基于HIS不同光学特性的桥梁麻面缺陷检测方法与流程
本发明涉及图像处理技术领域，具体为一种基于his不同光学特性的桥梁麻面缺陷检测方法。
背景技术：
混凝土桥梁结构的安全维护是保障顺畅交通运输的必要工作。而在混凝土桥梁结构施工过程和后期使用过程中，往往会产生各种形式的缺陷，例如麻面、蜂窝和裂缝等。麻面、蜂窝不仅影响混凝土结构外观质量，而且对建筑工程带来安全隐患。因此，对混凝土结构麻面、蜂窝的检测与维护十分必要。
目前，国内大部分桥梁缺陷检测都是依靠于检测人员目测或使用红外线、超声波等检测技术，需要耗费大量的人力、物力，其效率和检测质量也不是很理想，以至于不能及时对桥梁采取适当的安全维护措施。
技术实现要素：
本发明的目的是提供了一种基于his不同光学特性的桥梁麻面缺陷检测方法，它能提高桥梁麻面缺陷的检测效率，并且准确性高，以克服现有技术的不足。
本发明是这样实现的：基于his不同光学特性的桥梁麻面缺陷检测方法，该方法的步骤如下：
1)将待处理的彩色图像由rgb彩色空间转换为hsi彩色空间，提取获得彩色图像的h分量图像，s分量图像或i分量图像；
2)根据麻面缺陷在s分量图像或i分量图像中的区域分布以及灰度差异性，对对应的分量图像进行预处理，找出对应的分量图像灰度直方图中缺陷灰度值的波峰波谷；
3)根据步骤2)的波峰波谷的情况对相应分量图像进行分割，获得二值化图像，再对二值化图像去噪；
4)统计去噪后的二值图像连通区域的面积，对麻面缺陷进行分类。
步骤1)中所述的将待处理的彩色图像由rgb彩色空间转换为hsi彩色空间的转换公式为：
其中，r,g,b分别为图像中一个像素的红色、绿色、蓝色分量，h,s,i分别为图像中一个像素的色调、饱和度和亮度分量。
步骤2)中所述的根据麻面缺陷在s分量图像或i分量图像中的区域分布以及灰度差异性，对图像进行预处理，找出图像灰度直方图中缺陷灰度值的波峰波谷；具体为：
①将s分量图像的灰度直方图中每相邻的两个灰度值之间求差分(diff(n),n∈[0,255])，然后差分值取绝对值，计算图像像素的灰度值的总体偏差值std；
②根据diff(n)，寻求灰度直方图中波峰波谷的灰度值，波峰记为peak(i)，波谷记为trough(i)；
③求出各个波峰与相邻波谷的高度差height(i)，判断高度差height(i)与总体偏差值std之间的大小，若height(i)>std，则保留该波峰波谷，记为height′(i)，否则剔除；
④对保留的height′(i)求局部偏差deviation，再次筛选满足条件的波峰与波谷，若height(i)>deviation，保留该波峰波谷，记为height″(i)，否则剔除；
⑤求出height″(i)中波峰的最大值max(peak(i))，根据该波峰找到其相邻的波谷点，取max(trough(i))为阈值threshold，若s分量图像像素点的灰度值n<threshold，则该像素点置0，否则像素点置为255；
⑥统计二值图像连通区域的总面积area，并计算连通区域总面积所占图像的面积比△1，判断△1的大小，若△1>exp(exp为经验值)，执行步骤s3，否则提取i分量图像执行步骤2)；
其中，当i分量图像执行步骤2)时，求出height″(i)中波峰的最小值min(peak(i))，取min(peak(i))为阈值threshold，若像素点的灰度值n>threshold，则该像素点置0，否则像素点置为255。
步骤3)中所述的实现图像分割，对二值化图像去噪，具体为：计算二值图像各个连通区域的面积area(i)，设置阈值实现二值图像的去噪处理，若area(i)<minarea×p，则剔除该连通区域；其中，minarea为连通区域面积最小的值，p为比例系数。
步骤4)中所述的统计二值图像连通区域的面积，对麻面缺陷破坏程度进行分类；具体为：统计二值图像连通区域的总面积area′，并计算连通区域总面积所占连通区域最小外接矩形面积s的密集度△2，若△2≤t1，则判定该图像的麻面缺陷破坏程度属于ⅰ级；否则，若△2≤t2，则判定该图像的麻面缺陷破坏程度属于ii级；否则判定该图像的麻面缺陷破坏程度属于ⅲ级。
有益效果
与现有技术相比，本发明通过图像识别技术来检测桥梁麻面缺陷，这样的方式检测效率高，而且准确可靠，相对于目前检测人员采用目测、使用红外线或超声波等检测技术而言，其检测时间显著降低，检测质量也有大幅的提升。
附图说明
图1是本发明基于图像处理的桥梁麻面缺陷检测结构框图。
图2是本发明基于图像处理的桥梁麻面缺陷检测流程示意图。
图3是本发明基于图像处理的桥梁麻面缺陷检测灰度图像。
图4是本发明基于图像处理的桥梁麻面缺陷检测图像分割的目标图像。
具体实施方式
本发明的实施例：基于his不同光学特性的桥梁麻面缺陷检测方法
1)由于麻面缺陷形状不规则且分散成多个区域，若将原彩色图像直接灰度化，灰度图像中缺陷和背景不易区分；而彩色图像由rgb彩色空间转换为hsi彩色空间后，缺陷区域的饱和度s或亮度i与背景有较明显的差异，便于缺陷的识别。
因此，将待处理的彩色图像由rgb彩色空间转换为hsi彩色空间，提取获得彩色图像的h分量图像，s分量图像或i分量图像，转换公式为：
其中，r,g,b分别为图像中一个像素的红色、绿色、蓝色分量，h,s,i分别为图像中一个像素的色调、饱和度和亮度分量。
2)麻面缺陷在s分量图像或i分量图像中以块状形式聚集在多个区域，其灰度值较集中且与背景灰度值有明显差异，在灰度直方图中形成急剧变化的波峰。本发明基于此特征找出缺陷灰度值形成的波峰波谷，并据此设置阈值实现图像分割。具体方法如下：
①获取s分量图像，并采用模板为3×3的高斯低通滤波器对图像进行去噪处理，使图像的灰度直方图曲线趋于顺滑，去除噪声引起的微小毛刺，见图3。该滤波器的二维形式为：
②对各个灰度值求差分(diff(n),n∈[0,254])，对差分值取绝对值(abs(diff(n)))，依据该值计算出图像灰度值的总体偏差std。偏差值std反映图像各个像素点的灰度值之间分散程度，std值小表明灰度值比较集中，std值大表明灰度值比较分散。
diff(n)＝hist(n+1)-hist(n)，其中hist(n)是灰度值n的像素个数。
③根据差分diff(n)求出灰度直方图中所有波峰波谷的坐标，波峰记为peak(i)，波谷记为trough(i)：①当diff(n)<0时，判断diff(n+1)的值，若diff(n+1)>0，则在灰度直方图中，灰度值(n+1)为波谷；若diff(n+1)<0，寻找diff(n+m)>0,则灰度值(n+m)为波谷；②当diff(n)>0时，判断diff(n+1)的值，若diff(n+1)<0，则灰度值(n+1)为波峰，；若diff(n+1)<0，寻找diff(n+m)<0，则灰度值(n+m)为波峰。
④求出各个波峰与相邻波谷的高度差height(i)，并取其中的最大值。
height(i)＝max(abs(peak(i)-trough(i)),abs(peak(i)-trough(i+1)))
⑤判断height(i)与std的大小，height(i)越大表明该波峰到波谷范围内的灰度值变化急剧，height(i)越小表明该波峰到波谷范围内的灰度值变化趋于平缓。麻面缺陷灰度值与背景差异较大，故在灰度直方图中产生高度差较大的波峰波谷。若height(i)>std，则保留该波峰波谷，记为height′(i)，否则剔除。
⑥经过上一步的筛选，不能完全将噪声干扰去除，需要进行二次筛选。对保留的height′(i)求局部偏差，再次筛选满足条件的波峰与波谷。
判断height′(i)与deviation的大小，若height(i)>deviation，保留该波峰波谷，记为height″(i)，否则剔除。
⑦求出height″(i)中波峰的最大值max(peak(i))，根据该波峰找到其相邻的波谷点，取max(trough(i))为阈值threshold，灰度图像二值化，若s分量图像像素点的灰度值n<threshold，则该像素点置0，否则像素点置为255。
⑧麻面缺陷种类繁多，颜色也有很大的区别。本发明方法选取饱和度s或亮度i作为特征指标需要进行判断：
统计二值图像连通区域的总面积area，并计算连通区域总面积所占图像的面积比△1，判断△1的大小，若△1>exp(exp为经验值)，执行步骤3)，否则提取i分量图像执行步骤2)。
其中，当i分量图像执行步骤⑦时，求出height″(i)中波峰的最小值min(peak(i))，取min(peak(i))为阈值threshold，若像素点的灰度值n>threshold，则该像素点置0，否则像素点置为255。
3)计算二值图像各个连通区域的面积area(i)，设置阈值实现二值图像的去噪处理，若area(i)<minarea×p(其中，minarea为连通区域面积最小的值，p为比例系数)，则剔除该连通区域。
4)统计二值图像连通区域的总面积area′，并计算连通区域总面积所占连通区域最小外接矩形面积s的密集度△2，最终结果如图4所示。
若△2≤t1，则判定该图像的麻面缺陷破坏程度属于ⅰ级；否则，若△2≤t2，则判定该图像的麻面缺陷破坏程度属于ii级；否则判定该图像的麻面缺陷破坏程度属于ⅲ级。其中，t1、t2为经验值，取t1＝0.2、t2＝0.4。
根据实例图3所示，计算二值图像连通区域的总面积为30705，最小外接矩形面积为246576，则该图像的麻面缺陷密集度为0.1245，属于ⅰ级麻面。
- 还没有人留言评论。精彩留言会获得点赞！