王 康 強 晟 徐春雷 李 禹 徐文強

(1.河海大學 水利水電學院, 南京 210098;2.無錫市重點水利工程建設管理處, 江蘇 無錫 214000)

大壩、泵站、水閘等水利工程中的大體積混凝土,因為水泥水化產生大量的熱、混凝土收縮變形、結構約束、外界溫度變化等,加之在實際工程中大體積混凝土溫度控制措施不嚴密,會產生表面裂縫[1-3].作為工程結構缺陷標志之一的表面裂縫,在工程前期僅影響外觀質量,若不及時檢測和補救,可能會發(fā)展成不可挽回的深層裂縫和貫穿裂縫,極大地影響工程質量和安全.相比于傳統(tǒng)的人工檢測的低效性和主觀性[4],近年來隨著人工智能的發(fā)展、無人機和無人車在工程應用上的推廣以及基于機器視覺混凝土裂縫檢測方法的不斷完善,無人檢測技術更適用于工程應用,且其有更大的提升空間.

針對基于機器視覺的混凝土裂縫檢測技術和設備,國內外學者已經有了一定的研究.周穎等[5]采用消費級照相機成功提取混凝土裂縫特征,在實驗室條件下將裂縫寬度誤差控制在1 mm 左右;蒲炳榮等[6]提取了分岔裂縫的分岔點生長編碼特征,量化其初始生長方向;方志[7]在混凝土表面粘貼純色標定塊來標定、修正原始圖像從而提取出裂縫寬度,并以正拍和斜拍圖像兩種方式對提取方法進行了驗證;郝更新等[8]針對現有大壩巡檢方式的缺點,自研了一套大壩裂縫巡檢骨架提取系統(tǒng).但目前大部分研究是針對單一裂縫,對于如圖1所示多條裂縫、分岔裂縫、彎曲裂縫等復雜裂縫特征提取研究還處于起步階段.本文首先對混凝土裂縫圖像進行前處理,得到裂縫骨架,適當分割分岔裂縫和彎曲裂縫,用線性函數擬合裂縫骨架線,獲取裂縫走向和傾斜角度,引入裂隙玫瑰圖對提取到的裂縫特征進行統(tǒng)計.分別對虛擬裂縫和實際裂縫進行特征提取,并繪制“裂縫玫瑰圖”.此方法為混凝土裂縫自動檢測提供可靠依據,進而分析大體積混凝土裂縫產生的原因奠定了基礎.

圖1 復雜裂縫

1 裂縫圖像前處理

裂縫圖像前處理的目的是在保證目標特征不丟失的前提下,盡量去除因為混凝土表面光照不均勻、坑槽、斑點和污染痕跡而產生的圖像噪聲,增強有關信息的可檢測性,最大限度地簡化數據,降低裂縫骨架提取和裂縫特征提取的難度.

1.1 圖像灰度化

通過相機采集到的混凝土裂縫圖片為三通道的RGB圖片,將其轉換為灰度圖片以備裂縫特征的提取.本文采用加權平均法將圖片進行灰度化,公式[9]為:

式中:Ggray為像素點灰度值;R、G、B分別為像素點的紅、綠、藍分量.

1.2 圖像平滑

圖像平滑處理的目的是消除圖像因拍攝、傳輸過程中產生的噪聲,盡可能地保留其目標特征.常見的圖像平滑處理有均值濾波、高斯濾波、中值濾波和雙邊濾波等[10].均值濾波隨著卷積核的增大,圖像失真越嚴重,對裂縫特征影響越大,需要平衡失真和去噪效果;高斯濾波考慮中心點附近點的權重大小,相對改善了模糊問題,但仍要平衡圖像失真和去噪效果;中值濾波不存在圖像模糊的問題,可以在不影響原有圖像的情況下去除全部噪聲,但由于排序等操作,運算量太大.

本文采用雙邊濾波,對圖像進行平滑處理.雙邊濾波綜合考慮空間和色彩信息,在濾波過程中能夠有效的保護混凝土裂縫的邊緣信息.各個濾波處理效果如圖2所示,注意黑白邊界模糊情況.經過雙邊濾波處理后的裂縫圖像能適當的去除圖像噪聲,方便進一步提取裂縫特征.

圖2 4種濾波效果圖

1.3 閾值分割

常用的分割算法為基于閾值的分割算法,其主要原理是利用圖像中待提取的裂縫與背景的灰度差異,設置合適的閾值,把圖像中的混凝土裂縫從背景中區(qū)分出來.其公式為:

式中:f(x,y)為原始圖像;T為閾值;g(x,y)為獲得的二值圖像.

本文采用自適應分割算法[11],根據不同區(qū)域的亮度分布,將裂縫圖像分割成小區(qū)域,分別計算其局部閾值.本方法可以極大地降低光照不均勻對裂縫圖片的影響,很好地獲取完整的裂縫區(qū)域.混凝土表面裂縫原始圖像如圖3(a)所示,經過圖像灰度化、圖像平滑、閾值分割處理后如圖3(b)所示.

圖3 混凝土表面裂縫

1.4 形態(tài)學處理

形態(tài)學運算主要包括開運算和閉運算,開運算可以適當地去除混凝土裂縫的毛刺,去除部分噪聲;閉運算可以填充混凝土裂縫內部的毛孔,拼接識別不完整的混凝土裂縫碎片,但二者都需要設置合適大小的結構元.在裂縫處理中二者需要靈活地運用.分別對圖像進行開運算和閉運算處理,結果如圖4所示.

圖4 形態(tài)學運算

1.5 非裂縫區(qū)域的刪除

刪除非裂縫區(qū)域包括連通域標記和孤立點消除.八連通區(qū)域是指對應像素點的上、下、左、右、左上、右上、左下、右下,共8 個方向的像素點,其示意如圖5(a)所示.遍歷圖像所有像素點,根據八連通域原理對二值圖像所有連通區(qū)域進行標記,利用噪點和裂縫區(qū)域面積大小不同,設置合適的閾值,去除噪點區(qū)域,獲得混凝土裂縫二值圖像.其成果如圖5(b)所示.

1.6 裂縫骨架的提取

裂縫骨架是指能夠有效反映混凝土裂縫特征的單像素點組成的骨架線,除端點和分岔點外,骨架像素點八連通域內有且僅有兩個像素點.本文首先采用Zhang并行細化算法[12],從裂縫邊緣不斷迭代計算,逐層剝離裂縫的邊界像素點直至刪除所有滿足條件的像素點,得到初步的裂縫骨架.然后采用安世全等[13]提出的結合模板思想對Zhang并行細化算法的裂縫骨架成果進行完善,消除非單一像素寬度的像素點,并適當去除毛刺,裂縫骨架提取結果如圖6所示.裂縫圖像前處理工作已完成,其基本流程如圖7所示.

圖6 裂縫骨架

圖7 裂縫前處理流程圖

2 裂縫特征提取

裂縫走向與傾斜角度是混凝土裂縫的重要特征,可以幫助分析裂縫的成因并判斷混凝土主應力方向.本文采用線性函數擬合裂縫骨架線,獲取裂縫特征.根據裂縫走向和傾斜角度將裂縫分成4 類:垂直裂縫、水平裂縫、左斜裂縫(從左上到右下)、右斜裂縫(從右上到左下).

2.1 單個一般裂縫

對單個混凝土裂縫骨架進行如下的操作,獲取裂縫走向和傾斜角度.

1)以裂縫圖像左下角為坐標原點,建立坐標系,對裂縫骨架線進行線性擬合得到函數y=kx+b.

2)根據k值,得到裂縫的傾斜角度θ,裂縫的傾斜角度定義為擬合直線和X坐標軸正方向的夾角.

3)當θ＜22.5°或157.5°≤θ＜180°時裂縫為水平裂縫;當22.5°≤θ＜67.5°時裂縫為右斜裂縫;當67.5°≤θ＜112.5°時裂縫為垂直裂縫;當112.5°≤θ＜157.5°時裂縫為左斜裂縫.對圖6的裂縫骨架進行線性擬合,成功地獲取了裂縫特征,擬合結果如圖8所示(圖中坐標單位為像素點).擬合函數為y=0.193 8x+92.73,裂縫為水平裂縫,裂縫傾角為11.04°,擬合優(yōu)度R2為0.922 9,函數擬合效果良好.

圖8 擬合函數和骨架圖像

2.2 彎曲裂縫

對于彎曲裂縫,直接進行線性擬合并不能反映其特征,因此必須尋找其拐點,在拐點處分割裂縫,進而分段處理.拐點的識別是分割裂縫的前提,算法流程如圖9所示,具體步驟如下:

圖9 彎曲裂縫特征提取算法流程圖

1)遍歷圖像所有像素點,根據八連通域內像素點個數,找到裂縫的端點A與B,并計算其距離D.

2)再次遍歷圖像所有像素點,找到骨架像素點上距離直線AB最大的像素點,記錄其坐標及其最大距離dmax.

3)設置閾值T閾=k D(k為系數),當dmax＜T閾時,裂縫為非彎曲裂縫,直接輸出裂縫骨架;否則記錄為拐點,分割并存儲裂縫,將其作為裂縫骨架不斷迭代計算.

4)分別對得到的所有裂縫進行線性擬合,提取裂縫特征.

對圖10所示的彎曲裂縫骨架進行處理,彎曲裂縫分割效果如圖11所示,特征提取結果見表1.此算法可以有效地分割彎曲裂縫,為進一步提取裂縫特征奠定基礎.

圖10 彎曲裂縫骨架

圖11 彎曲裂縫分割結果圖

表1 彎曲裂縫特征提取結果表

2.3 分岔裂縫

為了簡化后續(xù)裂縫特征提取,將分岔裂縫骨架線根據分岔點分成多條分支,分割裂縫骨架線,并根據連通域原理進行標記和存儲.具體步驟如下:

1)遍歷圖像所有像素點,記錄每個像素點八連通域內骨架像素點的個數,像素點個數為3或大于3的記錄為分岔點,并存儲分岔點.

2)在原骨架圖像中適當消除分岔點,將分岔點八連通域像素點均改為背景像素點,分割裂縫骨架并存儲.

3)根據連通域原理標注并存儲單個裂縫,分別對單個裂縫提取裂縫特征,最后匯總.

為了驗證算法的可靠性,對如圖12(a)所示的分岔裂縫骨架,提取裂縫特征.分割效果如圖12(b),特征提取結果見表2.本算法成功地分割了裂縫并提取裂縫特征.

表2 分岔裂縫特征提取結果表

圖12 分岔裂縫

3 基于計算機視覺的復雜裂縫特征提取算法

3.1 裂縫特征提取總體流程

本文所提出的復雜裂縫特征提取算法,適用于多條裂縫、彎曲裂縫、分岔裂縫等復雜裂縫,具體步驟如下:1)原始圖像前處理,得到復雜裂縫骨架線;2)遍歷圖像所有像素點,尋找分岔點并分割裂縫;3)依次對所有單條裂縫,尋找拐點并分割裂縫,存儲分割結果;4)依次對所有裂縫進行線性擬合,提取裂縫特征.

3.2 可靠性驗證

為了驗證算法的有效性和可靠性,虛擬了一套裂縫,如圖13(a)所示;并對圖1所示的復雜裂縫進行前處理,得到如圖13(b)所示的實際裂縫骨架.這兩套裂縫并無關聯(lián),是驗證算法的兩個不同算例.分別對圖13中的虛擬裂縫骨架和實際裂縫骨架進行特征提取,特征提取結果見表3～4.

圖13 裂縫骨架

表3 虛擬裂縫特征提取結果表

虛擬裂縫和實際裂縫均被分割成11條裂縫骨架線,并成功地提取了裂縫特征,因圖幅限制,不再一一展示其分割圖像.二者特征提取結果良好,進一步驗證了算法的可靠性,為復雜裂縫特征的可視化打下基礎.

分析得知:當裂縫接近水平或者垂直時(見表4,11號裂縫),對應的擬合優(yōu)度R2較低,但根據圖14(圖中坐標單位為像素點)所示的擬合圖像,擬合效果良好,其擬合直線可以表征裂縫特征,并不影響裂縫特征提取結果.進行線性擬合時,當數據點集合接近水平和垂直時,擬合優(yōu)度R2不能作為判斷線性擬合優(yōu)良的依據,這是由于其本身的性質決定的.因此擬合優(yōu)度不能作為評價水平裂縫和垂直裂縫的擬合效果依據.

表4 實際裂縫特征提取結果表

圖14 擬合結果

4 裂縫玫瑰圖

為了統(tǒng)計提取到的裂縫特征,將工程地質中裂隙玫瑰圖的概念引入裂縫統(tǒng)計.將裂縫根據傾斜角度分類,統(tǒng)計不同角度范圍內裂縫條數,以半徑表示條數,制作半圓“裂縫玫瑰圖”,圖中不同顏色代表不同傾角范圍的裂縫.從圖中可以直接看出裂縫大致走向和裂縫傾斜角度,有利于獲取大體積混凝土產生裂縫的主應力方向統(tǒng)計信息,進而有利于分析裂縫產生的原因.虛擬裂縫玫瑰圖和實際裂縫玫瑰圖如圖15所示.

圖15 裂縫玫瑰圖

5 結 論

1)在單個混凝土裂縫特征提取的基礎上,將線性擬合引入裂縫特征提取,并分別對單個一般裂縫、分岔裂縫和彎曲裂縫適當處理,獲得裂縫走向和傾斜角度特征.

2)本文提出的復雜裂縫特征提取算法,經過虛擬裂縫和實際裂縫驗證,具有一定的適用性,此算法可以作為自動化檢測系統(tǒng)的基礎,為大體積混凝土裂縫檢測與防治奠定基礎.

3)將工程地質中裂隙玫瑰圖的概念引入裂縫統(tǒng)計中,成功將復雜裂縫特征統(tǒng)計可視化,為分析大體積混凝土裂縫產生的原因并對裂縫修補提供定量依據.