基于Matlab图像处理的水泥路面裂缝检测研究

王博

（商洛学院 电子信息与电气工程学院，陕西商洛726000）

基于Matlab图像处理的水泥路面裂缝检测研究

王博

（商洛学院 电子信息与电气工程学院，陕西商洛726000）

以水泥混凝土路面的裂缝检测及特征提取为研究对象。利用Matlab的数字图像处理技术，对采集到的水泥路面裂缝图像进行了一系列处理，最终达到提取裂缝特征数据的目的。结果表明：对图像的灰度化、中值滤波、平滑、锐化分割以及形态学处理后，裂缝图像有明显去噪效果、平滑效果、边缘模糊影响最小，所用裂缝计算方法可以准确地得到线性裂缝的长度以及网状裂缝的面积。

数字图像处理；Matlab；图像增强；图像分割；特征提取

路面裂缝检测是计算公路状况指数的重要依据[1]，传统的检测方法主要是靠人工检测，测量精度差、检测效率低、同时检测人员会有安全隐患[2-3]。现在多采自动检测的方法对路面裂缝的损害进行检测，其中使用数字图像处理的方法最为普遍。其发展最初在20世纪90年代，到21世纪更是有了飞速的发展。Subirats等[4]将小波变换的方法引入到裂缝检测中，从而进行裂缝提取。唐磊等[5]将图像从二维面转换到三维，利用微分几何的检测算子来提取裂缝信息。李刚[6]提出使用sobel算子，结合最大熵图像分割算法能够对不同光照下的裂缝图像处理并提取裂缝信息。对裂缝检测的算法，主要研究对象为沥青路面，但水泥路面的研究很少涉及，本文以水泥路面裂缝为研究对象，使用Matlab软件对水泥路面裂缝的图像进行处理，利用经典的图像处理方法，对图像进行灰度化、去噪、锐化和图像分割等处理，最后对裂缝的特征值进行提取，从而对水泥路面的裂缝病害做出定性和定量的判断。

1 裂缝图像预处理

路面常见裂缝主要有横向裂缝、纵向裂缝和网状裂缝[7]，其中横向裂缝和纵向裂缝均为线性裂缝。本文以纵向裂缝代表线性裂缝和网状裂缝进行分析计算。在对裂缝进行参数提取前，需对采集的裂缝图像进行预处理。

1.1 裂缝图像灰度化

路面裂缝采集图像一般为彩色图像，而数字图像处理是基于灰度图像进行处理，因此，首先对裂缝图像进行灰度化处理（见图1），将彩色图像转化为灰度图像[8-9]。

图1 裂缝图像灰度化处理效果图

1.2 裂缝图像去噪

裂缝图像在采集、量化、传输、接收和处理过程中会受到一定程度的噪声干扰，噪声恶化图像质量，甚至淹没其特征，因此在对图像提取特征参数前，需要消除噪声。图像去噪方法主要有均值滤波法、中值滤波法、维纳自适应滤波法等。图2为对裂缝图像运用不同方法进行去噪处理后的结果，由图2可知，中值滤波相比其他滤波来说，去噪效果明显、平滑效果好、对边缘模糊影响最小。因此本文采用中值滤波法进行裂缝图像的去噪处理。

图2 裂缝图像去噪处理结果图

1.3 裂缝图像锐化

裂缝图像去噪会模糊裂缝图像的边缘。为使模糊的图像边缘清晰，需对去噪处理后的图像进行锐化处理。图像锐化的一般方法有梯度法锐化、拉普拉斯锐化等。

对比锐化处理效果(见图3)，梯度锐化后噪声点有所增强，拉普拉斯锐化使得裂缝图像边缘变得较清晰而且没有增强噪声点，因此本文对于去噪处理后的图像使用拉普拉斯锐化进行图像锐化处理。

图3 图像的锐化处理效果图

2 裂缝图像分割

图像预处理后，便可对图像进行分割处理以提取裂缝。图像分割可以把图像分割成一系列有意义的、各具特征的目标或区域。裂缝图像中裂缝是目标路面的背景，因此提取裂缝的特征参数首先必须将裂缝从图像中分割出来将图像转换为二值图像。最大类间方差阈值分割算法具有简单、处理速度快的特点，是一种常用的阈值选取方法。本系统运用最大类间方差法实现裂缝的分割，结果如图4所示。

图4 裂缝分割结果图

3 裂缝图像形态学处理

路面裂缝图像分割时，在提取裂缝特征等有用信息的同时，也容易丢掉一些信息，例如，二值图像中，裂缝边缘出现断裂。因此在计算特征参数之前，需要对裂缝断裂处进行恢复，同时对多余的噪声加以剔除，因此需要采用图像形态学方法做后续的处理。图像形态学是由一组形态学的代数运算子组成的，它的基本运算有膨胀、腐蚀、开运算、闭运算四种。其中开运算与腐蚀运算作用相似，但相比腐蚀运算，开运算在削弱狭窄的部分，去掉细长的突出、边缘毛刺和孤立斑点、断开目标物之间粘连的同时具有可以基本保持目标物尺寸大小不变的优点；闭运算与膨胀运算作用相似，但相比膨胀运算，闭运算在填充目标内的细小空洞和裂缝、连接断开的临近目标的同时具有可以基本保持目标物尺寸大小不变的优点。因此本文采用开运算与闭运算对图像进行处理，结果如图5、图6所示。

图5 裂缝图像开运算结果图

图6 裂缝图像闭运算结果图

由图6可以看出,采用闭运算方法对线性裂缝图像进行处理，采用开运算方法对网状裂缝图像进行处理既可以对分割后裂缝的断裂处进行很好的恢复，又尽量保持了目标物的实际大小，因此本系统采用闭运算对线性裂缝图像进行处理，采用开运算对网状裂缝图像进行处理。

4 裂缝特征参数提取

4.1 线性裂缝的长度计算

经过预处理后的二值图像便为较理想的二值图像，在裂缝二值图像中裂缝为白色部分，路面背景为黑色部分。因此对于线性裂缝的长度计算，可以先提取线性裂缝的骨架(如图7)，将线性裂缝细化为单像素宽，然后统计白像素的个数，再根据图像的分辨率大小便可转换为线性裂缝的实际长度。

图7 线性裂缝的骨架提取

对于线性裂缝长度的计算采用统计骨架提取后的裂缝图像中白色像素点个数的方法。由于计算出的线性裂缝长度是用像素点个数表示，因此应根据摄像机的分辨率，对实际图像做一标定，求出图像中每个像素点代表的实际长度滋（以下简称转换系数），然后将计算出的像素点个数乘以该转换系数滋，便可求出裂缝实际长度。即线性裂缝的实际长度为L=num(白色像素个数)*滋(转换系数)。

4.2 网状裂缝的面积计算

对于网状裂缝，工程人员关心的主要指标是路面发生破损形成网状裂缝的面积。对于网状裂缝的面积计算，只要计算其外接矩形所包含的像素个数，然后根据转换系数，便可计算出网状裂缝的面积。如图8所示，矩形中的部分便为网状裂缝区域，则矩形的面积便为网状裂缝的面积。

图8 网状裂缝的面积区域

(1)式函数的作用是查找二值图像B中灰度值为1(即白色像素)的点的坐标并返回坐标索引，其中row为行索引，col为列索引。图9所示为本文中采用的网状裂缝图二值化后运用该函数返回的白色像素点的最大最小横纵坐标索引值。

图9 网状裂缝二值后白色像素横纵坐标的最大值与最小值

对于网状裂缝的外围面积计算，找出像素点值为1的各像素点中纵坐标最大的像素点Y1和纵坐标最小的点Y2，在本文所用的网状裂缝图像中Y1与Y2的纵坐标值分别为y1(233)，y2(32)；然后找出像素点值为1的各像素点中横坐标最大的像素点X1和横坐标最小的点X2，在本文所用的网状裂缝图像中X1与X2的横坐标值分别为x1(237)，x2(2)。

最后根据公式(2)计算出裂缝外围面积S。

由于该面积的计算是按照像素点的坐标计算出来的，也可以用像素点的个数代表其面积，因此还需将该面积S转换为实际中的裂缝面积S1。假设每个像素代表的实际长度为（即摄像机的转换系数），则每个像素代表实际面积为滋2，则网状裂缝实际外接面积为S1=滋2*S。

5 结论

本文采用的基于Matlab数字图像处理的路面裂缝识别技术，通过对图像的灰度化、锐化和形态学运算结合将图像处理为二值化图像，针对线性裂缝计算二值化图像的白色像素的等效长度来计算线性裂缝长度，针对网状裂缝，通过计算白色像素的外接矩形面积来计算网状裂缝面积。对于水泥路面的两类主要裂缝的特征值能够进行准确的提取和检测，为后续公路养护部门对公路的技术状况评定和制定养护方案提供了重要的依据。

[1]中华人民共和国交通部.JTG H-2007,公路技术状况评定标准[S].北京:人民交通出版社,2008.

[2]张 娟,沙爱民,高怀钢,等.基于数字图像处理的路面裂缝自动识别与评价系统[J].长安大学学报:自然科学版,2004,24(2):18-22.

[3]李晋惠.用图像处理的方法检测公路路面裂缝类病害[J].长安大学学报:自然科学版,2004,24(3):24-29.

[4]Subirats P,Dumoulin J,Legeay V,et al.Automation of pavement surface crack detection using continuous wavelet transform[C].2006 International Conference on Image Processing,Florence:Italy,2006:3037-3040.

[5]唐 磊,赵春霞,王鸿南,等.基于图像分析的路面裂缝检测和分类[J].工程图学学报,2008(3):99-104.

[6]李 刚,贺昱曜.不均匀光照的路面裂缝检测和分类新方法[J].光子学报,2010,39(8):1405-1408.

[7]谢昌荣,张郭晶.路面裂缝检测图像处理算法的研究[J].中外公路,2009,29(6):112-115.

[8]陈书海,傅录祥.实用数字图像处理[M].北京：科学出版社,2005:36-45.

[9]冈萨雷斯.数字图像处理[M].MATLAB版.北京：电子工业出版社,2005:67-90.

（责任编辑：李堆淑）

A Study on Cement Pavement Crack Detection Based on Matlab Image Processing

WANG Bo
（College of Electronic Information and Electrical Engineering,Shangluo University,Shangluo 726000, Shaanxi）

The detection of cement concrete pavement cracks is taken as a research subject.A series of cement concrete pavement cracks have been takled with the technology of Matlab digital image processing. The characteristic parameters of the pavement cracks have been finally extracted.The results indicated that by Gray-Scale transformation of the crack image,smoothing of the crack image,sharpening of the crack image and image segmentation,the de-noising effect,smooth result become better and the edge blurring effect becomes little.The characteristic parameters of the pavement cracks have been accurately extracted including length calculation of the linear crack and area calculation of the reticular crack.

digital image processing;Matlab;image enhancement;image segmentation;characteristic parameter extraction

TP391.41

：A

：1674-0033(2014)04-0042-04

10.13440/j.slxy.1674-0033.2014.04.010

2014-03-23

王 博，男，陕西商州人，硕士，助教