基于圖像分析技術的混凝土橋梁結構表面裂縫寬度檢測

摘 要：針對目前檢測裂縫寬度時通常采用的接觸式人工直接測量方法費時費力、且難以準確測量最大裂縫寬度的問題，基于圖像分析技術的應用，提出采用在混凝土表面粘貼純色標定塊來標定、修正原始圖像，并對其進行對比增強、平滑等一系列處理后直接在圖像上確定裂縫寬度的無接觸式測量方法.基于所提方法，分別以正拍和斜拍圖像對一開裂混凝土梁的表面裂縫進行了檢測，結果表明：基于正拍和斜拍圖像確定的裂縫寬度的識別精度分別為93.4%和90.9%，表明該方法能有效檢測混凝土結構表面的裂縫寬度.

關鍵詞：混凝土；結構檢測；裂縫寬度；圖像分析；圖像修正

中圖分類號：U446.3 文獻標識碼：A

Crack Width Detection on the Concrete Surface of Bridge Based on Image Analysis Technology

FANG Zhi，PENG Hai-tao

(College of Civil Engineering，Hunan Univ， Changsha， Hunan 410082，China)

Abstract:The crack width on structural concrete surface is one of the most important parameters in the detection and assessment of concrete structures. At present，the contact-based method is commonly used by inspectors to detect the maximum width of crack. However， this method is a great consumption of time and energy and can not measure the maximum width of crack accurately. Based on the application of image analysis technology， a new non-contact method was proposed in this paper， which used the calibration block on the concrete surface and revised the original deformed images， thus enhancing the contrast of the revised image and smoothing them， etc. Finally， the width of crack in the image can be calculated. The method has been verified by the laboratory experiment of a cracked concrete girder using vertical and oblique photographic techniques to detect the cracks and the accuracy of 93.4% and 90.9% have been obtained， which have shown that this new method can effectively detect the width of crack.

Key words:concrete structure; structural detection; crack width； image analysis；image correction

混凝土橋梁結構病害的一個最主要的表征就是其表面混凝土的開裂，最大裂縫寬度是混凝土結構狀態評估的主要參數之一.因此，混凝土結構表面最大開裂寬度的檢測與評定就顯得尤為重要.目前，混凝土結構表面裂縫寬度檢測一般采用裂縫觀測儀進行接觸式的直接觀測，該方法效率低，可重復性差，環境局限性大，因此有必要引入一種速度快、效率高的檢測方法[1].

近年來，基于圖像分析技術的裂縫檢測、識別方法不斷發展[2]，而圖像的準確標定是該技術成功應用的關鍵.Atsushi Ito等[3]通過粘貼25種不同面積(0.3~9 mm2)的標準刻度條，統計每一標準刻度條的總亮度，得到總亮度和每一刻度條面積之間關系，進而根據裂縫的總亮度確定裂縫實際面積，但文中并未注重裂縫寬度的確定，此外該方法還不能消除拍攝角度的差異；Pi-cheng Tung等[4]提出并研發了一種采用雙攝像頭采集裂縫信息，根據圖像信息、焦距和2個攝像頭之間的距離確定裂縫和攝像頭之間距離的橋梁裂縫檢測系統，但該系統由于需要對計算公式進行裝置安裝以及人員操控引起的誤差修正而難以準確標定裂縫圖像，此外，該系統僅檢測裂縫的分布，不能確定裂縫的寬度；查旭東等[5]采用專業攝影三腳架固定數碼相機，使其保持固定的高度、焦距和所獲圖像尺寸，并將一把鋼尺置于鏡頭正下方，由照片中鋼尺的長度直接讀出圖像長寬對應的實際尺寸而得到像素解析度，但該方法對于豎向結構應用困難，且文中將裂縫寬度簡單地取值為裂縫的面積與長度的比值，也略顯粗糙.

實際上，由于空間的限制以及其他環境干擾的客觀存在，使得裂縫圖像采集過程中難以保證得到嚴格的正拍圖像(保證CCD成像平面與裂縫平面嚴格保持平行時所得圖像稱為正拍圖像，否則稱為斜拍圖像)且拍攝距離也難以準確標定，因此采用上述方法均不能準確獲取裂縫寬度.本文基于圖像處理、分析技術的應用，提出采用在混凝土表面粘貼純色標定塊來標定、修正原始圖像，并對裂縫圖像進行對比增強、閾值分割、噪聲消除等一系列處理后，直接在裂縫圖像上確定最大裂縫寬度的方法.

1 裂縫圖像的分析方法

基于圖像分析技術的混凝土結構表面裂縫寬度的確定，主要包括圖像采集、圖像處理和分析以及裂縫寬度確定等內容.采用圖1所示的分析流程，通過采集和分析高清晰度數碼相機所拍攝的裂縫圖像來確定混凝土結構表面的裂縫寬度.

1.1 采集裂縫圖像

采用數碼相機作為圖像采集系統.其他條件不變時，圖像的分辨率越高，單位像素所能反映的對象實際幾何尺寸就越小，即像素解析度越小.

為尋求像素解析度、拍攝距離和分辨率三者之間的定量關系，本文以正方形標定塊為試驗對象，分別采用200萬，300萬，500萬，700萬和1 200萬的圖像分辨率(圖像的高寬比均為3︰4)，以不同距離采集標定塊圖像，每種分辨率下采集照片18張.再根據RGB圖像中標定塊紅色、藍色和綠色分量像素值的范圍掃描整幅圖像后，統計標定塊像素總數W.基于標定塊實際面積S (mm2)，可得到每個像素邊長對應的實際長度為(S/W)0.5(mm/像素)，即為像素解析度.

試驗所得像素解析度與圖像分辨率、拍攝距離之間的關系如圖2所示，圖中橫坐標為裂縫平面至相機焦點的距離，縱坐標為像素解析度.根據試驗數據擬合可得到像素解析度與拍攝距離、圖像分辨率之間的近似關系如式(1)所示.

J=［(0.49×f2－10.33×f+79.45)×L+

0.28×f2+3.84×f－69.4］×10－2.(1)

式中：J為像素解析度，mm/像素；f為圖像分辨率，106；L為裂縫平面至相機焦點的距離，cm.

從式(1)可以看出：圖像分辨率一定時，像素解析度與拍攝距離近似呈線性關系；拍攝距離一定時，像素解析度隨分辨率的提高而減小，并與圖像分辨率近似呈二次拋物線的關系.

1.2 將RGB圖像轉化為灰度圖像

后續的圖像處理和分析均以灰度圖像為基礎，因此應將RGB圖像轉化為灰度圖像.RGB圖像由紅色(R)、綠色(G)和藍色(B)三種基本顏色分量組成，而裂縫的識別是依據裂縫和背景灰度等級的差異來完成.根據人類對每種顏色的敏感程度，將圖像的R， G， B顏色分量映射到R， G， B立方體的對角線上，采用式(2)計算各像素色彩的灰度值[6]：

Gray=0.229×R+0.587×G+0.114×B. (2)

式中:Gray為輸出灰度圖像的灰度等級.

裂縫平面至相機焦點的距離/cm

圖2 像素解析度拍攝距離分辨率關系

Fig.2 The relationship of pixel DPI， shooting distance and resolution

1.3 圖像的修正和標定

當空間限制必須采用斜拍的方式采集裂縫圖像或存在拍攝誤差時，所采集的圖像會產生圖3(a)所示的傾斜變形.為正確識別裂縫寬度，需對原始圖像進行傾斜修正，圖像的傾斜修正以正方形標定塊為基礎.

圖3(a)中的梯形標定塊是粘貼在結構表面方形標定塊的影像.通常情況下，除了該影像的兩側邊是傾斜的外，其頂邊和底邊相對于含標定塊圖像在內的整幅圖像的底緣存在傾角，因此，圖像的傾斜修正除修正標定塊的側邊傾斜之外，尚需修正標定塊相對于整幅圖像底緣的整體傾斜.為此采用下列方法修正圖像：

1) 將原始圖像轉化為灰度圖像，根據標定塊上、下緣在圖像中的傾斜角度采用雙三次插值方法旋轉圖像使其頂、底邊平行于整幅圖像的底緣[6]，圖3(b)為旋轉后的圖像.

2) 統計確定標定塊兩側邊的傾角.圖3(c)為標定塊左側邊緣像素統計點和采用最小二乘法擬合這些統計點的直線，根據擬合直線所確定的標定塊側邊傾角、標定塊中心在圖像中的位置，計算兩側邊修正直線的斜率以確定圖像側邊的傾斜修正線如圖3(d)所示. 以標定塊中心點A為基點，對于基點以上圖像，將兩側修正線以內的圖像進行拉伸處理；對于基點以下圖像，將空白區域用零填充，并將兩側修正線以內的圖像進行壓縮處理，得到同寬的圖像，算法同樣采用雙三次插值；最后根據標定塊縱向和橫向的比例調整圖像2個方向的比例使其還原到正方形，圖3(e)為修正后的圖像.

統計修正后圖像中標定塊的像素總數，進而得到像素解釋度η.

圖3 圖像修正

Fig.3 Image correction

1.4 圖像對比度增強

增強圖像的主要目的是使處理后的圖像質量得到改善，增強圖像的信噪比，使得裂縫和背景最大限度地分離.針對混凝土表面裂縫和背景對比不明顯的特征，采用基于變換灰度直方圖的圖像增強技術是可行的，這里采用Fujita[7]提出的方法消除圖像不均勻照明或陰影.圖4(a)為對灰度圖像進行對比增強的效果.

圖4 灰度圖像的對比增強與中值濾波

Fig.4 The contrast-enhanced and median filter of gray-scale image

1.5 圖像的濾波平滑

一般而言，沿裂縫斷裂面可能存在氣孔以及材料自身缺陷，混凝土裂縫邊緣線是極為復雜的曲線，若處理不當，這些噪聲會使得識別出的最大裂縫寬度偏離真實值.對于較弱的噪聲，可采用中值濾波去除.中值濾波是一種典型的低通濾波器，可既去除噪聲，又有效地保護圖像的邊緣. 其基本原理是：首先定義領域，常見的領域有方形、菱形、十字形和圓形等，不同形狀和大小的領域對平滑結果影響較大，對于變化緩慢的且具有較長輪廓線物體的圖像，可采用方形或圓形[8].就濾波器領域大小而言，當尺寸增大時，計算量將按四次方增大[9]，同時圖像對比度降低；當尺寸較小時，濾波效果不明顯.一般要求1/2窗寬大于噪聲的延續寬度，且小于最小裂縫寬度，若圖像解釋度為0.05 mm/像素，需要檢測的最小裂縫寬度為0.20 mm，則最大領域寬度為8，而領域寬度一般取奇數，故取值為7.因此，本文采用7×7階方形領域；然后在輸入圖像每個像素點的領域內按灰度等級排序，取其中間灰度等級作為該像素處輸出圖像的灰度值.平滑效果如圖4(b)所示.

1.6 圖像閾值分割

若裂縫存在多條交錯、分叉等現象，在平滑后的圖像中，可采用人機交互的方式選取無可視噪聲的裂縫目標區域，為簡化算法，區域內只容許一條裂縫.

為了識別裂縫信息，必須將目標區域進行二值化.所謂二值化，就是圖像分割，即按照一定的原則，將一幅圖像分為若干個互不相交的小區域，即產生圖元的過程，將目標圖像和背景分離.圖像分割是圖像識別、分析和理解的基礎.設原始圖像為f(x，y)，把大于或等于閾值T像素點的灰度值置為邏輯值1，小于該閾值像素點的灰度值置為邏輯值0，將圖像分割為兩部分，從而實現圖像的二值分割.閾值運算后的圖像為二值圖像g(x，y)，其運算如式(3)所示[10].

g(x，y)=1，f(x，y)≥T；0，f(x，y)

閾值的確定至關重要，本文采用窗口法框選裂縫區域(裂縫區域與背景區域的面積近似相等)，計算該區域灰度直方圖，預處理后的裂縫圖像中裂縫區域的灰度級較小，背景區域的灰度級較大，直方圖中通常出現2個明顯的峰值點，將兩個峰值對應灰度等級的均值作為閾值.圖5為二值化后的圖像.

1.7 消除孤立點或孤立塊

若混凝土表面存在氣孔、蜂窩、表面被染色或大面積剝落等情形，分割后的圖像上仍然存在孤立點或孤立塊噪聲. 如圖5所示.一般而言，裂縫呈細長型，其圖像中最大坐標差值較大，面積較大，且至少有一個區域在圖像的邊界.為了識別裂縫信息，必須對“孤立”點或“孤立”塊予以消除.消除步驟為：首先將二值化后圖像中的所有白色目標進行標記，并統計各標記區域像素個數和坐標；其次統計標記區域的最大坐標差、坐標最值和面積，根據3個參數判別裂縫和噪聲.圖6為消除孤立塊、并進行反轉處理的圖像.

圖5 二值化后的圖像

Fig.5 Binary image

1.8 計算最大裂縫寬度

對于圖7所示兩連續函數u(x)，v(x)，其間中點連線的方程為［u(x)+v(x)］/2，豎向距離為P(x)=u(x)－v(x)，中點曲線的傾角θ(x)=arctan (u(x)+v(x)2)'，因此通過點A兩曲線之間的寬度為：

W(x)=P(x)×cos (θ(x)). (4)

實際上，由數碼相機拍攝并經處理而得到如圖6所示的圖像為m行n列的離散點矩陣，圖中的裂縫寬度可采取下列步驟予以確定：

1) 掃描整圖，統計第i行(i=1~m)裂縫(像素邏輯值為1)的像素個數P(i)，并記錄該行裂縫區間內每一像素點的坐標(i，Z(i，k))，k=1，2，…，P(i)；

2) 求第i行(i=1~m)裂縫區間內全部像素點坐標的平均值M(i)=∑P(i)k=1Z(i，k)P(i)，并將各行坐標(i，M(i))的連線作為裂縫的中心線，則第i行中心線的傾角為θ(i)=arctan M(i+r)－M(i－r)2r，其中r=1，2，3；因為離散后的裂縫沿其長度方向呈鋸齒狀，這里為使第i行中心點處的傾角計算更趨穩定，而取計算點前后3行的坐標值分別計算該點的傾角，再取其平均值θ(i)作為該處的傾角.計算圖像邊緣處的傾角時，采用最邊緣的像素填充超出圖像以外的部分；

3) 根據式(5)確定裂縫寬度：

W(i)=η×P(i)×cos (θ(i)). (5)

式中：η為像素解析度.

4) 實際裂縫邊緣往往會存在氣孔、混凝土脫落等外觀缺陷，采用上述圖像處理技術難以消除此類噪聲，由此導致識別的裂縫寬度會產生局部突變，而實際裂縫寬度沿其長度方向的變化一般是比較均勻的.為準確反映最大裂縫寬度，就需要消除這些局部突變區域所造成的影響. 若發現某處的裂縫寬度較之其前后相鄰區域的裂縫存在明顯的突變，則采用濾波的方法來消除這類噪聲.為此，首先沿裂縫長度方向進行適當的區域單元劃分，每一區域單元長度可取100個像素左右(若像素解析度為0.03 mm/像素，則對應的區域單元長度為3 mm左右)；再計算每一區域單元的裂縫面積，若發現該區域單元的裂縫面積較其前后兩區域單元的面積增大很多，則取該區域單元的面積為相鄰單元面積的平均值，這種濾波實際上是對裂縫寬度沿其長度的變化進行平滑處理.

2 程序實現及試驗驗證

2.1 程序實現

基于以上的裂縫圖像分析方法，利用 Matlab7.0圖像處理工具箱編制程序實現上述分析過程.

2.2 試驗驗證

以一開裂混凝土梁表面裂縫的檢測為試驗對象，對該梁表面的11條裂縫進行了檢測及驗證.裂縫圖像信息的采集設備為普通數碼相機Sony DSC-T90，分辨率為3 000×4 000.同時采用ZBL-F101型接觸式裂縫寬度觀測儀直接測試裂縫寬度，該儀器技術指標為：放大倍數40倍，測試范圍0.02 ~2.0 mm.對待識別的裂縫進行全長實測，并得到最大裂縫寬度.同一裂縫采用2種拍攝方法：正拍法和斜拍法.

基于正拍圖像所得最大裂縫寬度識別值與實測值的比較如表1和圖8所示.可以看出：1~11號裂縫最大寬度的相對誤差變化范圍為1.2%~15.0%，平均相對誤差6.6%，標準差4.2%，最大裂縫寬度的識別精度為93.4%.

基于斜拍圖像所得最大裂縫寬度識別值與實測值的比較如表2和圖9所示.可以看到：1~11號裂縫最大寬度的相對誤差變化范圍為5.9%~15.6%，平均相對誤差9.1%，比正拍法大2.5%，標準差為3.1%，識別精度為90.9%，要比正拍法的識別精度低2.5%. 此外，無論是正拍法還是斜拍法，基本上都是圖像分析法結果的裂縫寬度大于直接觀測法.

采用圖像方法識別的裂縫寬度具有一定的連續性，結果取最大裂縫寬度值，而人工測試結果具有一定的離散性，難以準確檢測一條裂縫的最大寬度.

比較結果表明：盡管基于斜拍圖像的識別結果精度稍低，但裂縫寬度的識別結果均具有較好的精度，可以滿足工程應用的需要，且識別精度基本上隨被識別裂縫寬度的增大而提高.

3 結 論

基于上述結果，可以得到以下結論：

1) 本文提出的在混凝土橋梁表面粘貼純色標定塊來標定、修正原始圖像，并對其進行對比增強、平滑等一系列處理后直接在圖像上確定最大裂縫寬度的無接觸式測量方法，可以很好地適應不同拍攝角度所得原始圖像的處理.

2) 基于圖像處理技術，能對混凝土結構表面的裂縫寬度予以較好的識別.就所試驗的情形而言，基于正拍圖像的裂縫寬度識別精度可達93.4%；基于斜拍圖像的裂縫寬度識別精度略低，但亦可達到90.9%，均可滿足實際工程應用的要求.

參考文獻

［1］ ZHU Z， BRILAKIS I. Defects detection and assessment of concrete surfaces [C]//Intelligent Computing in Engineering—ICE08. Lausanne， Switzerland: European Group for Intelligent Computing in Engineering， 2008: 441-450.

［2］ YU S N， JANG J H， HAN C S. Auto inspection system using a mobile robot for detecting concrete cracks in a tunnel[J]. Automation in Construction， 2007， 16(3): 255-261.

［3］ ITO A， AOKI Y， HASHIMOTO S. Accurate extraction and measurement of fine cracks from concrete block surface image[C]// Proceedings of IECON 02. New York: IEEE， 2002:77-82.

［4］ TUNG Pi-cheng， HWANG Yean-ren， WU Ming-chang. The development of a mobile manipulator imaging system for bridge crack inspection[J].Automation in Construction， 2002， 11(6): 717-729.

［5］ 查旭東， 王文強. 基于圖像處理技術的連續配筋混凝土路面裂縫寬度檢測方法[J]. 長沙理工大學學報:自然科學版， 2007， 4(1): 13-17.

ZHA Xu-dong，WANG Wen-qiang. The crack width detection method in continuously reinforced concrete pavement based on image processing technology[J]. Journal of Changsha University of Technology: Natural Sciences， 2007， 4(1): 13-17. (In Chinese)

［6］ 張強，王正林.精通MATLAB圖像處理[M].北京：電子工業出版社，2009: 137-316.

ZHANG Qiang， WANG Zheng-lin. Proficient in MATLAB image processing[M]. Beijing: Electronic Industry Press， 2009:137-316.(In Chinese)

［7］ FUJITA Y， MITANI Y， HAMAMOTO Y. A method for crack detection on a concrete structure:vol.3[C] //Proceedings of the 18th International Conference on Pattern Recognition. Washington DC: IEEE Computer Society， 2006.

［8］ 高浩軍，杜宇人.中值濾波在圖像處理中的應用[J].電子工程師， 2004，30(8): 35-36.

GAO Hao-jun， DU Yu-ren. Application of median filtering in image processing[J].Electronics Engineer， 2004，30(8): 35-36. (In Chinese)

［9］ 余松煜，周源華，張瑞.數字圖像處理[M].上海: 上海交通大學出版社，2007: 170-172.

YU Song-yu， ZHOU Yuan-hua， ZHANG Rui. Digital image processing [M]. Shanghai: Shanghai Jiaotong University Press， 2007: 170-172. (In Chinese)

［10］羅軍輝， 馮平. Matlab7.0在圖像處理中的應用[M]. 北京：機械工業出版社，2005:1-198.

LUO Jun-hui， FENG Ping. Matlab7.0 application in image processing [M]. Beijing: Machinery Industry Press， 2005: 1-198. (In Chinese)