面向復雜光照條件的橋底裂紋檢測與測量算法研究?

徐 豐 孟 康 聶 鑫

（武漢工程大學土木工程與建筑學院 武漢 430074）

1 引言

橋梁事故無論是對人們的出行還是生命安全方面都帶來不可預測的風險，根據《城市橋梁檢測和養護維修管理辦法》中的說明，城市人民政府市政工程設施行政主管部門應該根據實情，需要定期定量的對大橋進行維護，經常性檢查、定期檢測、特殊檢測。根據吉伯海等［1］的研究，橋梁事故發生的74%可以總結為施工，超載等人為因素，與橋梁的維護和裂紋檢測息息相關。但是往往人工檢測帶來大量的資源浪費和效率低下，是否有一種自動化的裂紋檢測滿足人們的需求。

近年來，隨著圖像處理技術的發展，機器取代人工已經變成一種大勢。如耿飛利用統籌的方法實現了對混凝土裂縫的量化研究及開裂面積的計算［2］，曾燕華開展了基于計算機視覺的橋梁表面缺陷檢測技術［3］，北京交通大學的張國旗開展了基于圖像處理的技術的橋梁裂縫檢測的研究［4］，洪漢玉等利用特征提取將提取的偽特征進行去除然后進行識別［5］，張維峰等實現數字圖像處理技術在橋梁裂紋測量中的應用［6］。但是這些都存在一些問題：1）是他們的檢測都是在正常光照下進行的，沒有考慮到橋底裂紋的光照的遮擋光照不足，逆光，反光等情況。2）是現有的檢測效果比較好的Canny算子［7］，能很好地模糊圖像，對邊緣保存不是很好。所以在這一點上提出了改進。

本文提出了在橋梁底部裂紋在光照不足或者昏暗的條件下進行全局自適應光照調整得到比較好的光照圖片，然后用多個角度拍攝的圖像拼接［8］獲得底面的全橫截面圖像對橋地面可視化，運用改進的Canny算子測出裂紋的圖像，最后計算它們的長和寬。

2 處理流程

面向復雜光照條件下的橋底裂紋檢測與測量的流程圖見圖1。

圖1 橋梁裂紋檢測的流程圖

由于橋梁底部的裂紋是通過仰視拍攝得到的，受到光線的影響因素比較大，所以得先降低光照的影響。通過多個攝像頭在不同位置的拍攝情況，得到不同角度的照片，最后通過多個角度的圖片進行圖像的拼接融合，把拼接融合的圖片用改進的can?ny算子進行計算，最后輸出圖中裂紋的像素長寬。

2.1 圖片光自適應調整模型

在橋梁底部的裂紋圖片大部分是暗光的條件，裂縫被陰影遮擋或者光線暗的條件下會忽視甚至會發現不了。在此基礎上考慮把原始圖片使用光照增強的技術來得到效果更好的圖片。

由于現在的關于橋梁底部的裂紋樣本比較少，使用深度學習的方法會產生比較大的誤差。于是可以采用傳統的方法進行實驗。現有的一些光照增強的方法，如Ahn，Hyunchan等［9］提出了全局自適應和局部自適應的HDR實現過程，對HDR image進行色調映射，現在大部分的光照增強的方法［10～11］都是對圖片顏色的恢復有一定的要求，但是該實驗對橋梁底部裂紋的圖片會對光照增強的圖片進行灰度化，沒有對顏色的要求，所以本文提出的方法是先把圖像從RGB空間轉換到YUV空間，然后對亮度，進行提升，然后轉換回RGB空間。這樣做只提升了圖像的亮度，而沒有提高色度和濃度，圖像會顯得很亮，但是色彩不夠鮮艷，符合實際檢測的需求。如圖2所示。

圖2 光照增強處理的圖片

其中圖2（a）是光照增強前的圖片，圖2（b）是使用全局自適應原理進行的光照增強的實驗的效果圖。全局自適應方法的原理如下具體公式如下：

上述式子中，Lg(x，y)代表全局自適應處理的輸出結果；Lw(x，y)表示輸入圖像的亮度值；Lwmax表示輸入圖像亮度的最大值；表示輸入圖像的亮度值的對數平均值；其中，m*n代表圖像的尺寸。σ是一個很小值，為了防止遇到圖像中亮度為0的黑點的情況。

2.2 圖片融合

將多個不同角度攝像頭拍攝的圖像固定為大小尺寸一樣的原始圖像，并將不同角度拍攝的圖片進行圖片的拼接融合［12］，得到一個固定尺寸比較全面的拼接圖片。

在不同角度拍攝的橋梁裂紋圖片有可能大小都不同，讓裂紋檢測的精準度不好把控。為解決這一問題，計算機視覺界引入了尺度不變特征的概念。它的理念是，不僅在任何尺度下拍攝的物體都能檢測到一致的關鍵點，而且每個被檢測的特征點都對應一個尺度因子。理想情況下，對于兩幅圖像中不同尺度的同一個物體點，計算得到的兩個尺度因子之間的比率應該等于圖像尺度的比率。文章使用：SURF特征。SURF全稱為“加速穩健特征”（Speeded Up Robust Feature），將會看到，它們不僅是尺度不變特征，而且是具有較高計算效率的特征。拼接后的圖片有利于軟件實際的檢測。

2.3 圖片裂紋的檢測與測量

2.3.1 圖片增強對比度

為了讓灰度化后的圖片更加的清晰，使背景和裂紋更加容易區分，使用圖片對比度增強的方法，具體公式如下：

在圖像像素中其中，參數f（x）表示源圖像像素，參數g（x）表示輸出圖像像素。參數a（需要滿足a＞0）被稱為增益，常常被用來控制圖像的對比度。參數b通常被稱為偏置，常常被用來控制圖像的亮度。在圖片增加對比度之后可以明顯發現比較之前的圖片，增加對比度后的圖片中顯示的裂紋信息更加的清晰。

2.3.2 用改進Canny邊緣算子檢測圖中裂紋

傳統的Canny邊緣檢測算子首先通過高斯濾波函數對圖像進行濾波去噪，高斯濾波是基于空間域的一直濾波，離中心越近權重越大，能很好地模糊圖像，對邊緣保存不是很好。文章采用的是雙邊濾波（Bilateral blur）相對于傳統的高斯濾波來說很重要的一個特性即可以保持邊緣，這個特點對于一些圖像模糊來說很有用。一般的高斯模糊在進行采樣時主要考慮了像素間的空間距離關系，但是卻并沒有考慮像素值之間的相似程度，因此這樣得到的模糊結果通常是整張圖片一團模糊。Bilateral blur的改進就在于在采樣時不僅考慮像素在空間距離上的關系，同時加入了像素間的相似程度考慮，因而可以保持原始圖像的大體分塊進而保持邊緣。雙邊濾波的具體公式如下：

g（i，j）代表輸出點；S（i，j）的是指以（i，j）為中心的（2N+1）（2N+1）的大小的范圍；f（k，l）代表（多個）輸入點；w（i，j，k，l）代表經過兩個高斯函數計算出的值。ws為空間臨近高斯函數，wr為像素值相似度高斯函數：

可以看到，w是ws和wr的乘積。對于ws來說，這就是普通的高斯濾波函數，其代入的坐標，σ是程序輸入值，該函數是在空間臨近度上計算的。而wr是計算像素值相似度（顏色空間），注意，這就是高斯函數代入坐標值，2的上方是范數，在這里的值為|f(i，j)—f(k，l)|2。也就是兩個點像素值差值的絕對值的平方。其中，彩色圖片計算差值時應將（i，j）點的RGB三通道值之和減去（k，l）點的RGB三通道值之和。這里是顏色空間計算，不能當成單通道，但是在最后矩陣卷積時，是單通道與權值相乘而不是三個通道之和。

2.3.3 裂紋測量方法

一些學者為測量圖像中的裂紋長度或者像素提出過很多的方法［13～14］。為測得圖片中清晰可見的裂紋，文章提出另外一種簡單的計算裂縫長度和寬度的方法，提高測量的精度。該方法的基本思想是先通過腐蝕膨脹的操作去除孤立的點，然后細化圖像中的裂縫邊緣，然后再統計細化后圖像中的白色像素點的個數，并將該數值作為裂縫的長度CL，可以用裂縫的平均寬度CW來表示裂縫的寬度，計算公式如下：

式中，Area為裂縫區域的面積，CL為裂縫的長度。其中Area區域的面積一般是指各個連通區域中所包含的像素的個數，可以用來衡量連通域的大小。其計算步驟如下：

1）用M*N矩陣來表示圖像B，將所有連通域的面積變量Arealabel的初始值都設為0。

2）按自左向右，自上向下的順序遍歷圖像矩陣B中的所有像素，當像素點的標記label非零時，將該像素所在區域的面積加一，即：

3）當遍歷完圖像B后，各區域的面積則保存在相應的Arealabel變量中。

3 實驗結果與分析

3.1 圖像的光照增強實驗

如圖3，圖中的第一列是選取的在光照條件不足或昏暗條件下選取的原始圖片，第二列是原始圖片檢測的裂紋效果，第三列是把原始圖片使用光照增強后的圖片，第四列是光照增強后檢測的裂紋效果圖，從圖中可以明顯看出加了光照后檢測的效果會更好。

圖3 原始圖片與光照增強圖片的對比

該實驗選取50張圖片進行光照測試，分別計算原始圖片和光照增強圖片后檢測的裂紋個數，從表中就可以看出加了光照增強效果的圖片測得的圖片裂紋數更多。如表1所示。

表1 計算的裂紋個數

3.2 各種算法檢測的對比

圖4中（a）是原始圖片；（b）是馬衛飛［15］用深度學習BCDCGN模型檢測 后的圖片；（c）是楊先鳳［16］用Canny算子檢測油管裂紋，在這里顯示的是檢測橋梁的底部裂紋后的圖片；（d）是文章使用的方法用改進的Canny算子經過變換后檢測出來的圖片，可以清晰地看見（d）的效果圖是最好的。

圖4 各種算法的對比

3.3 裂紋計算長度和寬度與實際的對比

該部分通過拍攝的幾組裂紋圖片進行實驗，分別通過幾種方法對圖片進行識別，分別計算出它們的像素長和像素寬，最后求取幾組實驗的平均值，根據平均值計算出它們的實際長度，最后根據真實的長度計算它們的誤差。如圖5顯示的就是文章改進的Canny算子檢測出圖片中裂紋的像素長和像素寬。

圖5 對圖中裂紋的測量

表2針對的是檢測方法中用到的幾種邊緣檢測算子的檢測結果，通過檢測出它們的像素長度和像素寬度，根據實際計算后與真實值的對比。實驗一共分為兩組，檢測了200張橋梁地面裂紋的圖片，每組為100張圖片。

表2 圖片中裂紋大小計算和實際值的對比

表2中的識別尺度是經過圖片中裂紋檢測出的像素根據實際的比例進行計算取平均值后的結果，根據表中的內容可以看出，改進的Canny算子經過一系列的計算后的誤差與別的算法對比可以看出明顯的優勢。

4 結語

本文對橋梁的底部裂紋的檢測識別進行了研究。對于檢測橋梁的底部裂紋的圖片清晰度和光照的問題，采用光照增強的方法，然后進一步對圖像進行處理和檢測并且計算出相應的像素值，取得了比較好的效果。實驗結果表明論文中提出的算法具有較強的穩定性和準確性，可以有效地解決橋梁底部裂紋檢測和測量的問題。