)[8]認(rèn)為將中值濾波與高斯濾波相結(jié)合能彌補各自單獨處理的不足，從而共同促使裂縫圖像較為完整。

4 總結(jié)

本文主要介紹了基于機器視覺計算混凝土裂縫裂縫寬度的預(yù)處理操作。預(yù)處理首先是將裂縫圖像進(jìn)行灰度化處理，灰度化是指將彩色圖像轉(zhuǎn)化為黑白圖像，現(xiàn)行較好的轉(zhuǎn)化方法為加權(quán)平均法。經(jīng)灰度化處理后的圖像為了加強圖像對比度、增強裂縫可辨識度、方便進(jìn)行裂縫識別，需進(jìn)行圖像增強處理，現(xiàn)行較好的圖像增強方法為線性變換增強。去噪濾波是為了提高圖像質(zhì)量，突出裂縫部分與背景之間的差異，中值濾波是現(xiàn)行最簡單也是最常用的非線性濾波器，處理效果較好，但也存在使裂縫邊緣模糊等缺點，處理效果較好的是將多種去噪方法結(jié)合起來的混合去噪。

從上文可知每種方法都有其優(yōu)缺點，而在選擇處理方法時往往針對方法難易程度與實用效果綜合分析，例如最常用的中值濾波處理效果并不是最好，但該方法操作容易，綜合分析后并成了專家學(xué)者們最常用的方法之一。本文主要收集整理現(xiàn)行較為常見的3種預(yù)處理方法，通過對比分析，總結(jié)出各種處理方法優(yōu)缺點，僅為其他研究此方面的學(xué)者提供參考。