李文波，楊保春

(1.湖南省交通規(guī)劃勘察設(shè)計院，湖南 長沙 410008;2.義烏市交通工程質(zhì)量安全監(jiān)督管理站，浙江 義烏 322000)

0 前言

隨著我國交通建設(shè)的高速發(fā)展，交通等級要求不斷提高，對低等級公路加寬和舊橋的加固改造任務(wù)不斷增加。在改造的過程中，有許多路線中有混凝土橋梁?；炷翗蛄捍蠖嗫缭綅{谷、河流，或者跨越公路，為了保障線路的安全運營，對橋梁的安全維護是必須的，其中安全檢測是橋梁維護工作中重要的組成部分。在現(xiàn)代交通建設(shè)中，橋梁起著非常重要的作用，特別是城際鐵路、高鐵的發(fā)展，橋梁占整個線路長度達到的40%～50%［1］。已有研究表明，大部分的混凝土橋梁的損壞由裂縫導(dǎo)致的，因此對混凝土橋梁裂縫的檢測非常重要。調(diào)查統(tǒng)計顯示，混凝土橋梁在運營過程幾乎都帶有裂縫，要保證完全不出現(xiàn)裂縫是不可能的。在實踐中，我們也并沒有要求混凝土結(jié)構(gòu)避免出現(xiàn)裂縫，而且裂縫也分為許多情況，有的裂縫很微小，對于裂縫寬度小于0.05 mm 的裂縫肉眼察覺不到，這種級別的裂縫在正常使用過程不會對結(jié)構(gòu)產(chǎn)生破壞，規(guī)范上允許這種裂縫的存在［2］;但是有些混凝土裂隙在荷載作用、周邊的氣候環(huán)境、外界的物理化學(xué)影響下會使裂縫加深擴展和產(chǎn)生新的裂縫，裂縫貫通之后使的寬度在0.3 mm 以上。這種裂縫會破壞結(jié)構(gòu)的完整性、引起保護層剝落，鋼筋產(chǎn)生銹蝕，影響結(jié)構(gòu)物的安全運營，嚴(yán)重時會發(fā)生垮塌事故。對混凝土橋梁進行裂縫檢測、精確獲取裂縫信息有非常重要的意義，通過對裂縫的檢測，可以了解橋梁結(jié)構(gòu)的破壞情況。目前國內(nèi)外采用人工定期檢測，通過人工測量獲取裂縫信息，這種方法存在許多局限性，缺乏效率，對測量員也有很大的風(fēng)險。隨著計算機技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)得到廣泛應(yīng)用［3－5］。目前，美國、日本、韓國、歐洲等發(fā)達國家利用數(shù)字圖像處理技術(shù)進行橋梁的安全檢測有比較深入的研宄，但是大部分都集中在公路的裂縫檢測上，對于混凝土橋梁的裂縫寬度的檢測技術(shù)還不成熟。本文基于數(shù)字圖像處理技術(shù)，利用canny 算法提取裂縫輪廓，通過距離變換獲取裂縫的形態(tài)學(xué)信息，然后對裂縫細(xì)化，得到距離信息。最后，根據(jù)相機標(biāo)定將像素轉(zhuǎn)換為實際測量需要的長度數(shù)據(jù)，得到裂縫的實際寬度，為混凝土橋梁的維修加固提供參考依據(jù)。

1 橋梁裂縫圖像處理

基于數(shù)字圖像處理技術(shù)，檢測混凝土橋梁結(jié)構(gòu)表面的裂縫寬度，主要包括圖像采集、圖像處理、裂縫識別和裂縫寬度確定等內(nèi)容。

1.1 圖像采集

采用高清晰度數(shù)碼相機采集裂縫圖像，采集的圖像在計算中以數(shù)據(jù)點組成的矩陣存儲的數(shù)字圖像，數(shù)字圖像的本質(zhì)是被量化的二維矩陣。每一個數(shù)據(jù)點代表裂縫圖像的顏色、灰度等屬性，我們把這樣的數(shù)據(jù)點稱之為像素。

1.2 圖像標(biāo)定

圖像處理之后獲取的裂縫信息(裂縫的長度、寬度等)都是以像素為單位的，而實際我們所要得到的檢測結(jié)果是以mm 為單位的，為了求出每個像素單位代表實際的多少mm，必須對圖像進行標(biāo)定。通過圖像標(biāo)定可以求得每個像素代表的實際長度，從而確定圖像中裂縫的實際信息。圖像標(biāo)定方法較多，綜合考慮擦亮精度與圖像處理效率的要求，本文采用的方法是在采集的裂縫旁邊貼一塊正方形的黑色紙片，如圖1 所示。采集的圖像經(jīng)過圖像處理之后，可獲取黑色紙片在長度方向上的像素點個數(shù)，紙片的實際長度除以像素點個數(shù)，即得到一個像素所代表的實際寬度。

圖1 黑色正方形標(biāo)定塊

1.3 圖像修正

在采集圖像的過程中，由于受到空間限制和采集圖像時人為誤差，采集的圖像會產(chǎn)生傾斜，這種圖像通常情況下，標(biāo)定塊的上下邊緣是平行的但是相對于圖像上下兩邊會有細(xì)微的傾斜;而標(biāo)定塊的左右邊緣相對于標(biāo)定塊中線對稱，相對于圖像兩側(cè)邊是傾斜的。為了正確的識別裂縫信息，需要對圖像進行修正，圖像修正采用文獻［4］的修正方法。

1.4 圖像灰度化處理

圖像處理以灰度圖像為基礎(chǔ)，將RGB 格式的圖像灰度化處理轉(zhuǎn)換為灰度圖像，灰度化公式:

式中:Gray 為灰度圖像的灰度值，;R，G，B 分別為原始彩色圖像中紅、綠、藍三種基本顏色分量值。對原始圖像灰度化處理之后的灰度圖像如圖2 所示。

圖2 灰度圖像

圖像處理都是在MATLAB 環(huán)境下編程實現(xiàn)，采集的裂縫圖像是用高清晰度數(shù)碼相機拍攝的，圖像的分辨率高，每幅數(shù)字圖像包含大量的數(shù)據(jù)點，在編程運行的時候進行大量的矩陣運算，而式(1)中包含浮點運算，會大大的減緩程序的運行速度，為了提高圖像處理的運行速度，將浮點運算轉(zhuǎn)換為整數(shù)運算。因為RGB 的取值范圍都是0 ～255 的整數(shù)，將上述公式改寫為:

1.5 圖像濾波去噪

由于采集的裂縫圖像會不可避免的含有噪聲成分，在獲取裂縫信息前，必須將噪聲去除。在濾波去噪的過程中，一方面要有效地去除裂縫圖像中干擾裂縫的噪聲;另一方面要保護裂縫信息，避免去噪時影響裂縫的邊緣。

為了得到質(zhì)量良好的去噪后的裂縫圖像，在去噪前先進行增加處理，增加圖像的信噪比，使得裂縫區(qū)域和背景區(qū)域最大限度的分離。若信噪比不明顯，可適當(dāng)?shù)奶砑痈咚乖肼暬蛘呓符}噪聲。

常用的濾波算法有很多，本文采用中值濾波和平滑濾波相結(jié)合的算法［6］。首先選取一個寬度為7×7 的方形領(lǐng)域，對圖像平滑處理，然后添加椒鹽噪聲，進行中值濾波，輸出圖像的灰度值取灰度圖像的中間灰度值。濾波去噪處理后的裂縫圖像如圖3 所示。

圖3 濾波去噪后的裂縫圖像

1.6 裂縫檢測

裂縫檢測的方法很多，本文采用canny 算法獲取裂隙輪廓，雖然canny 算法不能夠去除其他非裂縫信息，只能夠找出裂縫的所有邊緣并且標(biāo)記出來。但是對裂縫圖像進行濾波去噪處理之后，canny 算法是一種最好的裂縫邊緣檢測的算法［7］。一般來講，canny 算法檢測邊緣的錯誤率低，能盡量的標(biāo)記出裂縫的實際邊緣。canny 算法的定位性能很好，通過canny 算法檢測出的裂縫邊緣與實際邊緣擬合良好，并且它可以有效的避免對裂縫的重復(fù)標(biāo)記。采用canny 算法生成的裂縫輪廓(圖4 所示)，再對canny 算法的結(jié)果進行取反，使裂縫區(qū)域標(biāo)記為黑色(圖5 所示)。

圖4 canny 算法提取的裂縫輪廓

圖5 真實的裂縫信息圖

1.7 距離變換

距離變換是一種基于二值化圖像處理的全局操作。它是計算目標(biāo)空間點之間的距離，最終把二值化圖像轉(zhuǎn)變成灰度圖像的過程(其中每個像素點的灰度值等于它到最近目標(biāo)點的距離)［8］。距離變換的類型有3 種，按照距離類型劃分可分為:非歐氏距離變換和歐氏距離變換(EDT)。其中EDT 精度高，與實際距離相符，應(yīng)用比較廣泛。

在二維平面上定義兩點，兩點之間的歐氏距離表示為:

在二值圖像中，1 代表目標(biāo)點(裂縫區(qū)域像素點)，0 代表背景(背景區(qū)域像素點);在灰度圖像中，通過距離變換之后，像素點的灰度值等于該像素點到最近目標(biāo)點的距離值。這樣一張M×N 的圖像可以表示為一個二維數(shù)組A［M］［N］，其中A［i］［j］=1 表示裂縫區(qū)域目標(biāo)像素點，A［i］［j］=0 表示背景區(qū)域的像素點。若B ={ (x，y)|A［i］［j］ =1} 為目標(biāo)點集合，則歐氏距離變換就是對A 中所有的像素點求:

其中:

距離變換的結(jié)果通常是一幅和輸入圖像看起來很接近的灰度圖片，所不同的是前景區(qū)域內(nèi)的點的亮度被改變了，用以顯示每個點到其最近的邊界的距離。如圖6 所示。

圖6 距離變換的輸入圖像和輸出圖像

對圖5 的裂縫圖反相，然后對其進行距離變換，得到的輸出圖像如圖7 所示。

圖7 距離變換后的輸出圖像

1.8 裂縫寬度計算

距離變換的方法就是獲取裂縫的形態(tài)學(xué)信息，通過對裂縫區(qū)域進行距離變換，就可求得裂縫的中心線到其邊界的距離。由圖6 和圖7 可以看出，裂縫最大寬度處中線是白色的，其灰度值最大Gray=255，在距離變換時，可以將這個信息提取出來。然后通過遍歷，求中線到canny 算法得到的裂縫邊緣的最小值，也就是中線像素點到邊緣像素點的垂直距離，這個距離的2 倍就是我們所求的裂縫的最大寬度。

2 實例驗證

基于以上圖像處理的方法，利用MATLAB 強大的圖像處理功能［9，10］，編制程序，即可得到裂縫寬度。

為了驗證本文裂縫圖像處理的可行性，以現(xiàn)場采集的10 幅混凝土橋梁表面裂縫圖像，對其進行了驗證，同時用裂縫寬度觀測儀現(xiàn)場實測裂縫寬度與理論計算值進行比較(表1 所示)。

從表1 可以看出，裂縫寬度小于0.2 mm 的相對誤差明顯高于裂縫寬度大于0.2 mm 的，裂縫寬度大于0.2 mm 的平均相對誤差為2.52%，識別精度97.48%。裂縫寬度小于0.2 mm 的平均相對誤差為11.58%，識別精度88.42%。整體的平均相對誤差為7.05%，識別精度92.95%。

表1 裂縫寬度的理論計算值與實測值比較

因為儀器的精度，以及實測時人工原因?qū)τ趯挾刃∮?.2 mm 裂縫檢測，不可避免的產(chǎn)生誤差。通過MATLAB 編程運算出的裂縫寬度為裂縫的最大寬度，因此，小于0.2 mm 裂縫的誤差較大。

根據(jù)公路橋涵設(shè)計規(guī)范以及公路養(yǎng)護規(guī)范的要求，橋梁正常使用狀態(tài)下允許最大的裂縫寬度為0.02 mm。因此，本文提供的裂縫圖像處理方法，識別裂縫寬度的精度能夠滿足工程實踐的需要。

3 結(jié)論

本文基于MATLAB 強大圖像處理技術(shù)，對混凝土橋梁表面的裂縫寬度進行檢測，得到如下結(jié)論:

1)將裂縫圖像進行圖像修正、濾波去噪等預(yù)處理后，采用canny 算法提取裂縫輪廓，然后再通過距離變換，得到裂縫中線信息數(shù)據(jù)，從而求得裂縫寬度。實例驗證這種方法能夠有效檢測裂縫寬度，識別率達到92.95%以上，大于0.2 mm 裂縫寬度識別精度為97.48%。

2)本文對圖像灰度化處理進行了優(yōu)化，將浮點運算轉(zhuǎn)化為整數(shù)運算，大大的加快MATLAB 灰度化處理的運行速度，提高了圖像預(yù)處理的效率。

［1］張 強，王正林.精通MATLAB 圖像處理［M］.北京:電子工業(yè)出版社，2009.

［2］羅軍輝，馮 平.Matlab7.0 在圖像處理中的應(yīng)用［M］.北京:機械工業(yè)出版社，2005.

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

［4］方 志，彭海濤.基于圖像分析技術(shù)的混凝土橋梁結(jié)構(gòu)表面裂縫寬度檢測［J］.湖南大學(xué)學(xué)報(自然科學(xué)版)，2012，39(1):7－12.

［5］許薛軍，張肖寧.基于數(shù)字圖像的混凝土橋梁裂縫檢測技術(shù)［J］.湖南大學(xué)學(xué)報(自然科學(xué)版)，2013，40(7):34－40.

［6］常 娜.圖像處理中的邊緣檢測算法研究綜述［J］.中國科技信息，2011(4):130－132.

［7］FISHER R，PERKINS S，WALKER A，et al.Morphology-Distance Transform ［EB/OL］.http://home pages，inf.ed.ac.uk/rbf/HIPR2/distance，htm，2013－04－27.

［8］JJF1334－2012，混凝土裂縫寬度及深度測量儀校準(zhǔn)規(guī)范［S］.

［9］張維峰，劉 萌，楊明慧.基于數(shù)字圖像處理的橋梁裂縫檢測技術(shù)［J］.現(xiàn)代交通技術(shù)，2008，5(5):34－36.

［10］張登峰.基于圖像處理的鐵路混凝土橋梁裂縫探測和信息獲?。跠］.北京:北京交通大學(xué)計算機與信息技術(shù)學(xué)院，2014.