聶秀才　李寶林

摘要：基于像素點法的面積計算相較于傳統(tǒng)的面積計算方法而言，在進行不規(guī)則圖形面積計算時具有先天的優(yōu)勢，計算速度快、效率高、準確度適合工程應(yīng)用要求，是進行橋梁外觀病害面積計算的最佳之選。梳理了像素點法在進行碎片連接復(fù)原、算法改進、面積計算以及裂縫長寬計算等等方面的應(yīng)用;分析了像素點法在橋梁病害檢測中的應(yīng)用前景;最后分析了像素點法與橋梁外觀病害面積計算的未來發(fā)展趨勢：基于像素點法的橋梁病害面積計算將在橋梁檢測技術(shù)中充當重要角色。

關(guān)鍵詞：像素點法;橋梁病害;面積計算;橋梁檢測

中圖分類號：TP18 文獻標識碼：A

文章編號：1009-3044（2020）09-0193-03

概述

據(jù)有關(guān)資料，中國現(xiàn)代橋梁總數(shù)超過100萬座[1]，達到世界領(lǐng)先的水準。由于橋梁倒塌等事故的頻繁發(fā)生，橋梁安全逐漸成為人們主要關(guān)注的熱點問題之一，保障橋梁安全亟待有效解決。當前橋梁安全的保障，主要依靠橋梁檢測技術(shù)。橋梁安全檢測技術(shù)一直以來都是國內(nèi)外研究的熱點問題，經(jīng)歷了從人工檢測、橋梁檢測車、無損檢測、到現(xiàn)在的智能化檢測幾個階段。智能化檢測主要依賴于高精度的圖像攝取技術(shù)、計算機技術(shù)、圖像處理技術(shù)、人工智能等技術(shù)相結(jié)合而成。通過對橋梁病害圖片的采集，使用計算機進行預(yù)處理、圖像運算以及神經(jīng)網(wǎng)絡(luò)、大數(shù)據(jù)等的智能分析，判定和預(yù)測出橋梁病害的危害程度以及預(yù)判未來的發(fā)展趨勢，達到檢測的目的。在進行圖像處理和神經(jīng)網(wǎng)絡(luò)運算時，會用到基于圖像數(shù)據(jù)的一系列操作，針對像素點的操作是計算區(qū)域面積不可或缺的一步。

像素[2]由圖像的小方塊組成。這些小方塊有一個清晰的位置和指定的顏色值。小方塊的顏色以及它所處的位置，確定了圖像的外觀表現(xiàn)。

像素點法是指基于某一區(qū)域，統(tǒng)計該處的所有符合條件的像素，累加起來即為該區(qū)域的面積，單位是像素。像素點法計算面積的好處在于只需統(tǒng)計符合條件的像素即可，不需要考慮邊緣像素的缺失與否。這樣既減少了邊緣像素處理的時間，也能提高面積計算的準確度。獲取病害圖像之后，進行圖像的灰度化處理、圖像分割、提取病害特征，統(tǒng)計基于病害特征的像素，簡單快速的累加計算，就可以得到該病害特征覆蓋的面積區(qū)域。

1 基于像素點法的應(yīng)用現(xiàn)狀

在計算機技術(shù)、攝像技術(shù)、圖像處理技術(shù)以及人工智能技術(shù)迅猛發(fā)展的條件下，基于像素點的研究也廣泛用于各類算法和實際應(yīng)用中，并取得了極好的效果。生活中的各類場景只要形成圖像等，都可以基于像素點做研究。

1.1基于像素點的碎片圖像拼接與復(fù)原

霍達[3]提出了一種以區(qū)間估計為基礎(chǔ)，利用矩陣像素點匹配算法進行碎片拼接的方法，用來進行碎紙片拼接復(fù)原，取得了良好的效果。

從碎片的筆畫切斷面人手，讀取圖像邊緣像素點色度，計算碎片A與碎片B的匹配概率，基于所得到匹配的正確的像素匹配概率，計算置信區(qū)間的下限。在計算之后的過程中，如果上面的匹配概率的像素值，則認為兩種可能的碎紙片彼此匹配。

黃薇[4]等將碎片邊緣像素點轉(zhuǎn)化為灰度值，研究了碎片之間行與列灰度值的匹配程度，作為碎片間拼接的依據(jù)。 將碎片圖像進行數(shù)字化后進行灰度處理，并轉(zhuǎn)成灰度矩陣的文本存儲。依據(jù)灰度值為0的像素周圍的灰度值必定不為255，抽取碎片周圍的3-5列灰度值作加權(quán)平均處理后作為碎片周圍的灰度值。定義Resultl[i] =Success[i] - Fail[i]，Resultl[i]用來存放碎片每一行或列的匹配度;約定每一行或列的兩個加權(quán)平均值當且僅當滿足一方為0另一方為255時標記Fail[i]加1，否則記為Success[i]加1;最后比較輸出Resultl[i]中最大的i值，即為行或列數(shù)（匹配的文件號）。

1.2基于像素點的算法改進

王民[5]等基于原有的角點檢測算法Harris，結(jié)合像素點灰度差，提出了一種新的角點檢測算法，實驗證明提高了原算法的檢測速率以及角點的正確性，但還存在不足，例如在灰度變化較小和紋理信息比較豐富的圖像中的角點檢測效果不佳。

高申勇[6]等按照穩(wěn)定度將像素點分類，計算初始匹配代價后，建立代價樹，利用根據(jù)顏色分割好的圖像以及像素點分類信息，更改代價樹中各邊的權(quán)值，執(zhí)行樹型濾波后并獲得稠密的視差圖，從而完成立體匹配。使得在立體匹配算法中取得了不錯的成績。

Matthew P.Dube[7]等為了解決柵格區(qū)域?qū)s旦曲線的限制，提出利用與外部像素相鄰的一組像素取代柵格區(qū)域，以此進一步思考數(shù)字約旦曲線以及在像素空間中存在的多種不同關(guān)系。基于相鄰像素取代的區(qū)域，在蛋黃關(guān)系方面取得了不錯的新穎性，同時也證明了該方法在R*R模型上的廣泛界限，也為基于像素邊界的空間關(guān)系擴展成為可能。還討論了數(shù)字球形關(guān)系、將數(shù)字關(guān)系擴展到空間關(guān)系、數(shù)字切割以及數(shù)字拓撲關(guān)系與邊界像素的約束關(guān)系，為未來邊界像素的發(fā)展與應(yīng)用提供了更好的發(fā)展空間。

1.3基于像素點的面積計算

用于曲面面積的計算。曹俊[8]在進行曲面面積圖像測量技術(shù)研究中，提出了一種基于亞像素面積的測量方法。通過邊緣提取算法提取圖像的亞像素邊緣，利用最小距離搜索法分離目標的邊緣點排序后，使用格林公式計算出曲面面積。邊緣點的排序，以及進行格林公式的求解和離散化處理，都不適合快速得到面積的初衷，并不適合在橋梁檢測工程應(yīng)用。

郭尚[9]等在研究多連通區(qū)域面積計算中，基于像素點，將一幅具有多個連通區(qū)域的圖像，逐步掃描，遇到單個連通區(qū)域就采取合并面積的方式，取得圖像中所有連通區(qū)域的面積，直到掃描完所有的圖片。

Georgios Bontzos[10]等提出了一種基于像素量變化的、用于脈絡(luò)膜痣進展檢測的半自動化平臺，初步得到了較好的結(jié)果，可用于檢測早期黑色素性脈絡(luò)膜病變的程度?；?例初始記錄的脈絡(luò)膜黑色素病的總面積，經(jīng)過5年后，通過比較基于像素分析的客觀定量和常規(guī)觀察，所提出的方法比簡單觀察靈敏度高了50%，并且特異性更高。一般的常規(guī)觀察和照片，是用肉眼來判定黑色素增加與否，在這種情況下細微的變化是很難分辨出來的;而基于像素的分析，可以將細微處的變化分析出來，并進行客觀的量化處理，得到更精確的病理面積，精確監(jiān)督與判定病理發(fā)展程度。

1.4基于像素點的裂縫寬度、長度的計算

黃衛(wèi)嶺[11]通過將具有一定像素寬度的裂縫進行單像素寬度的處理，即骨架化處理，來取得裂縫的長度，也即骨架化后的裂縫像素數(shù)就是該裂縫的長度。根據(jù)骨架化前的像素數(shù)還可以求得裂縫的平均寬度，即用骨架化前的像素總數(shù)除以骨架化后的裂縫的長。

占繼剛[12]利用裂縫圖像骨架化后的裂縫端點集建立KD樹，通過連接符合一定閾值條件的相鄰裂縫端點，實現(xiàn)兩段裂縫的連接。除此之外，基于像素點的研究還有很多，不勝枚舉。

M.S.Sukiman[13]等利用了基于像素的有限元方法，對靜電紡聚偏氟乙烯（PVDF）納米纖維膜的彈性特性進行了研究，分析了單根纖維的彈性模量和模量中的纖維百分比，發(fā)現(xiàn)基于像素的FEM（Finite Element Method）模型預(yù)測和實驗數(shù)據(jù)有較好的吻合度，是一種可靠的、有希望的傳統(tǒng)拉伸測試的無損替代品。

A.Zare Hosseinzadeh和P.S.Harvey[14]提出了一種基于穩(wěn)健像素運動軌跡的振動監(jiān)測方法，通過監(jiān)視素材、逐幀跟蹤來提取像素的運動軌跡，來進行建筑結(jié)構(gòu)的健康監(jiān)測，還可用于損傷診斷的評估。該方法結(jié)果初步表明是一種可行且具有成本效益的在線監(jiān)測技術(shù)，不足之處在于對多變環(huán)境問題下的應(yīng)對能力。隨著各行各業(yè)的進步，攝像、監(jiān)控跟蹤設(shè)備的也不斷更新迭代，基于此類設(shè)備獲取的大量數(shù)據(jù)用來進行實驗分析，有助于實驗效果的實現(xiàn)以及提高實驗效率與準確率。

Elham Rafiei Sardooi[15]等研究了一種基于像素分類的方法，用來識別和劃分流域內(nèi)的同質(zhì)區(qū)域，以便管理人員和決策者實現(xiàn)和制定更加有效的管理方法，實現(xiàn)對不同環(huán)境的可持續(xù)化管理。該方法利用已測量和未測量區(qū)域的所有區(qū)域的遙感數(shù)據(jù)源作為基礎(chǔ)進行實驗研究，采用模糊聚類的方法，結(jié)果表明同質(zhì)區(qū)域的最佳數(shù)量為四個，該方法還適用于其他地方，不足之處在于遙感數(shù)據(jù)的分辨率較低，之后可采取高分辨率的衛(wèi)星產(chǎn)品解決。

2 像素點法在橋梁病害中的應(yīng)用前景

根據(jù)橋梁上部結(jié)構(gòu)技術(shù)的不同，將橋梁主要分為梁式橋、拱式橋、懸索橋、斜拉橋;據(jù)此，將橋梁技術(shù)狀況評定分為：橋梁上部結(jié)構(gòu)各構(gòu)件技術(shù)狀況的評定、橋梁下部結(jié)構(gòu)各構(gòu)件技術(shù)的評定、橋面系各構(gòu)件技術(shù)的狀況評定。根據(jù)各結(jié)構(gòu)構(gòu)件上產(chǎn)生危害的原因不同、程度不同，我們將病害分為：外觀病害、實體病害、測量病害以及它們的組合體。

當前，據(jù)《公路橋梁技術(shù)狀況評定標準》（JTGITH21-20ll）[l6]中記錄的橋梁病害總計234個，其中外觀病害目前已記錄的有215個，定量關(guān)系描述中包含面積計算的病害目前已記錄68個，數(shù)量大約占已記錄病害的29%，占已記錄外觀病害的31.6%.

病害面積計算在橋梁檢測中占比不小，隨著檢測技術(shù)的不斷發(fā)展，面積計算的方式方法也當有所改變，采用基于像素點的面積計算在橋梁檢測技術(shù)是新的嘗試，也是新的技術(shù)突破。

現(xiàn)已記錄的橋梁病害還有以下特征：裂縫、剝落、掉角、空洞、孔洞、變色、起皮、銹蝕等等。經(jīng)過圖像收集、圖像處理、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、特征提取等方式，再利用像素點法，就可以取得包含此類病害特征的信息，例如第1章提到的裂縫的長、寬;剝落、掉角、空洞、孔洞、變色、起皮、銹蝕等的面積范圍計算等。不僅如此，根據(jù)每一次檢測的數(shù)據(jù)記錄，還可預(yù)測未來的橋梁安全狀況;根據(jù)兩次檢測的數(shù)據(jù)，推測病害的發(fā)展趨勢，可提前預(yù)知未來險情，或推測現(xiàn)有的險情。

技術(shù)的不斷更新變革是為了服務(wù)于社會生產(chǎn)，提高各類生產(chǎn)活動的效率、生產(chǎn)活動安全等，以及更進一步地促進技術(shù)的變異。將現(xiàn)有的技術(shù)應(yīng)用于實際生活中，提高水平，才能體現(xiàn)出此類技術(shù)的價值以及存在的合理性?；谙袼攸c法的應(yīng)用，已經(jīng)在多個方面體現(xiàn)了它的優(yōu)點，而在橋梁病害檢測技術(shù)中，應(yīng)用極少。分析已記錄的橋梁病害數(shù)量，以及檢測技術(shù)的日新月異，將像素法用于橋梁病害檢測當中，也是將技術(shù)應(yīng)用于工程測量當中，是技術(shù)不斷迭代的體現(xiàn)。

3 結(jié)語

由于深度學(xué)習(xí)和人工智能的不斷深入發(fā)展與普及，以及橋梁檢測系統(tǒng)的智能化發(fā)展，像素點法將在檢測橋梁外觀病害中充當重要角色。將像素點法集成于橋梁病害檢測系統(tǒng)，不僅能夠在計算病害面積上發(fā)揮作用，還可進一步加快橋梁病害檢測進程，并且在檢測精度上有出色表現(xiàn)，為橋梁的健康管理和維護帶來及時高效的處理。除了進行面積計算之外，基于像素點的方法還可以用于橋梁裂縫的長、寬的計算等。通過對像素點法的應(yīng)用現(xiàn)狀以及與橋梁病害檢測技術(shù)發(fā)展關(guān)系的分析，基于像素點法在橋梁病害檢測技術(shù)的應(yīng)用前景，當橋梁病害的數(shù)據(jù)量足夠大或可進行大數(shù)據(jù)運算的時候，對大量橋梁病害數(shù)據(jù)的分析建模，用來預(yù)測病害的發(fā)展趨勢，是將來橋梁病害檢測技術(shù)的發(fā)展方向，也是結(jié)合目前已存在的相關(guān)技術(shù)的分析所得。

參考文獻：

[1]周宗敏.造世界最多的橋，中國為什么能？[N/OL].http：//m.xi-nhuanet.com/2019-09/2 3/c_1 125 029077.htm.

[2]郎奠波.像素[EB/OL]. https：//baike. baidu. com/item/像素/ 95084？fr=aladdin

[3]霍達，基于像素匹配的碎紙片拼接復(fù)原[J].呂梁學(xué)院學(xué)報，2014，4（2）：43-45.

[4]黃薇，許勇，劉淑影，基于像素點的碎片圖像拼接技術(shù)[J].計算機應(yīng)用，2014，34（S2）：269-270，290.

[5]王民，周兆鎮(zhèn)，李昌華，等.基于像素點灰度差的Harris角點檢測算法[J].計算機工程，2015，41（6）：227-230.

[6]高申勇，戈豪豪，張樺.基于像素點分類和顏色分割的樹型濾波立體匹配[J].電子科技大學(xué)學(xué)報，2017，46（3）：606-611.

[7] Matthew P.Dube，Max J.Egenhofer，Jordan V.Barrett，Noah J.Simpson. Beyond the digital Jordan curve： Unconstrained sim-ple pixel-based raster relations[J]. Journal of Computer Lan-guages，2019，54.

[8]曹俊.曲面面積圖像測量技術(shù)研究[D].成都：西南石油大學(xué)，2012.

[9]郭尚，蘇鴻根，基于像素的計算大量連通區(qū)域面積的快速算法[J].計算機工程與設(shè)計，2008，29（7）：1760-1763.

[10] Georgios Bontzos，Nektaria Moysaki，Michael Tsatsos，VassiliosKozobolis， Efstathios T.Detorakis. Preliminary results of asemi-automated platform for pixel-based quantification of cho-roidal naevus progression[J]. Canadian Journal of Ophthalmolo-gy/Journal canadien d' ophtalmologie，2019，54（5）.

[11]黃衛(wèi)嶺.基于圖像處理技術(shù)的橋梁裂縫測量系統(tǒng)研究[D].北京：北京交通大學(xué)，2013.

[12]占繼剛，基于圖像處理的橋梁底面裂縫檢測識別方法研究[D].北京：北京交通大學(xué)，2017.

[13] Sukiman M S，Andriyana A，Ang B C，et al.Elastic propertiesof electrospun PVDF nanofibrous membranes： Experimental in-vestigation and numerical modelling using pixel-based finiteelement method[J]. Polymer Testing，2019.

[15] Elham Rafiei Sardooi， Ali Azareh， Bahram Choubin， SaeedBarkhori，Vijay P.Singh，Shahaboddin Shamshirband. Applyingthe remotely sensed data to identify homogeneous regions ofwatersheds using a pixel-based classification approach[J]. Ap-plied Geography，2019，111.

[16]沈海華，基于BIM的橋梁養(yǎng)護管理研究[D].重慶：重慶交通大學(xué)，2017.

【通聯(lián)編輯：唐一東】

收稿日期：2020-01-25

作者簡介：聶秀才（1993-），男（彝族），四川雅安人，西華師范大學(xué)2017級在讀碩士研究生，研究方向：深度學(xué)習(xí);通訊作者：李寶林（1976-），男，安徽太湖人，博士，西華師范大學(xué)，副教授，研究方向：計算機應(yīng)用技術(shù)。