基于HALCON 的墻面裂紋檢測方法研究

李國民，曹隆，朱代先

（西安科技大學通信與信息工程學院，陜西西安 710054）

當今社會，人們在追求高品質生活的基礎上，更加注重安全問題，特別是房屋居住安全。但是近年來，人們在房屋安全問題上產生了一些質疑，墻面出現裂紋問題尤為突出。

圖像分割能夠準確地把裂紋區域從背景中提取出來，而且能夠保留裂紋邊緣特征。邊緣檢測是圖像分割中的一種常用方法，其原理是提取圖像中灰度發生變化大的區域，由此確定裂紋區域的位置。經典的邊緣檢測算子一般有以一階微分和二階微分為基礎的兩種類型[1]，一階微分算子主要有Kirsch 算子、Roberts 算子和Sobel 算子等，特點是運算速度快，但是邊緣定位不精準；二階微分算子主要有LoG 算子、Laplacian 算子和Canny 算子等，特點是彌補了一階微分算子邊緣定位不精準的問題，但是出現了對噪聲敏感的問題[2-3]。在此背景下，文中提出了一種動態閾值檢測和形態學綜合算法，該算法能在抑制噪聲的同時較好地檢測到裂紋圖像的邊緣。

1 總體設計方案

房屋墻面裂紋檢測是利用HALCON 軟件中的圖像處理方法進行編程實現的。HALCON 是德國Mvtec 公司研發的一款機器視覺軟件，擁有廣泛的機器視覺集成開發環境，便于對圖像進行分析處理。墻面裂紋檢測流程如圖1 所示。

圖1 墻面裂紋檢測流程圖

為了方便后期進行圖像處理，在圖像采集過程中規定采集環境為自然光，在垂直于墻面高度約為40 cm 處完成采集。

2 檢測算法及實現

在采集圖像前需要在裂紋附件貼5 cm 長黑白格進行標定，貼黑白格的目的有以下兩方面：首先是圖像畸變之后進行校準；其次是進行開裂大小的計算，利用黑白格長度與像素進行換算。

2.1 圖像校正

由于采集環境的影響，不便設立一個固定機位進行圖像采集，所以由操作人員進行手持相機進行拍攝。這種方式在采集圖像的過程中有一定的不確定性，特別是手的抖動和采集角度改變容易造成圖像畸變。如果不及時進行圖像校正，就會使處理結果產生誤差[4]。經研究發現，采用投影變換對畸變圖像進行校正的效果最優。

在變換過程中，直線映射后仍然是直線，但不一定保持原有的平行度，投影變換是將產生畸變的圖像投影到一個新的視平面，其變換公式如下[5]，

也可以將上述四對點代入式（2），得到八個方程，聯立之后可得變換矩陣。

圖像校正流程圖如圖2 所示，其中包含了圖像校正過程所用的方法和算子。

圖2 圖像校正流程圖

圖像校準過程的第一步是對目標圖像進行邊緣檢測，由于黑白格與背景色差異較大，因此根據灰度值和形狀進行提取區域并生成輪廓，對應算子為threshold、shanpe_trans 和gen_contour_region_xld；第二步對提取到的邊緣輪廓進行分離，并對分離之后的輪廓進行分類，對應算子為segment_contour_region_xld 和select_shap-e_xld；第三步是邊緣擬合，使用算子fit_line_contour_xld，其目的是對整理好的輪廓xld 進行計算[6]；第四步是使用算子intersection_lines 求出四個點，經過上述一系列操作之后便可得到變換前后的四對點；最后將得到的點代入到投影變換算子hom_vector_to_proj_hom_mat2d 中，得到最終的校正圖像?；儓D像如圖3（a）所示，校正后圖像如圖3（b）所示。

圖3 圖像校正

2.2 圖像預處理

2.2.1 圖像濾波

采集到的圖像由于外界環境或者是相機的問題，會存在一定的噪聲。為了去除這些噪聲，以達到更好的處理效果，在預處理時進行圖像濾波操作。圖像濾波其實就是在盡量保留圖像細節特征的條件下，對圖像噪聲進行抑制。常見的濾波方式有中值濾波、均值濾波、高斯濾波和導向濾波，而不同的濾波方式處理后的圖像效果也不相同，處理效果的好壞直接影響到后續圖像處理和分析的有效性和可靠性[7]。

1）中值濾波是非線性的圖像處理方法，在去噪的同時可以保留邊緣信息，它將臨近像素的灰度值按照大小排列，取中間位置的值作為中值濾波后像素點的灰度值。中值濾波對圖像中孤立的噪聲點消除效果好，尤其是椒鹽噪聲，對應的算子為median_image。

2）均值濾波是典型的線性圖像處理方法，對圖像內部的噪聲有很好的抑制作用。它將臨近的像素灰度值進行取平均值，用該平均值代替原來的像素值，因此降噪后圖像的清晰度不理想，對應的算子為mean_image。

3）高斯濾波是一種線性平衡濾波，高斯濾波器的高斯核內各系數是根據二維高斯分布函數得到的[8]，可用于圖像模糊化（去除細節和噪聲）。

式中，G(x,y)是高斯函數值，x、y是橫縱坐標值，σ是高斯函數標準差。

4）導向濾波不僅能實現雙邊濾波的邊緣平滑，而且在邊緣檢測方面有很好的效果[9]。濾波器的數學公式為：

式中，p是輸入圖像，I是引導圖像，q是經過濾波后的輸出圖像，i、j分別表示像素下標，Wij是和引導圖像I相關的濾波核。

導向濾波器的一個重要假設就是認為濾波后的結果圖q和引導圖像I在濾波窗口內存在線性關系：

式中，wk是以k為中心像素的窗口，ak和bk都是該窗口對應的線性系數。

需注意的是，文中引導圖像就是原圖像，此時導向濾波器就變成了保邊濾波器（Edge Preserving Filter）。

使用以上四種圖像濾波方法，對墻面原始圖像進行濾波操作，原始圖像與濾波圖像如圖4 所示。

圖4 原始圖像與濾波圖像

考慮到所要處理的圖像受環境影響較大，噪聲也較大，因此為保留圖像中裂紋細節，通過對比處理效果，優先選取導向濾波。

2.2.2 圖像增強

經過濾波去除掉噪聲后，進行圖像增強，圖像增強的目的是增強圖像高頻區域（邊緣和拐角）的對比度，為后續的特征提取做準備[10]。圖像增強后的效果如圖5 所示。

圖5 圖像增強后的效果

2.3 特征檢測

2.3.1 動態閾值檢測和形態學綜合算法

閾值分割是圖像分割中的一項技術，是直接對被檢測圖像目標區域進行分割的方法[11]。設定不同的閾值，根據閾值將像素強度不同的區域分開，進而選取ROI(Region of Interest)，即感興趣區域。閾值分割可以用式（6）表示[12]：

式中，f(x,y)是輸入圖像，g(x,y)是輸出圖像，T為閾值，“1”表示選中區域，“0”表示背景區域。

由式（6）可知，選取適當的的閾值T是至關重要的，文中主要針對全局閾值分割（算子threshold）和動態閾值分割（算子binary_threshold）這兩種方法進行閾值的選取。全局閾值分割利用直方圖進行分析，根據波峰和波谷的關系，選取出一個中間閾值；而動態閾值分割相對于全局閾值分割的優勢是不用人為設置閾值，適用范圍更廣，其原理是對原圖像和處理后的圖像做差，選取亮色區域或暗色區域即可，特點是抗干擾性強，不會隨光照變換而變換。圖像灰度直方圖以及處理效果如圖6 所示。

圖6 閾值分割圖

全局閾值算法中根據灰度直方圖選取閾值為130，圖像中裂紋像素在分割的同時包含了一部分背景像素；動態閾值算法相對于全局閾值，在處理裂紋像素的精度上更高，且在適用廣泛性上要優于全局閾值分割算法，因此優先選取動態閾值算法。

利用形態學方法，對細小裂紋處產生的斷裂采用閉運算，它的運算過程是先對圖像進行膨脹再進行腐蝕的過程[13]，數學表達式如下：

式中，⊕代表膨脹運算，Θ 代表腐蝕運算。

對提取到的裂紋進行分析，對裂紋數量（密度）、裂紋的面積和裂紋的最大寬度進行讀取。通過2.1 章節中所述黑白格進行像素和尺寸的換算，進而可以得出裂紋的面積和寬度[14]。該方法提取到的裂紋數量為3，裂紋面積為439.29 mm2，最大寬度為2.48 mm。

2.3.2 Roberts算子

Roberts 算子是一階導數邊緣算子，類似于Sobel算子和Prewitt 算子，采用2×2 模板求相鄰對角的像素之差，但忽視了水平和垂直方向，導致漏檢，適合用于邊緣灰度變化明顯的圖像分割[15]，其卷積模板如圖7 所示，處理效果如圖8（a）所示。

圖7 Roberts算子模板

2.3.3 Sobel算子

Sobel 算子是在Roberts 基礎上改進的3×3 算子，對圖像像素進行微分求導，計算圖像梯度值，對生成像素的灰度值做閾值計算，從而求得邊緣信息，計算過程如下：

式中，Gx、Gy分別表示對原始圖像在x和y方向上求導，I是輸入圖像，三階矩陣分別是垂直方向和水平方向上的模板。

求出圖像近似梯度值如下:

處理效果如圖8（b）所示。

2.3.4 Kirsch算子

Kirsch 算子是R.Kirsch 提出的一種邊緣檢測算法，在保持圖像細節和去除噪聲方面有很好的效果，但存在邊緣判定不精準、選取邊緣較粗等缺點[16]。

采用代表八個方向的模板對圖像中的像素點進行卷積并求導數，取結果中最大值作為圖像的邊緣輸出，處理效果如圖8(c)所示。

2.3.5 LoG算子

LoG 算子是二階微分算子，是在拉普拉斯算子基礎上改進的一種邊緣檢測算子。在圖像進行拉普拉斯邊緣檢測之前使用高斯濾波對圖像進行降噪[17]，正是這一過程導致在降低噪聲干擾的同時也會把尖銳的邊緣變得平滑。該算子的缺點是弱邊緣檢測效果并不理想，處理效果如圖8（d）所示。

圖8 裂紋檢測效果圖

3 實驗結果分析

為驗證所設計方法的檢測效果，利用HALCON軟件與2.3 節所述方法進行對比。由于裂紋面積和寬度不便于計算，所以用黑白格進行對比，面積誤差檢測結果如表1 所示，寬度誤差檢測結果如表2所示。

表1 面積誤差檢測結果

表2 寬度誤差檢測結果

分析表1 和表2 可知，所提方法檢測裂紋面積和寬度的誤差率明顯低于其他四種方法，用所提方法檢測裂紋結果如表3 所示。由于個別裂紋距離太近，因此檢測出裂紋的數量（密度）因檢測方法的不同會產生很小的差異，這里沒有列出，而裂紋的面積實質上也是數量的另一種表達。

表3 裂紋檢測結果

4 結論

針對墻面裂紋的檢測，文中提出了一種動態閾值檢測和形態學綜合算法，該算法能夠有效降低圖像噪聲，并提取特征信息，達到了預期的處理效果。通過對比LoG 算子、Sobel 算子、Kirsch 算子和Roberts算子，證明提出的算法在裂紋面積和寬度誤差方面有明顯的優勢。但是房屋安全問題不僅僅是裂紋這一個問題，還有力學等各方面知識交匯在一起，所述方法將來可以與其他學科知識進一步改善交融，以獲得更滿意的處理效果。