路面裂缝识别中边缘检测间断性的改进

齐怀超，肖 飞，鲍雄伟

（长安大学 信息工程学院，陕西 西安 710064）

路面裂缝是公路路面的主要病害之一，是影响公路使用性能的重要因素[1]。传统的基于人工视觉检测路面裂缝的方法有成本高、精确度低、危险性高等诸多不足，已经不能适应公路迅速发展的需要[2]。近年来，基于数字图像分析的路面破损检测系统在公路养护事业中获得了广泛的应用，结合数字图像处理、模式识别等技术的路面裂缝分类已成为研究热点。

边缘检测在图像处理与计算机视觉中占有特殊的位置，它是进行模式识别和图像信息提取的基本手段。本文进行了路面裂缝的边缘检测研究，首先根据几种边缘检测算子处理得出的图像进行对比，然后对于传统的边缘检测方法得到的图像具有不连续和断裂的缺点，加入了膨化算法，进行了改进。本文很好的改进了传统边缘检测得到图像的断续性和不连续性的缺点。

1 边缘检测算子

常用的边缘检测算子有Roberts算子，Sobel算子，Prewitt算子，Log算子，和Canny算子[3-4]。以下分别进行简单介绍。

1.1 Roberts算子

Roberts算子是一种利用局部差分算子寻找边缘的算子，两个卷积核为

采用1范数衡量梯度的幅度：|G(x,y)|=|Gx|+|Gy|[5]。Robert算子对具有陡峭的低噪声的图像效果最好。

1.2 Soble算子

Soble算子对灰度渐变和噪声较多的图像处理的较好。两个卷积计算核分别为

采用范数衡量梯度的幅度|G(x,y)|≈max(Gx,Gy)[5]。

1.3 Prewitt算子

Prewitt算子同样对灰度渐变和噪声较多的图像处理的较好。两个卷积计算核分别为

采用范数衡量梯度的幅度|G(x,y)|≈max(Gx,Gy)。

1.4 Log算子

基本思想是先用高斯函数对图像进行图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。Log算子能有效地检测边界，但存在两个问题：一是会产生虚假边界，二是定位精度不高。

1.5 Canny算子

它与Log算子边缘检测方法类似，也属于是先平滑后求导数的方法。Canny方法使用两个阀值来分别检测强边缘和弱边缘，而且仅当弱边缘与强边缘相连时，弱边缘才会包含在输出中。因此不容易受噪声影响。

1.6 结 果

上面5个算子的检测结果如图1所示。

图1 原始图像和各个边缘检测算子的效果Fig. 1 The effect of the original image and edge detection operator

2 比 较

1）Robert算子：利用局部差分算子寻找边缘，边缘定位精度高，但容易丢失部分边缘，且不具备抑制噪声的能力[6]。

2）Soble算子和Prewitt算子：都是对图像先做加权平滑处理，然后微分运算，两种算子平滑的权值不同。对噪声有一定的抑制能力，边缘定位效果很好，但检测出的边缘易出现多像素宽度。

3）Log算子：对噪声的抑制能力不如sobel算子和prewitt算子，抑制噪声的同时，可能将原有的比较尖锐的边缘也平滑掉了。

4）Canny算子：在本次边缘检测实验中，效果不好，在将部分高频边缘平滑掉的同时，产生了一些噪声和虚假边缘。

3 改 进

针对以上检测算子得到的图像的不连续性和间断性对裂缝识别后续的特征提取带来的困难。本文选取检测效果较好的soble算子进行改进。利用基于形态学的膨胀算法对像素边界添加像素[7]，示意图如图2。

图4 膨胀处理后边缘检测Fig. 3 Edge detection after expansion

图2 膨胀示意图和菱形结构示意图Fig. 2 The expansion diagram and diamond structure diagram

本文针对道路裂缝是横向裂缝的特点，将B图像所代表的的方形结构元素改为“菱形”结构元素（如图2所示），然后再进行边缘检测（如图3和图4），最后对图像进行细化处理，从而等到具有连续性的清晰的裂缝边缘（如图5）。

4 结 论

图5 边缘检测后细化处理Fig. 5 Thinning after edge detection

通过对比实验结果图1中边缘检测算子处理得到的结果，选取比较适合处理本类图像的Soble算子进行算法改进。通过对比图5和图1的结果表明，本次对Soble算子边缘检测方法的改进，有效改善了边缘检测图像的间断性，增强了传统边缘检测方法得到了的图像边缘的连续性，得到了连续清晰的裂缝图像边缘，为道路裂缝识别系统后续的裂缝特征提取和裂缝分类打下了良好的基础。同时，本改进算法有待改进的地方是，只适用于裂缝种类单一的横向和纵向裂缝，对于龟裂裂缝的实现效果还有待进一步研究。

[1]荣婧，潘玉利. 基于图像的水泥刻槽路面裂缝识别方法[J].公路交通科技,2012,29(3):45.

RONG Jing, PANG Yu-li. Pavement Crack Identification Method Based on the Image of Cement Groove[J]. Journal of Highway and Transportation Research,2012,2,29(3):45.

[2]陆化普. 智能运输系统[M]. 北京:人民交通出版社,2002:3-4

[3]张铮. 数字图像处理与机器视觉:Visual C++与Matlab实现 [M].北京:人民邮电出版社,2010:8-9.

[4]张德丰. 数字图像处理(MATLAB版)[M]. 北京:人民邮电出版社,2009.

[5]周心明,兰赛,徐燕. 图像处理中几种边缘检测算法的比较 [J].现代电力,2000,29(3):65.

ZHOU Xin-ming,LAN Sai,XU Yan. Comparison of several image processing edge detection algorithm[J].Modern Power,2000,29(3):65

[6]张娟. 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.

ZHANG Juan. Automatic pavement crack recognition and evaluation system based on digital image processing[J].Chang'an University:Natural Science Edition,2004:24(2):18.

[7]李晓飞.图像腐蚀和膨化的算法研究[J]. 影响技术,2005(1):37.

LI Xiao-fei. Algorithm of image erosion and dilation[J]. Impact of Technology, 2005(1):37.

[8]何东健, 耿楠, 张义宽. 数字图像处理[M].西安:西安电子科技大学出版社, 2003.