倪彤元，張武毅，楊 楊，周若虛，蔣清吉，王 輝，潘羅宇

（1.浙江工業(yè)大學，浙江 杭州 310023；2.浙江省工程結構與防災減災技術研究重點實驗室，浙江 杭州 310023；3.浙江交科工程檢測有限公司，浙江 杭州 311215）

0 引言

經過近四十年的建設發(fā)展，我國尤其東部沿海發(fā)達地區(qū)，公路橋梁等基礎設施建設已經得到進一步完善；針對服役期橋梁的維護、管理與監(jiān)測的研究探索刻不容緩。混凝土橋梁在其服役過程中，由于設計施工的各種瑕疵缺陷、超負荷運營造成的損傷（主要是交通流量、運營荷載）等原因，使其功能快速退化，服役前與服役期混凝土橋梁的檢測越來越得到工程技術界的重視[1-4]。橋梁混凝土表面裂縫的檢測是橋梁檢測主要內容之一。因此，對橋梁裂縫進行監(jiān)測、預防和控制，對確保公共交通的安全和正常運行起著十分重要的作用[5-8]。

用裂縫刻度尺和放大鏡量測裂縫寬度，是最常用混凝土表面裂縫測量方法，其精度受人為經驗影響大，可靠度不高[9]?；趫D像處理的橋梁裂縫檢測技術是近年來得到快速發(fā)展的一種新型橋梁裂縫檢測技術[1，8，10-19]。數字圖像處理技術應用于橋梁裂縫的檢測，具有再現(xiàn)性好、處理精度高、適用面寬及靈活性高等優(yōu)點，能排除人為主觀干擾，并降低橋梁檢測成本[10-20]。本文將針對應用于橋梁裂縫檢測的數字圖像處理技術（包括圖像增強、去噪、分割、裂縫特征描述等環(huán)節(jié)）展開綜述，介紹該技術的研究應用現(xiàn)狀。

1 數字圖像檢測橋梁混凝土表面裂縫技術關鍵環(huán)節(jié)

圖像增強、降噪措施、圖像分割以及裂縫測量計算算法、裂縫特征描述是數字圖像檢測橋梁混凝土表面裂縫技術關鍵環(huán)節(jié)。圖1是基于圖像處理橋梁混凝土表面裂縫的一般程序。

圖1 基于圖像處理橋梁混凝土表面裂縫一般程序

1.1 圖像增強

灰度變換和圖像濾波是混凝土裂縫圖像檢測技術中的圖像增強常用方法步驟。

1.1.1 灰度變換

灰度變換的代表性方法有直方圖均衡化法和線性灰度變化法。

（1）直方圖均衡化

圖像灰度直方圖表示圖像中各種不同灰度級像素出現(xiàn)的相對頻率。文獻[21]研究發(fā)現(xiàn)裂縫圖像質量受到采集時光照、裂縫背景色差等環(huán)境條件影響，造成裂縫與背景不易區(qū)分，給圖像分析帶來困難?；叶戎狈綀D中表現(xiàn)出圖像的灰度值都集中在低灰度區(qū)或者高灰度區(qū)。直方圖均衡化是常用的修正方法，原理是通過某種變換，將灰度直方圖過分集中于某一灰度區(qū)間內的原始圖像轉變?yōu)樵谳^大灰度范圍內均勻分布，加大各部分間的灰度差，從而增加了圖像的整體對比度，達到增強圖像中的細節(jié)的目的，以便對圖像做進一步處理。文獻[21]研究還發(fā)現(xiàn)由于圖像光照的不均勻，造成圖像直方圖均衡化處理后圖像的明暗不均，會給后續(xù)圖像處理帶來困難。采用了一種自適應的圖像直方圖均衡處理，根據圖像像素點的局部統(tǒng)計特征對像素灰度值進行函數變換，變換函數由像素點周圍某個大小的子圖像的直方圖確定，得到圖像增效效果。

（2）線性灰度變換

線性灰度變換是通過一定的變換系數將原始圖像的灰度值范圍擴大至一定的范圍，解決圖像所存在的對比度不足、細節(jié)模糊等問題，達到增強裂縫圖像的效果。文獻[22]采用分段線性變換方法，先把圖像分成幾段，再對分段后的圖像線性變換，優(yōu)點是效果好于不分段灰度變換，缺點是需要不斷嘗試改變參數來得到較好的效果。文獻[17]提出了一種基于變換域的圖像去噪方法，不僅去噪效果好，而且運算速度很快。

1.1.2 圖像濾波

（1）均值濾波法

均值濾波的原理是根據圖像中各個像素和其周圍像素具有相關性，而噪聲和其周圍像素不具有相關性，相對獨立，通過將像素及其相鄰像素的灰度值進行平均化，利用像素灰度的平均值代替原像素的灰度值。通過均值濾波可以實現(xiàn)裂縫圖像的平滑處理，消除圖像中的尖銳噪聲。但經過均值濾波后的圖像會產生模糊，使圖像喪失重要的裂縫特征，不利于對裂縫的特征提取。

（2）中值濾波法

中值濾波器是一種非線性的空間濾波器，它將像素鄰域內灰度的中值代替了該像素的灰度值。其響應是基圖像濾波器所包圍的圖像區(qū)域內的像素灰度排序，其像素灰度排序決定中心像素的灰度值。中值濾波器對脈沖噪聲椒鹽噪聲的處理非常有效。中值濾波的關鍵在于選擇合適的窗口形狀和窗口大小。濾波窗口太大會使邊緣模糊，太小則去噪效果差。

文獻[23]提出了一種基于自適應均值-中值濾波的閾值選擇算法，主要特點是為每個像素點選擇該像素點特定的閾值，該濾波器可以提取出非常細小的裂縫，對裂縫有增強作用，并且對噪聲有顯著的平滑作用。

文獻[24]采用一種基于一定算法的自適應中值濾波法，通過與普通的中值濾波方法比較發(fā)現(xiàn)噪聲去除效果良好，還能保護圖中原有信息不丟失。

文獻[25]提出了一種多結構中值濾波算法，針對一般中值濾波采用單一模板的缺陷，將形態(tài)學中的結構元素引入中值濾波中，采用4種形狀的3×3結構元素對原始灰度圖像進行依次濾波處理。由于采用了多種結構元素，因而可以對多種噪聲進行有效地濾除。

（3）其他濾波法

文獻[22]提出了一種基于灰色關聯(lián)度的濾波方法，將圖像關聯(lián)度的方法用到像素鄰域窗口的加權上來，很大程度上降低了噪聲帶來的影響，既保持了邊緣，又平滑了噪聲。

文獻[26]提出了一種多角度多結構元素形態(tài)學濾波器，并通過比對各個算法的處理后圖像的峰值信噪比和均方誤差證明了該論文提出的形態(tài)學濾波器比其他濾波方法效果好。

文獻[27]根據在頻域的圖像增強方法脊波域圖像增強提出了基于脊波域圖像增強算法的圖像濾波算法，經過對比發(fā)現(xiàn)這一處理方法處理裂縫圖像效果較好，但該方法十分耗時，缺點明顯，主要是由數字脊波變換的實現(xiàn)算法復雜度較高造成的。

文獻[28]根據對小波變換理論的分析，提出基于小波變換的圖像濾波處理，將小波變換的低通濾波器和高通濾波器相結合起來進行圖像的濾波處理，既可以去除圖像中的大部分噪聲，同時也可以盡可能多的保留圖像的邊緣信息。

1.2 圖像分割

圖像分割通常采用3種不同的原理：區(qū)域方法、邊界方法和邊緣方法。利用區(qū)域的方法，把各像素歸至各個物體所屬的區(qū)域中；利用邊界的方法，只需要確定區(qū)域之間的邊界；利用邊緣的方法則先確定邊緣像素并把它們連接在一起構成所屬的邊界。

1.2.1 基于區(qū)域的圖像分割技術

基于區(qū)域的圖像分割技術主要是閾值分割法。具體的閾值分割技術很多，其目的都是為了確定閾值。根據閾值分割法應用的范圍，有全局閾值法和局部閾值法。全局閾值是對整幅圖像使用同一閾值，比較適用于裂縫和背景差別明顯的情況下。局部閾值法是對圖像中的每個像素點，根據該點的鄰域灰度變化情況來設定閾值，然后逐點對圖像二值化。根據閾值分割技術，又有迭代閾值法、最大類間方差（Otsu）閾值法等。

圖像的前景區(qū)域和背景區(qū)域的灰度值有著均勻的分布，其灰度直方圖就具有明顯雙峰，那么針對這種圖像可以使用直方圖谷底確定閾值法（文獻[29]），但這種方法適用條件比較苛刻，實用性不高。

文獻[5]采用自定義閾值和迭代法選取閾值相結合的方法來確定閾值的大小，可以較好地將裂縫目標像素與背景像素分離。

文獻[22]提出了一種改進的自適應閾值分割方法來應對裂縫圖像中的劃痕對信息分割產生的干擾。

文獻[24]介紹了全局閾值法中的最大類間方差法、Kittler最小錯誤閾值法以及應用范圍最廣效果最佳的Niblack局部閾值法，并通過對比分析選擇了效果較好的Kittler最小錯誤閾值法。

1.2.2 基于邊界的圖像分割技術

（1）經典的邊緣檢測算子

邊緣檢測是檢測圖像局部顯著變化的最基本運算，經典的邊緣檢測算子有Sobel算子、Prewitt算子、Roberts算子等，這些算子算法簡單，但對噪聲比較敏感。常用的還有拉普拉斯算子和Marr算子。Sobel、Prewitt等算子基本思想簡單，運行速度快，只有水平和垂直兩個方向的模板，不能對不規(guī)則裂縫的實際邊緣方向進行有效識別與檢測。拉普拉斯和Marr算子對原始圖像做了平滑，由于對圖像的平滑使算子對邊緣定位不精確，處理后的邊緣像素數目較多。John F.Canny于1986年提出的Canny算子是傳統(tǒng)邊緣檢測算子中較好的算法，但對噪聲較敏感，容易檢測出假邊緣或丟失一些真實邊緣的細節(jié)部分。

文獻[30，31]采用構造8個方向的Sobel模板來識別圖像邊緣，由于該算法對方向信息不敏感，所以可識別各方向的裂縫邊緣。但是利用這種方法提取的裂縫邊緣仍然存在著以下問題：不連續(xù)性、定位精度差、對噪聲敏感以及邊緣多像素寬等。

文獻[32]用傳統(tǒng)的微分算子（Canny Laplacian，Sobel，Roberts，準則算法等）求解梯度的二維實函數，然后選擇特定閾值用以提取圖像的輪廓邊緣。在沒有噪聲干擾的情況下，采用這些算子檢測橋梁圖像的邊緣時結果都較好。但是在采集中實際獲得的橋梁圖像往往都存在各種不同程度因素（比如不均勻光照、陰影以及橋梁自身紋理等噪聲）的影響，這樣一來，上述傳統(tǒng)方法所測得的圖像邊緣都存在“噪聲提升”的缺點。

文獻[33-35]對 Roberts算子、Sobel算子、Prewitt算子、Canny算子進行了驗證，研究表明Sobel算子的邊緣檢測吻合度比較高。

（2）基于小波變換的邊緣檢測

許多邊緣檢測器如形態(tài)學算子、Roberts、Sobel、Prewitt等，大都只針對空間尺度。小波分析作為繼傅里葉分析后又一有效的時頻分析方法，在圖像邊緣檢測中取得了許多成果。文獻[6]在論文中選用“sym4”函數作為小波基函數，然后對圖像進行三層小波分解，并將采用的小波算法與迭代閾值法和Otsu閾值法進行對比發(fā)現(xiàn)該算法對橋梁裂縫圖像的處理效果比較好，而迭代閾值分割和Otsu算法雖然也能大概分割出裂縫目標，但是許多灰度級相近的干擾點和干擾區(qū)域與裂縫沒有得到很好的分離。

1.3 圖像分割技術

1.3.1 基于形態(tài)學的圖像分割技術

數字形態(tài)學的基本運算是腐蝕和膨脹，腐蝕運算會使消除物體最外圈的邊緣，膨脹運算會使物體擴張到其鄰域內的最近像素。經過邊緣檢測和閾值分割后，圖像的裂縫邊緣處可能會出現(xiàn)毛刺或間斷，對圖像進行腐蝕處理，可以減少圖像中的噪聲和毛刺；利用膨脹處理，可以使斷裂的片段得到連接。它們的組合可以構成開運算和閉運算。開運算對圖像的作用效果是斷開狹窄的連接域，消除細的突起和毛刺。閉運算則可以填充原圖中細小的空洞，連接附近的對象使邊界光滑。

文獻[25]采用了一種形態(tài)學梯度算子來進行邊緣檢測的算法，他認為與空域梯度算子相比較，用對稱結構元素得到的形態(tài)學梯度受邊緣方向的影響最小，將形態(tài)學梯度邊緣檢測算法應用到路面裂縫檢測當中，能得到理想的裂縫邊緣特性。同時對于檢測出裂縫中間的空隙，采用閉合算子來填充這些空隙，經過閉合運算處理后，裂縫中間的空隙可以彌合，并且裂紋位置和形狀不變。

文獻[36]提出了一種基于多方位結構元素形態(tài)學的圖像分割算法，首先用類間最大距離算法找到梯度突變的像素點，然后對這些像素點進行多結構元素腐蝕操作，用以判斷是脈沖噪聲還是橋梁裂縫邊緣點，若是邊緣點則保留，否則濾除，由于只對發(fā)生梯度變化的像素點進行操作，相比應用于整幅圖像像素點的算法省去了大量的冗余運算，該文將該算法與四種傳統(tǒng)的邊緣識別算子識別結果相對比，發(fā)現(xiàn)該算法提取邊緣能力較好，還可以同時過濾噪聲。

1.3.2 一些其他的圖像分割技術

Tomoyuki Yamaguchi等人[14，37]提出了一種基于滲透模型的使用數字圖像處理技術進行裂縫探測的算法。該算法原理是液體在物質中滲透蔓延的滲透模型在數字圖像處理的抽象運用，即液體可以滲入到有裂縫的地方。研究結果表明了滲透模型在數字圖像處理中應用是有效的。Tomoyuki Yamaguch后續(xù)研究對滲透模型進行了改進，包括滲透速度和識別精度的。其代表性文獻[37]提出了一種新的基于滲透模型理論的滲透算法，即利用裂縫的形態(tài)學特征，在最大限度保留裂縫信息的情況下，過濾干擾信息，得到一幅僅包含裂縫信息的二值圖像-裂縫地圖。

1.4 裂縫的提取與連接

1.4.1 去除偽裂縫

文獻[6]對偽裂縫的去除采用面形態(tài)學剔除方法，對開運算過后的圖像連通域進行面積計算，目的是去除小于閾值面積的連通區(qū)域，通過面積剔除算法初步提取出裂縫目標。

文獻[38]提出根據經驗設定孤立區(qū)域面積大小的閾值T1，再根據裂縫區(qū)域一般具有長與寬比值較大的特點設定區(qū)域長寬比閾值T2，若二值化后的裂縫圖像中區(qū)域面積小于T1或長寬比小于T2，則認為這些區(qū)域是噪聲區(qū)域并去除。但缺點是無法去除一些類似裂縫的細長噪聲。

1.4.2 裂縫連接

裂縫圖像經過濾波、圖像分割以及形態(tài)學處理后，剩下不多的連通區(qū)域就認為是裂縫或裂縫的組成部分，但有時裂縫圖像在圖像分割操作時不可避免的會使原本連在一起的裂縫斷開，影響后續(xù)計算，因此需要進行裂縫連接。

文獻[6]通過一種基于K D樹的裂縫連接算法來進行裂縫片段連接。首先，計算每段裂縫間的最小外接凸多邊形并找到每段裂縫的端點；接著，設定一個閾值并判斷不同裂縫段上兩端點之間的距離是否小于該閾值，小于則連接這兩個端點；最后將連線之間的裂縫連通域填充起來，從而提取出完整的連續(xù)的裂縫。

文獻[38]在比較典型的裂縫連接算法裂縫斷點連接算法的基礎上進行改進，根據裂縫的走向，判斷裂縫斷裂區(qū)域的連接點之間空隙距離，依據一定的規(guī)則對裂縫斷裂處像素進行填充，效果基本令人滿意。

文獻[39]依據數學形態(tài)學方法，選擇適當的結構元素，對非連續(xù)的線性目標進行膨脹和細化處理，最終得到與原始圖像基本相同形狀的連續(xù)圖像，實現(xiàn)線性目標的恢復，但這種方法涉及對形態(tài)學結構元素的適當選取，靈活性較大，在實際操作中有一定難度。

2 裂縫特征描述

2.1 裂縫面積

橋梁裂縫圖像經過處理后，可計算出裂縫的像素寬、像素周長、像素面積等信息。裂縫像素周長可通過統(tǒng)計圖像中裂縫相鄰邊緣點的距離求得，裂縫像素面積可通過統(tǒng)計圖像中裂縫邊緣線包含的像素點求得。

2.2 裂縫長度

骨架化求裂縫長度是比較常用的方法，骨架化就是講具有一定寬度的裂縫變成單像素寬度的過程。骨架化可以很大程度上減少圖像中的冗余信息，而且直觀地描述裂縫的形態(tài)，長度等信息。骨架可以通過使用某種類型的形態(tài)學細化，即依次侵蝕遠離邊界的像素并同時保留線段的端點，直到沒有更多的像素可以侵蝕，也就是說整個形狀不能繼續(xù)“縮小”，那么剩余的像素點就是骨架。

曲線擬合法是求裂縫長度的另一種方法，曲線擬合是利用曲線是某些點或曲線的某些特征繪制曲線，讓擬合曲線逼近裂縫圖像，從而根據擬合函數求取裂縫的長度。

文獻[6]采用了一種八連接鄰域的圖像細化算法得到裂縫的骨架目標，從結果來看實際測量結果略高于計算測量結果，說明在細化操作中誤刪了一部分骨架點。

文獻[25，40-43]在處理規(guī)則裂縫圖像時，加以形態(tài)學的腐蝕算子細化裂縫從而得到裂縫的單像素寬度的骨架圖像，通過統(tǒng)計像素點來測量裂縫的長度和寬度。

文獻[38]利用迭代端點擬合的曲線擬合方法來計算裂縫長度，并根據擬合函數進一步求取裂縫的寬度信息。

2.3 裂縫寬度

文獻[5，22，28]通過裂縫面積除以裂縫長度來計算裂縫平均寬度。

文獻[6]根據腐蝕算法的原理，每一次的腐蝕都會將裂縫消除一圈，裂縫最大寬度的地方將在最后被消除，因此可以利用每次腐蝕被剝離的寬度×腐蝕到裂縫完全消失的次數來計算裂縫最大寬度，結果表明裂縫最大寬度大于0.2mm的誤差較小，裂縫小于等于0.2mm的計算誤差較大。

文獻[33-35]通過在裂縫旁邊粘貼棋盤、黑色紙片等作為參考物，利用參考物的已知物理尺寸，計算圖像中每個像素所代表的實際寬度，將處理后的橋梁裂縫圖像列為m行n列的離散點像素矩陣，利用矩陣和裂縫的有關特性計算裂縫的像素寬度。

文獻[38]利用骨架化的裂縫像素集合做二次曲線擬合，得到擬合曲線的數學模型，即可通過對骨架上每個點求該點在曲線擬合方程上的法線，并且根據法線與裂縫左邊緣和右邊緣的交點，得到裂縫區(qū)域邊界上與裂縫走向垂直的兩點間的距離即寬度。缺點是計算量較大，該文為減少計算量，選擇了裂縫骨架上具有一定間隔的點來計算。

文獻[44]通過對根據滲透模型得到的裂縫地圖進行距離變換和細化處理等形態(tài)學的變換后，裂縫的形態(tài)學信息已經被存儲在裂縫圖像的骨架像素中，利用骨架像素和骨架包含的像素到邊界的距離信息重組裂縫，從骨架像素中得到數據的兩倍就是裂縫的寬度，其平均值就是裂縫寬度的平均值，最大值就是裂縫的最大寬度。

3 總結

基于圖像處理的橋梁裂縫檢測技術發(fā)展很快，總結文獻研究成果，認為以下幾個方面值得進一步深入研究：

（1）基于圖像處理的橋梁裂縫檢測設備簡便化（如與無人機結合）、智能化以及與物聯(lián)網（如與智能手機）結合的在線檢測研究。

（2）適用不同狀況條件下橋梁裂縫識別算法研究。

（3）實現(xiàn)實時在線處理裂縫圖像，并且在保證圖像處理算法的精度的同時避免裂縫圖像失真，協(xié)調二值化過程中存在的精度和速度矛盾作進一步探索研究。

（4）改進傳統(tǒng)的裂縫識別方法來嘗試解決結構表面的水跡、劃痕等噪音問題，實現(xiàn)識別出小于0.2mm的混凝土橋梁結構細微裂縫。