图像处理技术在混凝土桥梁裂缝检测中的应用研究

2014-11-23周传林

筑路机械与施工机械化 2014年2期

周传林

（南京交通职业技术学院，江苏南京 211188）

0 引言

混凝土桥梁在投入使用后，会不可避免地遭遇各种自然力的影响，如大风、雨雪、地震及冰冻等的侵蚀，随着时间的增加，还可能遭受超载、撞击等人为因素的损坏。这些损坏的表现形式多样，如混凝土碳化、破损开裂、钢筋锈蚀、支座脱空和变形等，日积月累，混凝土将出现分层与破裂，继而引发坍塌等恶性事故，造成巨大的经济损失和人员伤亡。

据统计，有90%以上的混凝土桥梁损坏是由裂缝引起的。工程实践和理论分析表明，几乎所有的混凝土构件均存在裂缝，只是有些裂缝很细，肉眼看不见（小于0.05mm）。这种细微的裂缝一般对结构的正常使用无大的危害，可允许其存在，但有些裂缝在荷载或外界物理、化学因素的作用下，会不断产生并扩展，形成贯穿缝、深缝。混凝土桥梁中0.3 mm以上的裂缝会直接破坏结构的整体性，引起混凝土碳化、保护层剥落和钢筋腐蚀，在桥梁内部形成力学间断面，使桥梁承载能力大为降低，严重时甚至发生垮塌事故，危害结构的正常使用。

因此，采取有效手段对桥梁裂缝进行监测、预防和控制，对确保公共交通的安全和正常运行起着十分重要的作用，长期以来已受到了国内外学术界、工程界的广泛关注。

1 国内外桥梁裂缝检测技术现状分析

1.1 国内外桥梁裂缝检测的主要方法

1.1.1 人工检测

人工检测主要是指检测人员用望远镜等工具远距离观察桥梁结构面，或者利用搭设的支架平台用肉眼近距离检测桥底裂缝的方式。其中，对裂缝的测量包括长宽尺寸测量与长宽变化检测两个方面。

1.1.2 桥梁检测车检测

在检测跨江、峡谷和位置较高的高架桥梁等大、长型桥梁时，无法在桥下架设检测支架对主梁、支座及墩台进行检测，可利用桥梁检测车将检测人员送到桥梁的底部，利用肉眼或者检测工具进行裂缝等缺陷检测。

1.1.3 无损检测技术

桥梁裂缝无损检测技术主要包括：超声波检测、冲击弹性波法、声发射检测、传感仪器监测和光纤传感网络监测［1］。

1.1.4 数字图像处理技术

图像处理技术是将图像信号转换成数字信号并利用计算机对其进行系列操作，从而获得某种结果的技术［2］。常用的图像处理方法有以下几种：灰度化、直方图均衡化、滤波、图像分割、目标表示与描述、特征提取等。

1.2 各种裂缝检测方法的对比分析

人工检测与桥梁检测车检测这两种方法的人员耗费大，效率、精确度低，存在不安全因素。

在无损检测技术中，超声波法和冲击弹性波法主要用于探测混凝土内部裂缝以及裂缝的深度，后者只能检测扩展方向与表面成直角，没有分支的单纯裂缝［3］。声发射法只能检测正在发生的裂缝，不能检测已发生的旧裂缝。传感仪器监测利用埋设在混凝土中的卡尔逊式或弦式测缝计等仪器进行裂缝监测，其控制范围仅0.2～1m，属点式检测。由于裂缝出现具有空间随机性，因此往往漏检。光纤传感监测具有灵巧、精度高、抗电磁干扰，且可靠耐久、易于光纤传输等优点，可以组成自动化遥测系统，准确地确定裂缝的位置。但构建光纤传感网络的复杂程度和高额的成本不可忽视。

目前，根据数字图像分析技术开发的应用于桥梁裂缝图像检测的分析软件，在实验室条件下能够以较高的精度提取一定距离范围内拍摄的混凝土裂纹，但在户外条件下，拍摄距离对图像处理的精度有较大影响，精度随距离增加而降低。在对明显裂纹处理的同时，忽略了图像中的另一些细节，其中长度小于2mm的裂纹被视为噪声会被去除，因此，要将此检测方法应用于实际工程检测，尤其是微小裂缝的检测，还需要做大量深入的研究。

2 采用图像处理技术对桥梁裂缝进行检测的技术分析

大多数桥梁的结构裂缝主要产生在桥梁底部，检测起来很困难，随着桥梁结构形式日趋大型化和新颖化，裂缝的检测问题更加难以解决。因此，若能在桥梁底部裂缝出现的早期，及时检测到并加以维护修补，可大大降低维护成本，有效地保障公共交通的安全运行。数字图像处理具有再现性好、处理精度高、适用面宽及灵活性高等优点。用图像处理技术检测物体表面裂缝的方法已经在许多领域得到了应用，将其应用于桥梁裂缝的检测，可以解放劳动力，排除人为主观干扰，降低桥梁检测成本［4］。

2.1 提取裂缝的方法

许多裂缝提取方法都是在图像质量较好，裂缝目标清晰，噪声较少的基础上进行处理，而实际的桥梁结构面状况比较复杂，可能包含水渍、油漆、粘结物及光照阴影等噪声，这些噪声的形状、灰度特征与裂缝很接近，会严重影响裂缝的提取效果。因此，在混凝土桥梁底部裂缝的检测技术中，最关键的是针对裂缝目标的提取方法。

图1 是裂缝提取流程示意图。在提取裂缝目标的流程中，比较关键的步骤包括：滤波器选择、灰度阈值分割、去除噪声的阈值选择、特征提取、特征值计算和区域灰度均值比较等。

原始图像中包含一些噪声，选择合适的滤波器进行滤波，能够对图像中的噪声起到良好的抑制作用。灰度阈值分割结果的好坏，直接影响后续图像的分析效果，最终影响对裂缝的提取和测量。合理选择阈值一直是图像处理中的一个难点，本文采用自定义阈值法与迭代法自动求阈值相结合的方式确定阈值。在分割后的二值图像中，存在大量的白色连通区域，根据经验可直接判定其中面积较小的区域为噪声，但需要设定一个适当的阈值进行筛选。在特征提取过程中，根据图像中裂缝区域和形状特点，提取面积、长度、宽度、外接矩形及外接椭圆等反映其形状的特征量。区域灰度均值比较是在认定某个或某些区域的形状特征值符合裂缝形状特征情况下，对可能的裂缝目标进行验证和判定的一种方法。具体做法是在灰度图像中，计算疑似裂缝区域和其外接矩形区域的灰度平均值之差，若差值大于阈值，则认定为裂缝。

图1 裂缝提取流程

2.2 裂缝图像预处理

2.2.1 灰度化

自然界中绝大部分的可见光谱用红、绿、蓝三色光按不同比例和强度混合来表示。R、B、G分别代表3种颜色：红色（R）、蓝色（B）、绿色（G）。当像素的3种基色的亮度值相等时，产生灰度颜色，此时的亮度值叫灰度值（又称强度值）。灰度图像是包含多个量化灰度级的图像。

2.2.2 图像增强

在裂缝图像中，裂缝属于颜色较暗的区域，背景相对较亮。但在采集图像过程中，由于曝光不足造成图像整体偏暗，使裂缝区域与背景混为一体而不易分辨，如图2所示。有效的解决方法是对图像进行增强处理，达到增强图像整体对比度的目的。在对原始图像进行均衡化处理后，得到对比度大的裂缝图像，如图3所示。

图2 原始图像

2.2.3 空间滤波

图3 增强效果

研究采用了中值滤波法。中值滤波的关键在于选择合适的窗口形状和大小。中值滤波器的窗口有线形、十字形、方形、菱形和圆形等，不同形状的窗口产生不同的滤波效果。图4的原始图像中包含众多颗粒噪声，选用3×3方形窗口对其进行中值滤波后，消除了大部分的颗粒噪声点，使图像背景更加单一，同时保留了裂缝的边缘信息，裂缝会更清晰地呈现出来，如图5所示。

图4 原始图像

图5 中值滤波后的图像

2.2.4 灰度阈值分割

判断目标是不是裂缝的依据，除了分析外形轮廓是否符合对裂缝的认知规律外，判断目标与其周围背景的灰度差别也是一个显著的判断标准。灰度阈值分割是指确定一个灰度门限来区分目标与背景，在门限之内的像素属于目标，其他则属于背景。灰度阈值分割的关键在于选取合适的阈值，本文的研究对象是包含裂缝的图像，多数情况下图像比较单一，背景主要是混凝土梁体、墙体或路面，但其中一些图像背景较为复杂。因此从分析图像和实现目标识别两方面考虑，采用了自定义阈值和迭代法选取阈值相结合的方式，确定阈值的大小。

2.3 裂缝图像分析

2.3.1 目标描述

目标就是裂缝。将灰度图像经阈值分割和滤波处理后，得到的二值图像中包含大大小小的白色区域。这些白色区域，有的是裂缝目标，有的则是干扰噪声。要提取裂缝目标，就需要找到裂缝目标和噪声的区别。

对裂缝的描述如下，裂缝是一种具有一定走向的线性、细长目标；在整体上有连续性，但局部可能出现断缺；裂缝相对于桥梁背景表现为黑色区域；裂缝目标的面积相对大多数干扰物的面积要大，而相对于整个背景面积要小。这是用文字语言对裂缝特性的形象描述，要使计算机能够提取裂缝，就必须将对裂缝的形象描述转化为计算机中的数学符号。

在图像处理中，目标描述主要是对目标的边界和区域进行描述。

2.3.2 特征提取

对于检测裂缝而言，目的不仅仅是从图像中发现裂缝，确定裂缝区域，还要得到裂缝区域的面积、长度、宽度及周长等参数，确定这些特征量的过程称为特征提取，基本步骤如图6所示。

图6 特征提取的步骤

各特征量所表达的意义如表1所示。

表1 裂缝图像各项特征量的含义

2.3.3 目标判断

通过面积、长、宽、外接椭圆长度轴之比、圆形度等特征值，筛选出图像中符合裂缝形状特点的若干目标后，需要结合其灰度特征进行最终的判断，以确定这些目标是否属于裂缝。实际观察到的裂缝在视觉上呈现暗黑色特征，可以推断图像中的裂缝目标是一系列局部灰度值较小的像素点的集合，而裂缝周围区域则与裂缝之间的灰度均值有较大的差别。裂缝目标的最小外接矩形是与之比较接近的外围局部区域，因此可通过计算目标区域与其最小外接矩形区域之间的灰度均值差，与所设定的阈值进行比较，若差值在一定范围内，则判断该目标属于裂缝，反之，则不属于裂缝。

3 工程应用

为了验证提取裂缝方法的准确性，对100幅裂缝图像进行处理分析。首先对原始图像和处理后的图像逬行分类，如表2所示。

表2 图像分类

用作分析的100幅图像中都包含裂缝，因此排除原始图像无裂缝的情况。处理结果总体上分为四类，如表3所示。

表3 初步提取结果

由表3可得，裂缝提取的正确率为75%，裂缝的检出率为93%，误检率为25%，漏检率为7%。对比原始图像和处理结果发现，与编号为110、111、100的处理结果分别对应的原始图像质量有一定的差异。例如，110号原始图像背景相对简单，光照条件好，裂缝清晰，干扰物与裂缝在形状和灰度方面差别较大；111号原始图像背景不复杂，光照条件一般，裂缝走向明显，干扰物较多，形状、灰度与裂缝相近；100号原始图像背景复杂，光照条件差，裂缝不明显，干扰物与裂缝有重叠部分。试验证明本方法对提取此类图像中的裂缝是有效的。