一种基于图像处理的箱型梁内部裂缝检测方法与流程

本发明涉及一种基于图像处理的箱型梁内部裂缝检测方法，属于基于图像处理。

背景技术：

1、桥梁作为城市交通网络的关键组成部分，承担着人们出行和货物运输的重要任务。然而，桥梁结构在长期使用过程中，会受到多种因素的影响，包括气候变化、交通负载和自然灾害。这些因素可能导致桥梁内部产生裂缝，如果不及早检测和处理，使桥梁内部钢筋与空气接触产生锈蚀，会危及桥梁的结构完整性和安全性。

2、人工检测箱型梁内部的病害受到人工的经验和主观判断的影响，受视野和检测环境影响,有些人工到达不了的狭窄区域可能会潜藏病害，且进入箱梁内部进行检测存在一定的安全风险，效率低，检测的人力成本也会增加。

3、基于深度学习的裂缝检测方法在许多方面取得了显著的进展，但也存在一些缺点和挑战，包括：模型需要大量的标注数据进行训练，但获取标注数据成本昂贵和耗时；标注裂缝的过程涉及到人工操作，受标注者主观判断，导致训练数据的标签不一致；训练耗费大量的计算资源；模型难以解释其决策过程；裂缝检测结果受训练模型的影响较大。

技术实现思路

1、本发明的目的在于提供一种基于图像处理的箱型梁内部裂缝检测方法，可以快速筛选出含有裂缝的图像，对裂缝进行分类并测量其长度和面积。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于图像处理的箱型梁内部裂缝检测方法，检测方法包括以下步骤：

4、1）获取由夜视相机采集的多幅桥梁箱型梁内部灰度图像；

5、2）图像校正，将夜视图像进行清除障碍物、透视校正得到待检测图像；

6、3）图像预处理，利用直方图均衡化的方法对待检测图像做图像增强处理，增强图像的对比度，并使图像中的细节更加清晰；使用中值滤波方法对增强后的图像进行滤波，消除大部分颗粒噪声；采用自适应阈值二值化方法对滤波后的图像做二值化处理；使用形态学处理方法对二值图像去噪，得到预处理后的图像；

7、4）裂缝图像筛选，采用基于最长边缘的最小外接圆的方法对所有图像进行筛选，筛选出含有裂缝的图像；

8、5）采用otsu阈值分割法对筛选出来的裂缝图像做分割处理，分割出裂缝，再使用形态学处理方法对分割后的图像进行补偿；

9、6）对图像进行分类，将分割后的图像在水平和垂直方向上做投影，将水平和垂直投影长度的差值作为分类依据，裂缝可分类为横向、纵向、网状裂缝；

10、7）提取裂缝的特征并测量裂缝面积、长度，使用轮廓追踪算法对分割后图像提取裂缝的边界；直接统计分割后图像中灰度值为1的像素总数即为裂缝的面积；采用细化算法提取裂缝的骨架，统计骨架图中灰度值为1的像素的总数即为裂缝的长度。

11、进一步的，所述清除障碍物，是由于相机拍摄角度的原因，图像中的管线对于裂缝检测造成了障碍，需要去除，通过合并从不同角度捕获的多个图像，可以从最终图像中移除阻碍箱梁内部裂缝识别的管线和其他物体，即可将校正后的局域相片与完整相片结合形成统一大小的多张相片。

12、进一步的，所述透视校正是将原图像通过投影映射，从原图像平面变换到新图像平面，变换公式为：

13、

14、其中，是原图像平面坐标点，对应得到变换后的图像平面坐标点为。

15、进一步的，所述直方图均衡化的方法，先计算原始图像的灰度直方图，再计算累积分布函数（cdf）并映射新的像素值，其映射公式为：

16、

17、其中，是cdf的最小值，m是图像的宽度，n是图像的高度，l是灰度级别的数量，最后将新的像素值替换原始图像中的相应像素值，从而完成直方图均衡化。

18、进一步的，所述中值滤波是将像素点邻域的灰度值按顺序排列，取中间值作为这个像素点的灰度值进而消除噪声，中值滤波公式：

19、

20、其中表示中值滤波后的输出像素值，是输入图像中的像素值，表示一个窗口或区域，选用3×3的8邻接正方形窗口，包含像素值。

21、进一步的，所述自适应阈值二值化，灰度图像中将裂缝区域灰度值赋为1，其余部分赋值为0。

22、进一步的，所述形态学处理，即对图像进行开运算和闭运算，开运算先腐蚀，后膨胀，消除小的噪声并保留较大的形状；闭运算先膨胀，后腐蚀，填充物体内部的小孔。

23、进一步的，所述最长边缘的最小外接圆的方法，利用边缘提取的方法找出图像中的最长边缘，根据最长边缘的端点坐标获取其最小外接圆，再以外接圆的半径作为筛选的依据，将其与筛选阈值比较，若外接圆半径大于阈值，则判为有裂缝图像，若小于阈值，则判为无裂缝图像，其表述为：

24、

25、式中，表示最小外接圆的半径，表示图像筛选所用的阈值。

26、进一步的，所述otsu阈值分割法，依据灰度直方图遍历阈值找到使类间方差最大的阈值作为分割阈值进行图像分割，将裂缝和背景区分开来，类间方差公式：

27、

28、假设选择一个阈值0<k<l-1，用阈值k将图像处理为两类c1和c2，其中c1的灰度范围为[0，k]，c2的灰度范围为[k+1，l-1]，p1为c1灰度的概率，p2为c2灰度的概率，m1是分配到类c1的像素的平均灰度值，m2是分配到类c2的像素的平均灰度值，mg是整个图像的平均灰度值。

29、进一步的，分类依据为：若水平方向与垂直方向的投影差值都超过85（经验值）则是非线性裂缝，分类为网状裂缝；若水平方向上的投影长度与垂直方向的投影长度的差值小于80则是线性裂缝；水平方向上的投影长度与垂直方向的投影长度的差值为负，则归类为纵向裂缝；水平方向上的投影长度与垂直方向的投影长度的差值为正，则归类为横向裂缝。

30、本发明的有益效果：

31、本发明可以在夜间或低光条件下获取高质量的图像，然后结合图像处理技术，实现对裂缝的自动检测，安全性高、不受光照条件限制、准确性高、实时性强、可降低人工巡检的工作量，解决人工干预过多，主观性大，误差大，狭小区域裂缝检测难度大等问题，从而提高桥梁维护的效率。

技术特征：

1.一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：检测方法包括以下步骤：

2.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述清除障碍物，是通过合并从不同角度捕获的多个图像，从最终图像中移除阻碍箱梁内部裂缝识别的管线和其他物体，即可将校正后的局域相片与完整相片结合形成统一大小的多张相片。

3.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述透视校正是将原图像通过投影映射，从原图像平面变换到新图像平面，变换公式为：其中，是原图像平面坐标点，对应得到变换后的图像平面坐标点为。

4.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述直方图均衡化的方法，先计算原始图像的灰度直方图，再计算累积分布函数（cdf）并映射新的像素值，其映射公式为：

5.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述中值滤波是将像素点邻域的灰度值按顺序排列，取中间值作为这个像素点的灰度值进而消除噪声，中值滤波公式：

6.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述自适应阈值二值化，灰度图像中将裂缝区域灰度值赋为1，其余部分赋值为0。

7.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述形态学处理，即对图像进行开运算和闭运算，开运算先腐蚀，后膨胀，消除小的噪声并保留较大的形状；闭运算先膨胀，后腐蚀，填充物体内部的小孔。

8.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述最长边缘的最小外接圆的方法，利用边缘提取的方法找出图像中的最长边缘，根据最长边缘的端点坐标获取其最小外接圆，再以外接圆的半径作为筛选的依据，将其与筛选阈值比较，若外接圆半径大于阈值，则判为有裂缝图像，若小于阈值，则判为无裂缝图像，其表述为：

9.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：所述otsu阈值分割法，依据灰度直方图遍历阈值找到使类间方差最大的阈值作为分割阈值进行图像分割，将裂缝和背景区分开来，类间方差公式：

10.根据权利要求1中所述的一种基于图像处理的箱型梁内部裂缝检测方法，其特征在于：分类依据为：若水平方向与垂直方向的投影差值都超过85则是非线性裂缝，分类为网状裂缝；若水平方向上的投影长度与垂直方向的投影长度的差值小于80则是线性裂缝；水平方向上的投影长度与垂直方向的投影长度的差值为负，则归类为纵向裂缝；水平方向上的投影长度与垂直方向的投影长度的差值为正，则归类为横向裂缝。

技术总结
本发明公开了一种基于图像处理的箱型梁内部裂缝检测方法，属于基于图像处理领域，首先，获取箱型梁内部灰度图像，再图像校正、图像预处理、裂缝图像筛选，对筛选出来的裂缝图像做分割处理，分割出裂缝，再使用形态学处理方法对分割后的图像进行补偿；再对图像进行分类，最后提取裂缝的特征并测量。本发明可以在夜间或低光条件下获取高质量的图像，然后结合图像处理技术，实现对裂缝的自动检测，安全性高、不受光照条件限制、准确性高、实时性强、可降低人工巡检的工作量，解决人工干预过多，主观性大，误差大，狭小区域裂缝检测难度大等问题，从而提高桥梁维护的效率。

技术研发人员：吴志刚,殷涛,沈国栋,殷亮,施贵刚,蒋赏,刘志刚,杨凯,李剑鸾,谢玉萌,张承,周云
受保护的技术使用者：安徽省交通规划设计研究总院股份有限公司
技术研发日：
技术公布日：2024/3/11