亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于累積梯度的裂縫提取算法

        2019-10-14 01:20:22魏永杰葛婷婷張中岐馬寶強車進超
        應(yīng)用光學(xué) 2019年5期
        關(guān)鍵詞:區(qū)域檢測

        魏永杰,葛婷婷,張中岐,馬寶強,車進超

        (河北工業(yè)大學(xué) 機械工程學(xué)院,天津 300130)

        引言

        建筑物的破壞往往是從裂縫開始的,各種原因產(chǎn)生的裂縫影響結(jié)構(gòu)的正常使用、耐久性和安全性。對裂縫進行長期的監(jiān)測可以及時掌握建筑物裂縫變化的情況和規(guī)律,為建筑物的質(zhì)量檢測提供依據(jù)?;趫D像法的裂縫檢測方法在該領(lǐng)域得到了廣泛應(yīng)用[1]。

        裂縫的圖像檢測方法是典型的邊界提取算法。為了從圖像中提取邊緣,通常會使用到邊緣檢測算子[2],如Sobel算子、prewitt算子、log算子、Roberts算子和Laplacian算子等。其中Sobel算子并沒有將圖像的主題與背景嚴格地區(qū)分開來,沒有基于圖像灰度進行處理,所以提取的圖像輪廓有時并不能令人滿意;在現(xiàn)場測量距離遠、鏡頭焦距長的情況下,裂縫所處環(huán)境比較復(fù)雜,背景和光照信息多樣,實際場景的圖像包含的數(shù)據(jù)是不連續(xù)和模糊的,常用邊緣檢測方法對圖像的復(fù)雜程度估計不夠,難以滿足工程應(yīng)用的需求,結(jié)果往往不能令人滿意。因此,研究如何消除噪聲的邊緣提取算法是目前的一個熱點問題。

        目前,在常用的裂縫檢測算法中[3],最為著名的是Otsu算法,它能夠應(yīng)用于多種邊緣檢測算子,可有效降低噪聲的影響[4]。HA算法是較早提出的一種方法,有效地解決了裂縫節(jié)點識別困難、缺陷處理量小等常規(guī)方法不能解決的問題[5]。采用基于小波變換的裂縫檢測方法,可將圖像變換到不同方向的子帶進行裂縫提取[6]。將形態(tài)學(xué)方法用于裂縫檢測,可通過中值濾波、灰度形態(tài)算子等邊緣檢測算法檢測具有較高對比度的裂縫[7]??紤]到光照等周圍環(huán)境對圖像造成的劇烈影響,有人提出了基于自適應(yīng)模糊的局部區(qū)域圖像增強算法[8]。此外,由于二維影像平面處理,沒有充分考慮裂縫所處的物方三維空間,很難建立精確的數(shù)學(xué)模型,導(dǎo)致計算的裂縫尺寸具有較大的誤差[9],因此有人將二維圖像轉(zhuǎn)化到三維空間進行測量[10],除對平面圖像進行處理外,用雙目立體視覺模型測量裂縫的空間尺寸,彌補了二維建模和測量精度的缺陷[11],但在光線條件較差時容易導(dǎo)致匹配和計算精度下降[12]。

        常用常規(guī)圖像法提取裂縫,識別位置和尺寸信息比較困難。因此,基于圖像形態(tài)學(xué)的基本原理,提出累積梯度算法,用于裂縫的圖像識別。

        1 原理

        對于建筑物的各種裂縫,在有光照情況下表現(xiàn)為暗線條,以灰度圖像表示,為較小的灰度值。如果背景為均勻且噪聲小的高灰度值,則可通過設(shè)定域值,將圖像直接轉(zhuǎn)化為二值化圖像,得到裂縫信息。而在多數(shù)情況下,裂縫所處背景復(fù)雜,尤其是在建筑物上,由于材料及建造工藝等因素影響,使得根本無法得到裂縫缺陷信息。圖1是采集到的含有裂縫的建筑物原始圖片及處理結(jié)果。其中圖1(a)是原始圖片,該雕塑上面有一條清晰裂縫。圖1(b)是經(jīng)直方圖均衡化的結(jié)果,可見該圖片光照不均均,左側(cè)光強,右側(cè)光弱,但即便是在右側(cè)光照非常差的范圍內(nèi),人眼也能夠觀察到裂縫。圖中花崗巖的紋理非常明顯,且有許多斑點,這些對檢測結(jié)果都會產(chǎn)生影響。圖2是采用Otsu算法處理的結(jié)果。該結(jié)果不能提取到所有的裂縫區(qū)域。

        圖1 含有裂縫的圖像Fig.1 Image with crack

        圖2 Otsu算法處理結(jié)果Fig.2 Result with Otsu

        圖3是分別采用6種邊緣檢測算子檢測的結(jié)果。圖3中所采用的邊緣檢測算子對于標(biāo)準圖像均可得到較好效果,但對于圖1的實驗照片只可見到一條模糊邊界,如圖3(a)、(b)所示,這條裂縫在右側(cè)暗區(qū)是觀察不到的,且這些算子得到的圖像含有大量孤立噪聲點。對比圖1(b),圖3中的6幅圖像右側(cè)均為零值,與圖1中光照較差有關(guān)。由圖3結(jié)果可見,這些算子均不能滿足圖1的檢測要求。

        圖3 常用邊緣算子檢測結(jié)果Fig.3 Results by commonly used edge detection operators

        為解決上述問題,在對原始圖像濾波的基礎(chǔ)上,首先采用自適應(yīng)二值化方法得到裂縫的邊緣信息[13]。該算法是基于每個像素點選取不同的域值來達到二值化目的。它是通過計算像素點周圍的一個小區(qū)域內(nèi)進行加權(quán)平均,然后減去一個常數(shù)來得到自適應(yīng)閾值[14]。即:

        (1)

        式中:Ti表示第i個像素點的域值;Gmn表示第i點周圍[-b,b]×[-b,b]的區(qū)域內(nèi)各點的像素值。(1)式中右側(cè)第一項表示加權(quán)平均,可采用平均加權(quán)方法或高斯加權(quán)方法。C為選定的常數(shù),該參數(shù)根據(jù)圖像對比度及光照均勻程度選取。本文的裂縫為低灰度值,應(yīng)選擇較小的C值,得到處理后的裂縫比實際裂縫寬,以便于后續(xù)處理。

        在(1)式處理后的二值化圖像中可觀察到明顯的裂縫形狀,但該圖像仍含有大量噪聲,不能滿足計算機處理的要求。為此,基于計算機圖像形態(tài)學(xué)和OpenCV計算機視覺庫[15],對結(jié)果進行進一步處理。

        二值化后裂縫的灰度值為0,通過圖像形態(tài)學(xué)的腐蝕操作可將(1)式處理的二值化圖像孤立點連在一起,同時會將灰度值為0的噪聲點范圍擴大,采用比腐蝕窗口稍大的窗口進行一次閉操作可消除噪聲點。

        為了進行裂縫識別,需要對形態(tài)學(xué)操作后進行去噪聲、識別和提取。因此,可采用連通域方法,將裂縫和噪聲分別連接為連通區(qū)域,并找到這些連通區(qū)域的邊界。

        裂縫特征和噪聲具有不同的連通域特征。裂縫一般為極窄極長的連通域,噪聲區(qū)域為長寬比相差不多的連通域且面積較小,考慮幾何圖形周長和面積的關(guān)系,可去掉二值化圖像中大部分噪聲信號。設(shè)裂縫寬度為b且相差不多,長度為a,周長為l,面積為S,長寬比a∶b=m,則面積和周長的比值k為

        (2)

        由(2)式可知,對于寬度為定值的裂縫,如果設(shè)定長寬比為m0,則可得到面積和周長平方的比值k0。根據(jù)裂縫的特性,一般長度要比寬度大很多。設(shè)a∶b>m0時為裂縫,則k>k0,反之為噪聲。通過連通域計算,可得到各個連通域的面積S和長度l。根據(jù)上述判據(jù),可將a∶b≤m0的連通域作為噪聲去除。同時,當(dāng)面積S很小時,對于我們研究裂縫無意義,因此將a∶b>m0且面積很小的連通域也作為噪聲區(qū)域去除,得到裂縫連通域。對于少數(shù)噪聲點也可手動刪除。

        經(jīng)過自適應(yīng)二值化和圖像形態(tài)學(xué)操作后的裂縫連通域與原始圖像的裂縫形狀相同但范圍擴大,即裂縫變寬,不能滿足測量需要。為解決上述問題,提出了累積梯度算法。

        所謂累積梯度算法,即將二值化和圖像形態(tài)學(xué)操作后的裂縫連通域作為掩模區(qū)域,該區(qū)域比裂縫區(qū)域?qū)?,灰度值為零。對照掩模區(qū)域,將原始圖像灰度值相加,得累積灰度值Gk。對該掩模區(qū)域進行膨脹操作,掩模區(qū)域變小,將對應(yīng)的原始圖像灰度值相加得Gk+1,設(shè)累積灰度差k為

        (3)

        式中:n、m分別為膨脹前后裂縫連通域模板的像素點數(shù)。對原始圖像依次迭代膨脹;k為最大時即為累積梯度值,第k次膨脹前的原始圖像即為識別出的裂縫圖像。

        2 實驗

        采用上述方法對圖1(a)圖像進行了處理,結(jié)果如圖4所示。

        其中圖4(a)是對原始圖像進行平均濾波后的結(jié)果,采用3×3的均值濾波窗口。圖4(b)是自適應(yīng)二值化的結(jié)果,圖中采用31×31的窗口,考慮到裂縫為低灰度值,取常數(shù)C=4。由圖4(b)可以明顯看出裂縫區(qū)域,但周圍噪聲點很多,且裂縫不連續(xù)。圖4(c)是采用7×7的窗口腐蝕后的結(jié)果,由于裂縫和噪聲區(qū)域表現(xiàn)為低灰度值,與圖4(b)相比,圖4(c)的裂縫變寬,噪聲區(qū)域也加大。為便于后續(xù)尋找連通域和噪聲去除,采用更大些的窗口對圖4(c)的腐蝕圖像進行閉操作,如圖4(d)所示,采用窗口為9×9。經(jīng)閉操作后裂縫連通的區(qū)域沒有被分割,但噪聲區(qū)域變小。有利于尋找連通域邊緣。圖4(e)是找到并進行黑色內(nèi)部填充的裂縫連通域,并根據(jù)周長及面積的關(guān)系式(2)將不符合裂縫特征的噪聲區(qū)域刪除后的結(jié)果。從圖中可以看出,如果噪聲與裂縫區(qū)域相連通,則該噪聲區(qū)域不能自動刪除,可采用手動方法進行刪除。經(jīng)手動刪除后,可作為原始圖像的掩模版圖像,該圖像為二值化圖像,如圖4(f)所示。

        圖4 累積梯度算法得到的模板Fig.4 Stencils by accumulated gradients

        將圖4(f)所示掩模版作用于原始圖像,即在原始圖像中只將對應(yīng)掩模圖像灰度值為零的部分進行膨脹操作,選取3×3的窗口進行迭代膨脹,原始圖像中累積灰度變化k為最大值時,膨脹前結(jié)果為實際裂縫。圖5為檢測的最終結(jié)果。

        圖5 裂縫檢測結(jié)果Fig.5 Crack result

        圖5中裂縫連通域為灰度圖,背景以白色表示。圖5與圖4(b)~(e)相比,裂縫區(qū)域要窄,說明經(jīng)自適應(yīng)二值化和圖像形態(tài)學(xué)操作后對于深色裂縫區(qū)域均會加寬。圖6是采用圖4(f)為模版,對原始圖像進行迭代膨脹的灰度差變化曲線,在第7次膨脹時,該值達到最大,即為累積梯度,即第6次迭代膨脹后為圖5的裂縫求解結(jié)果。

        圖6 迭代膨脹的灰度差變化曲線Fig.6 Gray difference in iterations

        為驗證該方法的有效性,對另外一種復(fù)雜背景條件下的樣品進行了拍攝和處理。如圖7所示。

        圖7 樣品的拍攝和處理Fig.7 Sample shooting and processing

        由圖7(a)和7(b)的結(jié)果比較可以看出,采用該方法能夠提取得到有裂縫區(qū)域。

        3 結(jié)論

        在自適應(yīng)二值化和圖像形態(tài)學(xué)的基礎(chǔ)上,采用累積梯度算法,對裂縫連通域進行迭代膨脹運算,并計算膨脹前后的灰度差值。灰度差值最大時即為累積梯度,對應(yīng)裂縫的邊緣信息。采用上述方法可在背景復(fù)雜、光照不均的條件下提取得到裂縫信息,為建筑物的安全性檢測提供預(yù)防手段。

        猜你喜歡
        區(qū)域檢測
        永久基本農(nóng)田集中區(qū)域“禁廢”
        “不等式”檢測題
        “一元一次不等式”檢測題
        “一元一次不等式組”檢測題
        分割區(qū)域
        “幾何圖形”檢測題
        “角”檢測題
        小波變換在PCB缺陷檢測中的應(yīng)用
        關(guān)于四色猜想
        分區(qū)域
        岛国av无码免费无禁网站下载| 丝袜美腿av在线观看| 国产播放隔着超薄丝袜进入| 中国丰满熟妇xxxx| 日韩欧美国产亚洲中文| 97久久久一区二区少妇| 最新中文字幕人妻少妇| 欧美日韩视频在线第一区| 日本成人久久| 大屁股流白浆一区二区 | 日本亚洲中文字幕一区| 国产国产裸模裸模私拍视频| 日本大片免费观看完整视频 | 精品无码人妻一区二区三区| 在线无码精品秘 在线观看| 亚洲av综合日韩精品久久| 国产熟妇与子伦hd| 爽爽午夜影视窝窝看片| 亚洲一区二区精品久久岳| 日日高潮夜夜爽高清视频| 国产精品无码久久综合网| 亚洲国产无线乱码在线观看| 国产一区二区三区观看视频| 中文字幕av长濑麻美| 麻豆影视视频高清在线观看| 色yeye免费视频免费看| 一本大道加勒比东京热 | 国产激情对白一区二区三区四| 色婷婷激情在线一区二区三区| 国产嫩草av一区二区三区| 日日碰狠狠添天天爽无码| 麻豆AⅤ精品无码一区二区 | 亚洲亚色中文字幕剧情| 天美传媒一区二区| 毛片无码高潮喷白浆视频| 国产av一啪一区二区| 一本色道久久88亚洲精品综合| 国产欧美VA欧美VA香蕉在| 精品国产一区二区三区男人吃奶| 五月开心婷婷六月综合| 国产免费av片在线观看播放|