王偉 陳新軒 韓敏

摘? 要：該文立足于解決瀝青路面裂縫識別，基于OpenCV函數(shù)庫，對該函數(shù)庫中Canny算子進行改進，將原始Canny算子高斯平滑濾波器，改進為選擇濾波器。改進后的識別算法，不僅能消除原始圖像中附帶的高斯噪聲，還能消除椒鹽（脈沖）噪聲。基于改進后的算法進行實驗，結(jié)果顯示，經(jīng)過算法改進后，路面裂縫識別更加精準(zhǔn)。

關(guān)鍵詞：路面裂縫識別? OpenCV? 選擇濾波器

中圖分類號：TP274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）03（b）-0055-02

瀝青路面裂縫是一種早期瀝青路面病害，如不及時處理，會降低路面防水性能，導(dǎo)致大量路面水下滲至路基，破壞路基穩(wěn)定層結(jié)構(gòu)，降低路基承載能力，引發(fā)路基失穩(wěn)造成更大程度的路面病害。因此，對于路面裂縫，應(yīng)當(dāng)及時修補處理。當(dāng)前，路面修補主要依靠工人操作機械灌縫，工作效率低，灌縫質(zhì)量取決于操作人員經(jīng)驗。若要實現(xiàn)自動路面裂縫修補，最關(guān)鍵的一步，是要能正確識別路面裂縫，并根據(jù)路面裂縫生成引導(dǎo)路徑，從而能夠引導(dǎo)機械自動完成路面裂縫的修補工作。當(dāng)前，機器視覺技術(shù)發(fā)展迅速，利用機器視覺解決以上問題可行性極高。該文基于OpenCV，針對原始Canny算子進行改進，提高路面裂縫檢測的效率和準(zhǔn)確度。

1? 利用原始Canny算子檢測路面裂縫時的缺陷

OpenCV是圖像識別領(lǐng)域廣泛使用的圖像處理函數(shù)庫，使用OpenCV提供的庫函數(shù)，可以極大地提升開發(fā)速度，降低開發(fā)難度。瀝青路面裂縫的檢測，本質(zhì)上是提取裂縫邊緣的過程，OpenCV對于邊緣提取，有許多成熟的函數(shù)，其中，Canny算子就是被廣泛使用的邊緣提取函數(shù)。但是，在應(yīng)用中發(fā)現(xiàn)，OpenCV自帶的原始Canny算子，對圖像的預(yù)處理，使用的是高斯平滑濾波器，雖能一定程度上抑制圖像噪聲，但是對于諸如椒鹽噪聲在內(nèi)的其他噪聲，降噪效果不能達到預(yù)期，同時，由于該濾波器的局限性，在圖像處理中，往往會將某些沖擊噪聲識別為待檢測邊緣。另一方面，在利用Sobel計算坐標(biāo)方向時，對噪聲敏感度過高，這也使得該方法很容易將非噪聲信號識別為噪聲，從而丟失細節(jié)信息。

2? Canny算子改進

針對原始Canny算子的缺陷，高斯平滑濾波器能較好地消除高斯噪聲和均值噪聲，但對椒鹽噪聲等就顯得無能為力。如果考慮使用中值濾波器，雖能消除高斯平滑濾波不能處理的椒鹽噪聲，且不會對圖像帶來過多的模糊效果，但對高斯噪聲卻處理欠佳。此時，如果能有一種選擇濾波器，根據(jù)圖像不同位置的特點，運用不同濾波器處理圖像，就能得到較好的效果。此時，我們可以考慮，設(shè)計一種選擇濾波器，選擇性地處理輸入圖像中的噪聲。

選擇濾波器原理：對于輸入的圖像，通過椒鹽噪聲檢測器檢測輸入圖像受到椒鹽噪聲影響的區(qū)域，對此類區(qū)域利用中值濾波器消除噪聲，其余部分利用中值濾波器濾除。經(jīng)過上述步驟濾波后，再將它們的結(jié)果疊加。對于椒鹽噪聲的檢測，這里有兩個基準(zhǔn)。

（1）灰度范圍基準(zhǔn)。

假設(shè)圖像灰度范圍為[Lmin，Lmax]，若圖像中，某一像素灰度值在此區(qū)間之外，則該像素很可能受到椒鹽噪聲的影響。

（2）局部像素對比基準(zhǔn)。

對于輸入圖像，含有椒鹽噪聲的像素點，灰度值為圖像灰度范圍的兩個極端?？紤]每個像素點的8個臨域，若該像素周邊像素與其存在極大的灰度差別，則該像素受脈沖噪聲的影響很大，判別依據(jù)為下式。

式中，假設(shè)位于處的像素的臨域為N，屬于該臨域的像素為f（s，t），Tv用來判斷目標(biāo)像素與周邊像素灰度值差別是否足夠大，Tn代表百分比閾值。這里，我們使用兩個準(zhǔn)則來判定，是因為如果僅使用灰度范圍基準(zhǔn)，可能將原本正常的像素點也判定為是受到了脈沖噪聲干擾的像素點。而如果僅僅使用局部像素對比基準(zhǔn)來判定，則可能將邊緣像素判定為受脈沖噪聲污染的像素點。因此，如果將兩者結(jié)合使用，就能避免以上問題。

當(dāng)輸入圖像同時包含高斯噪聲和脈沖噪聲時，可將輸入圖像中的像素點一分為二，其中第一部分為受到高斯噪聲影響的像素，第二部分為受到脈沖信號影響的像素點。因為根據(jù)灰度范圍基準(zhǔn)，含有脈沖噪聲（椒鹽噪聲）的像素的灰度值取到圖像灰度范圍的兩端極值，因而此像素點高斯噪聲可以忽略不計。為消除脈沖噪聲的影響，可在該像素周邊取樣，即通過該像素周邊未受影響像素的灰度信息和位置信息，通過差值計算，計算出該像素點的理論值，從而以新值代替舊值，消除脈沖噪聲影響。對于另外一部分的像素點，高斯噪聲可利用維納濾波的方法消除。最后將兩部分像素疊加，生成新消除噪聲后的圖像，供后續(xù)步驟繼續(xù)使用。

3? 實驗及分析

該文實驗環(huán)境為MacOS10.14+OpenCV3.4+Python3.6，將原始Canny算子降噪算法部分做上文所述改進后，對路面裂縫進行識別。改進前后識別結(jié)果如圖1、圖2、圖3所示。通過對比實驗結(jié)果可以看出，改進前識別準(zhǔn)確度較低，周邊噪聲也被識別為裂縫標(biāo)出，只有周邊平滑的圖像，裂縫邊緣識別才比較準(zhǔn)確;改進Canny算子，可以更精確地識別出裂縫的邊緣，周邊噪聲對于識別結(jié)果的影響不大。

4? 結(jié)語

該文針對OpenCV庫中Canny算子圖像噪聲處理部分進行改進，將原始高斯平滑濾波器改進為選擇濾波器，能夠?qū)⒃紙D片中噪聲進行更好的處理。通過實驗驗證，改進后的Canny算子，對比改進之前，對于輸入的路面裂縫圖像信號，能夠精準(zhǔn)識別裂縫區(qū)域，排除噪聲信號的影響。

參考文獻

[1] 周慧媛，邱書波，劉海英，等.基于對比度受限自適應(yīng)直方圖多種路面裂縫檢測與識別[J].齊魯工業(yè)大學(xué)學(xué)報，2018，32（5）：27-31.

[2] 豆曉瑜.基于多尺度分析的瀝青路面裂縫自動檢測技術(shù)研究[D].長安大學(xué)，2010.

[3] 徐歡，李振璧，姜媛媛，等.基于OpenCV和改進Canny算子的路面裂縫檢測[J].計算機工程與設(shè)計，2014，35（12）：4254-4258.

[4] 吳成茂，胡偉，王輝.小波自適應(yīng)閾值和雙邊濾波的圖像去噪[J].西安郵電大學(xué)學(xué)報，2013，18（4）：5-8.

[5] 段鎖林，殷聰聰，李大偉.改進的自適應(yīng)Canny邊緣檢測算法[J].計算機工程與設(shè)計，2018，39（6）：1645-1652.