基于改進的局部閾值分割的陰影路面裂縫提取方法

劉 晟

（西安理工大學 信息技術與裝備工程學院，陜西 西安 710048）

路面破壞等是公路交通中檢測路面質量的重要標準。近年來，許多學者將圖像技術應用于路面裂縫檢測[1]。但由于路面經常被路邊的樹木建筑物遮擋，因此一般拍攝到的路面裂縫經常出現一些陰影，給利用圖像處理檢測裂縫進行檢測帶來一定的困難。大部分對裂縫提取是先研究如何去除陰影然后提取裂縫，但這種方法在去除陰影的同時一些裂縫信息也消失掉，不能很好地檢測裂縫。針對上述問題，本文通過改進的局部閾值分割的方法對圖像進行閾值分割和連通區域分析，根據連通域的特征進行裂縫提取，從而得到裂縫區域。

1 裂縫提取

首先對圖像進行直方圖均衡化處理，增加圖像的對比度。其次，對路面裂縫圖像采用分數階積分的方法進行去噪處理。去噪后能很好地保留圖像的細節信息[2]。

1.1 改進的局部閾值分割

路面裂縫圖像尤其是帶陰影的路面裂縫圖像，具有復雜的背景，采用傳統的局部閾值分割時如何對圖像進行劃分很難確定，同時劃分后易出現塊狀效應，影響圖像分割質量。在圖像處理中，標準差能反映一個數據集的離散程度，即反映圖像灰度值偏離灰度均值的程度[3]。為克服塊狀效應，本文對裂縫圖像中的每一個像素進行閾值分割，選取一個適當的窗口在圖像上移動，對每個窗口計算窗口內的灰度均值及標準差，同時根據人為經驗設定一個適當的附加閾值及標準差縮放系數對圖像進行局部閾值分割。

具體步驟如下：

（1）首先選取大小為w×h的窗口作為局部閾值分割模版，將模版在圖像上分別向右和向下移動，每次移動一個像素，同時計算像素(i,j)所在窗口內灰度值的均值m(i,j)和標準差d(i,j)。g(i,j)為像素(i,j)的灰度值，m(i,j)和d(i,j)是像素(i,j)所在窗口內的均值和標準差。

（2）根據人為經驗設定一個適當的附加閾值AT及標準差縮放系數DScal，-1.0＜=DScal＜=1.0，AT＞=0。如果DScal＞=0，選取附加閾值和標準差中較大的一個作為偏離閾值即偏離閾值：

如果DScal＜0，選取附加閾值和標準差中較小的一個作為偏離閾值即偏離閾值

（3）根據圖像信息選擇想要的區域，對于圖像中每一個像素，當獲取圖像較亮的像素時，按下述公式計算，進行閾值分割選取圖像中較亮的區域。當提取的圖像中較暗的區域時即按公式計算，進行閾值分割，選出較暗的區域。

該方法是對圖像中每個像素進行計算，并用標準差和均值對圖像進行分割，提取的像素閾值與周圍像素關系密切，提取的圖像質量較好。

1.2 連通區域分析和特征提取

常見的連通區域標記主要是指二值圖像的連通區域標記，它一般是從像素值為“0”（背景像素點）和像素值為“1”（前景像素點）組成的圖像中將前景像素點提取出來，判斷像素之間的鄰域關系，對屬于同一連通區域的像素賦予相同的連通標號[4]。比較常用的方法是四鄰域和八鄰域法。

本文采用文獻[4]提出的方法對閾值分割后的二值圖像進行連通區域標記，并用隨機的顏色對連通區域顯示出來。連通區域的特征有很多，設P是每個連通區域的中心點，Pi是該連通區域輪廓上的像素點，M是該連通區域輪廓的面積，即輪廓上像素點的總和。

計算第n個區域的平均偏離程度：

其中n=1,2,…,即該圖像中連通區域的個數。

由于裂縫一般是細長的區域，所以偏離平均程度較大。根據數據生成裂縫連通區域的直方圖，提取數據較大的區域，即為要提取的裂縫區域。

2 實驗結果及分析

實驗選取帶有樹木陰影的路面裂縫圖像（見圖1），該路面裂縫圖像偏暗，為了增強圖像的對比度，突出裂縫，對路面裂縫圖像進行直方圖均衡化處理和平滑處理如圖2所示。圖3為基本的局部閾值分割方法，圖4為本文的局部閾值分割方法。可見基本的閾值分割方法塊狀效應明顯分割效果不好，本文方法能很好地克服塊狀效應，效果較好。圖5為對閾值分割后圖像進行連通域分析，并用不同顏色進行標記。圖6為提取的裂縫區域與原圖合并結果。

圖1 原圖

圖2 平滑后圖圖像

圖3 傳統局部閾值分割

圖4 本文局部閾值分割

圖5 連通域

圖6 提取的裂縫

3 結語

本文對采集的帶有陰影的路面裂縫圖像進行直方圖均衡化和去噪平滑預處理，以增強圖像的對比度和去除噪聲，進而利用改進的局部閾值分割方法對圖像進行閾值分割。根據連通區域的距離標準差特征生成特征直方圖進行裂縫提取，得到裂縫區域。通過實驗結果可以看出該方法能很好地提取帶有陰影的路面裂縫圖像。