基于数字图像处理的表面裂缝宽度测量

程 彬，闫艺元

（1.南阳理工学院，河南 南阳 473004；2.南阳市建业小哈佛双语学校，河南 南阳 473001）

以往都是利用人工视觉检测结构物的裂缝，现在已经很难达到检测道路和桥梁发展的要求，主要的因素就是个人的主观程度太大和速度太慢，以及存在危险性和费用太高.科学技术在快速地发展，无论是计算机技术和数码摄影技术,还是测图像技术结构技术也在快速地发展和进步[1].有效运用图像处理技术，对结构物表面裂缝宽度进行测量，是一种没有损坏的检测方法，该方法只需要利用一台普通的数码相机，将一幅裂缝图像采集后，就能够确定将裂缝宽度，不但设备简单，对被测的结果干扰非常小，且很容易.

1 数字图像与图像之间标定像素

1.1 数字图像

数字图像就是将连续模拟图像离散化进行处理以后，所获得的点阵构成的图像.通常若干个数点才能够组成一幅数字图像，例如，一幅288×520的图像，就是一个矩形图形，其中278个数据点处在水平方向上，500个数据点处在垂直方向上.像素就是这些数据点.利用数字可以表示各个像素的属性，例如，灰度和颜色等.从本质上讲，数字图像属于被量化的二维矩阵，因此，可以有效地运用计算机来修改和运算图像，并且能够提取有关的信息[2].

1.2 标定数字图像像素

测量裂缝的宽度利用数字图像，需要标定图像像素.在图像中，实际宽度由一个像素δ代表,也就是标定内容，其单位为mm/pix.标定像素的方法比较多，对于效率和精度的要求应该综合地进行考虑，将一张标准长度的黑色纸条贴到被摄取裂缝的旁边，是该文所使用的方法.处理完采集的图像以后，对于图像中黑色纸条长度方向上像素点的数量进行提取，黑纸条标准长度÷像素点的数量，像素代表的宽度就可以得到.例如，120毫米的黑纸条长度，1200个像素点.一个像素表示的实际宽度就是δ=120/500=0.1mm/pix.

2 采集及处理裂缝的图像

2.1 采集图像

无论是桥梁和道路结构，还是房屋等有关结构，表面裂缝宽度相对都比较小，裂缝大小方向在数码图像中的像素相对也比较少，所以，最后检测的精度，会受采集图像质量的影响[3].为了能够更好和更准确地识别裂缝的大小，数码相机的像素必须要高，从而使裂缝能够将更多的像素获得.运用高像素数码相机拍摄时，为了使裂缝能够在屏幕中央的位置，需要手持相机在标定纸和裂缝的正前方并且呈竖直的状态，镜头与裂缝平面垂直，也就是正焦来拍摄，减少畸变.所以，数码相机的倾角应该不断地进行轻度地调整，对数码相机中裂缝平面的成像情况随时进行观察，使相机光轴与裂缝垂直.有些辅助的装置在现场条件允许的情况，也可以使用，例如，在固定数码相机方面，可以利用三脚架等，具有调平功能，从而更好地采集图像提高质量.

2.2 处理图像

采集到所需图像以后，下一步工作是进行预处理图像，除掉一些干扰，致使裂缝的信息突出出来，为分析裂缝图像的数值奠定良好的基础[4].处理图像包括分割阈值和转灰度图以及中值滤波等几个方面.

2.2.1 转灰度图

大量色彩信息包含在裂缝图像信息中，对计算裂缝图像非常不利.所以，对于图像中所含的内容比较丰富，针对灰度图像应该利用亮度来表示[5].灰度通常分256个级别，利用0～255的数字分别进行表示.最暗的用0表示，也就是黑色；最亮的用255表示，也就是白色，用剩下的数字来表示0～255之间的数字.每一个像素在这种情况下就只剩下一个参数，利用二维矩阵就能够表示一幅图像.对于一幅彩色图像转成灰度的图像，利用下面的公式：Intensity=0.3R+0.59G+0.11B,图像灰度值就是Intensity.彩色图像各个像素的三个参数值分别为R、G、B.将一幅彩色图像转化为灰色图像的效果，见图1所示，彩色图将裂缝图像转化为灰度图以后，图像只有非常微小的损失，裂缝更加清晰.

图1 裂缝灰度图像

图2 裂缝图像灰度直方图

从图1中便可知道，无论是裂缝灰度，还是背景灰度都有很大的变化.裂缝图像灰度直方图，见图2所示，灰度值0～255就是横坐标，纵坐标就是所有的像素点.选取一个恰当的阈值，即灰度值，就是有效地比较各个像素灰度和阈值，像素灰度如果大于阈值，灰度就变成255；像素灰度比阈值小，灰度就全变为0，将图像选用二值化进行处理以后，图像只剩下白色和黑色，从背景中，就可以明显地将裂缝分离出来.选取阈值是将图像分割成二进制图像重要的一环，识别裂缝图像边缘的精度直接受其影响[6].计算阈值的方法主要有最大类间方差法、直方图法和最小误差法等.图像灰度所具有的双峰特征比较明显时，就是背景灰度和裂缝灰度主要分布在两个固定灰度区，可以有效运用迭代方法自动进行计算阈值，在灰度直方图当中，选取与阈值T比较相似的一个值，将图像分成R1和R2两个部分，对于R1和R2灰度的μ1和μ2平均值再计算出来，新分成的阈值T=（μ1+μ2）/2得到，将以上的步骤重复，一直到没有变化为止.阈值自动选取误差明显或者图像双峰特征不太明显时，阈值的大小需要用手动进行调节，实现最佳的分割效果.选取T=100阈值，处理二值化裂缝的图像，图像进行分割以后，图像的裂缝更加明显，基本没有损失到裂缝的边缘，但是，一定数量的噪点还存在.

二值化处理图像以后，大小的噪点背景中还存在，裂缝边缘还是不清晰，所以，要对图像的除噪深入处理.有效运用值滤波对裂缝图像除噪.中值滤波属于低通滤波器，对于领域中像素能够按照灰度级进行排列，将中间值取出，作为输出的对象，从而使图像边缘得到有效地保护，不但要控制好噪点，而且，边缘还要清晰，不能模糊.中值滤波需要选择滑动的一个窗口，含有点需要为奇数，运用窗口中每个点的灰度值将指定点替代，通常为窗口中心点.经过中值滤波以后，离散分离噪点如果仍然存在，利用手动擦除[7].

3 简介裂缝的宽度计算法

3.1 框选平均值法

框选平均值法即面积÷长度=宽度.裂缝经过二值化处理以后的示意图，见图3所示.裂缝区域灰度值为0的像素点利用黑色圆圈表示.自框选图像的顶部对图像逐行进行扫描，对于各行像素灰度值0的点数目进行统计，获得单位裂缝的面积（S），也就是像素的数量.对各行像素灰度值0的像素点中心点坐标进行扫描，并将其进行相连.用勾股定理，逐行进行累加，对于以像素作为单位的裂缝长度（L）就能够进行计算.以像素作为单位的裂缝平均宽度W像=S/L.根据标定，裂缝的平均宽度W实=δoW像就可以获得.沿着长度的方向，裂缝宽度如对有明显的变化，就应该反复地框选裂缝的每一个区域，同时，还要计算出各区域裂缝的宽度，将最大的裂缝进行确定.

图3 模拟裂缝的示意图

3.2 手动点取的边界法

使用手动点取边界法，既要裂缝宽，又要裂缝的边界比较清晰.利用鼠标将裂缝边界上的L1和L2两点直接点取，直线L1和L2就是裂缝像素的宽度.设 L1（X1，Y1）和 L2（X2，Y2），裂缝像素的宽度W像=就能够得到，实际裂缝的宽度W实=δoW像.

4 验证精度

为了将算法精度进行验证，利用AutoCAD2007画对裂缝进行模拟，裂缝由图中的曲线代表，见图4所示，3.7毫米的宽度，120毫米的长度，算法可靠的程度进行验证.有效运用框选平均值法进行求解，将裂缝宽度得到，为3.68毫米，误差为1.5%；手动点取边界，获得裂缝宽度，为3.85毫米，误差为3.2%，可以看出，两种方法的误差，都没有超出范围.平均值法利用框选进行计算，对裂缝边界不用进行识别，无论可操作性，还是可靠性都非常高[8].

图4 模拟裂缝的图橡

针对表面的一些裂缝，利用裂缝测仪进行测量，与数字图像处理的计算所得到的结果比较，两种方法测量裂缝宽度的比较，见表1所示，裂缝的宽度＞0.4毫米时，二者误差能够控制在10%以内，稳定性和精确性都比较高，能够达到工程实践的要求.

表1 两种方法测量裂缝大小的比较

5 总结

综上所述，对于房屋、桥梁和道路等相关结构表面裂缝的宽度，有效运用图像处理技术进行测量，是非常必要，对数字图像处理技术设备的要求并不复杂，比较简捷，将有关软件运用好，需要的数据就能够得到.数字图像处理技术属于一种新的技术，可以将无损坏的检测提供给房屋和桥梁以及道路等结构.在实践中进行运用，尤其现场的条件比较恶劣，利用该方法拍摄远距离，是一种非常好的选择.该方法能够将人员与结构物的安全性、现场的检测效率和数据精确性等很大程度地提升.