路面裂縫檢測與統計輔助系統設計

王磊

（安康學院電子與信息工程學院，陜西安康 725000）

公路作為重要的基礎設施與地區經濟息息相關[1-3]。隨著使用年限增加，路面多出現裂縫，如果能夠提高對裂縫的早期發現，具有明顯的社會意義和經濟價值[4-5]。

宋蘭平等[6]利用中值濾波，通過邊界跟蹤，提高了識別裂縫的準確率。王鑫等[7]針對Canny 算法[8]不能很好地區分路面附近的噪聲，通過訓練并獲取恰當的閾值，進行了較好的解決。孫朝云等[9]通過訓練SSD 模型進行裂縫結構特征的提取，提高了成功率。Subirats 等采用二維小波變換進行圖像增強，然后進行裂縫圖像二值化，明顯提高分割效率[10]。

該文基于Matlab 的圖像處理模塊,準確判斷裂紋的方向，提供統計信息，能夠替代人工完成大量圖像的識別，提高工作效率，對公路養護工作提供技術支持。

1 工作流程

采用Basler ace 2 工業相機對路面進行信息采集，并對圖像進行預處理。整個處理流程可分為三步：首先，分辨出圖像的無關部分并去除，即消除圖像噪聲；然后，對裂縫的信息進行增強，以便更好地顯露裂縫特征；最后，完成裂縫的特征信息提取，并從大小、形狀與分布等幾方面進行統計和歸類。系統工作流程如圖1 所示。

圖1 系統工作流程

2 圖像預處理

2.1 直方圖均衡化

圖像在采集過程中受到環境的影響，在某些細節上曝光量不足，容易造成了圖像部分模糊部分清晰的視覺效果，為了均衡，對每個灰度值進行像素個數加權后求平均值，然后把平均值返回到每個像素上，達到均衡圖像的整體細節，使圖像中的裂縫有更好的對比效果。均衡效果如圖2 所示。經過均衡化后，圖像的細節得到顯化，裂縫細節很明顯在視覺效果上得到了加強，但其他噪聲也同時得到了增強，不能達到裂縫信息提取的要求，還需要對其做進一步處理[11]。

圖2 圖像直方圖均衡化

2.2 濾 波

該文對比了多種濾波算法，最終確定采用中值濾波進行去噪，保留原始信息的同時，削弱噪聲干擾，如圖3 所示。經過對比不同核方框的中值濾波效果，最終采用了5×5 規格核方框。和其他濾波相比，中值濾波能夠較好地保留原圖像中裂縫的信息，圖像較為清晰，便于后續更好地提取裂縫信息[12]。

圖3 中值濾波

2.3 圖像對比度增強

經過直方圖均衡化和中值濾波算法處理后，對于圖像的后續處理過程提供了很好的條件，但這一過程中，邊緣信息也相應減少了。由于圖像識別過程中對像素的明暗較為敏感，該文采用伽馬變換修正亮度值，如圖4 所示，基本公式如下：

圖4 伽馬變換

式中，S表示修正結果，r表示原始灰度，c表示拉伸或縮放系數，γ表示伽馬因子。要讓灰度圖像的亮度變暗，可使γ＞1；要讓灰度圖像的亮度變亮，可使γ＜1。經實驗，以上圖片經處理后，存在一定的椒鹽噪聲，具體表現為多個高亮點的形態，裂縫區域多呈陰影形態，亮度較低。所以伽馬變換的參數設置應使圖像亮度調低，即γ參數值大于1，通過數據對比，γ數值為2 時，對增強圖像有很好的平衡效果[13]。

2.4 二值化處理

經過以上處理后，裂縫部分明顯有別于其他區域，計算機已經能夠很好識別出裂縫，為更好地進行科學描述，采用二值化處理，分別用“1”和“0”表示有用圖像和無用圖像。伽馬變換后，裂縫的灰度偏低，其他區域灰度偏高。通過尋找一個閾值，將大于此閾值的部分，亮度都調為“1”，小于此閾值的部分，亮度都調為“0”，灰度圖像就轉換為黑白圖像。

該文的閾值分割采用直方圖雙峰算法，觀察裂縫圖像的灰度值直方圖，如圖5（a）所示，在最暗圖像和最亮圖像對應的兩個峰值之間，會存在一個谷值，這個谷值就是最適合的閾值，灰度值小于閾值則置為0，大于閾值則置為255。算法先找兩個峰值，并對比峰值間各灰度級像素，最小值為谷值。

圖5 二值化處理

2.5 二值圖像濾波

由于路面材料有大量顆粒存在，在光照反射下會發生多種反射結果，正常的平整路面，其二值化圖像會出現大量的顆粒干擾噪聲，采用自定義閾值的方法雖然容易實現，但對于反射情況復雜多變的路面而言，這樣的結果會出現很多問題。為此，該文采用迭代自適應法對自定義閾值處理輸出結果進行多次反饋再輸入輸出，使最終結果更接近想要的二值化目標圖像[14]。二值濾波結果如圖6 所示。

圖6 二值圖像濾波結果

由圖6 的對比可知，濾波后的路面裂縫圖像獲得了較為理想的效果，有利于下一步的提取。為便于觀察，對感興趣的裂縫信息多取白色，因此最后的輸出圖像如有必要可以進行二值化取反。

3 路面裂縫圖像的識別和統計

3.1 裂縫識別

預處理后的裂縫與背景存在明顯偏差，由此，可進行裂縫提取與分割，并區分橫向與縱向。為此選取連通區域長短軸之比作為特征，進行圖像的分割提取，結果如圖7 所示。在裂縫區域中，二值化連通區域的長短軸之比，明顯區別與背景噪聲的。根據裂縫的走向，對圖像中某一區域的連通域進行遍歷，如果長寬比大于某值，則判斷該連通域屬于裂縫，如長寬比小于該值，則對應連通域歸零，即將灰度值調為0。

圖7 裂縫識別

3.2 裂縫拼接

識別得到的二值化圖像，經常出現雪花狀的噪聲信息。為此要進行腐蝕算法處理，然而在這一過程中，裂縫的圖案也容易被腐蝕到，造成斷裂?？煞治鰯嗔烟帞祵W形態特征，確定斷裂位置并進行拼接。

首先設置一個連通域（鄰域值為8），從第一個像素塊開始，當檢測到裂縫區域對應的1 時，設為開始點；自左向右檢驗，再次檢測到1，將此目標塊與前一個為1 的像素塊的位置距離調為1 個匾歷步長；每行調整后重置，自下一行首像素開始，經過遍歷，進行裂縫拼接，如圖8 所示。

圖8 裂縫拼接

3.3 裂縫分級與判斷

該文對路面破壞的單項評價參數使用路面破壞狀況指數PCI[15]，分兩步計算。首先，根據測量的路面破壞參數計算路面破壞率DR，然后，將路面破壞率進行滿分消減，滿分100，減去破壞參數，即為PCI值。PCI 值越小，則破壞程度越嚴重。

路面裂縫分為橫向、縱向、漁網狀。依據不同的長度、面積和深度，可將每一類分級為優、良、中、次、差。對公路狀況進行科學評定，有利于對其進行高效的養護。該設計區分縱橫裂紋，主要判斷依據是長短軸比較，若橫坐標軸長度大于縱坐標長度，則定為橫向裂紋，反之為縱向裂紋。

3.4 路面裂縫標記

該設計對圖像中的裂紋進行標記時，使用外接矩形，結果如圖9 所示。外接矩形長寬比可用于裂縫縱橫判斷。公路破損檢測指標中，裂紋的大小幾何數值是路面評估的重要參數，用積分法來計算面積沒有太大的參考價值，為了在做標記時增強直觀感受，用矩形框把裂紋區域全部覆蓋，能更好地估算受損情況[16]。計算橫軸長度：首先，提取圖像橫軸總長H，然后，從左側第一列從上而下進行識別，當發現到第一個為1 的二值化單元格時，記錄其坐標（a，b），如果沒有識別到，則進入下一列繼續，遍歷識別按從左至右的順序，直到完成最后一列，獲得最后一個為1 的單元格坐標（c，d），裂縫寬度為c-a。同理可得裂縫長度。

圖9 裂紋的標記

3.5 系統界面

該設計的系統界面，不僅顯示了識別結果，對裂縫進行了標記，也展示了系統識別裂縫過程的中間結果，呈現處理過程的細節和步驟，提高系統的可操作性和易用性[17]。系統界面分為控制面板和顯示區域兩個部分。顯示區可顯示不同階段的處理結果?？刂泼姘逵卸鄠€按鈕，對應不同處理階段。要顯示當前選定的參數，可以單擊“顯示參數”按鈕界面顯示，如圖10 所示。

圖10 界面顯示

4 結論

該輔助系統基于Matlab 的圖像處理方法，首先，通過灰度化、中值濾波去噪等預處理手段，增強了圖像中裂縫目標與背景目標的區分度；然后，借助圖像數學形態信息進行裂縫的提取、判斷與標記。該系統經過大量的訓練可以有效識別橫向裂紋以及縱向裂紋，替代人工完成裂縫的判斷與標記，對提高公路養護工作效率具有一定的應用價值。