基于图像处理的桥梁混凝土裂缝检测研究进展

2019-07-20倪彤元张武毅周若虚蒋清吉潘罗宇

城市道桥与防洪 2019年7期

倪彤元，张武毅，杨杨，周若虚，蒋清吉，王辉，潘罗宇

（1.浙江工业大学，浙江杭州 310023；2.浙江省工程结构与防灾减灾技术研究重点实验室，浙江杭州 310023；3.浙江交科工程检测有限公司，浙江杭州 311215）

0 引言

经过近四十年的建设发展，我国尤其东部沿海发达地区，公路桥梁等基础设施建设已经得到进一步完善；针对服役期桥梁的维护、管理与监测的研究探索刻不容缓。混凝土桥梁在其服役过程中，由于设计施工的各种瑕疵缺陷、超负荷运营造成的损伤（主要是交通流量、运营荷载）等原因，使其功能快速退化，服役前与服役期混凝土桥梁的检测越来越得到工程技术界的重视[1-4]。桥梁混凝土表面裂缝的检测是桥梁检测主要内容之一。因此，对桥梁裂缝进行监测、预防和控制，对确保公共交通的安全和正常运行起着十分重要的作用[5-8]。

用裂缝刻度尺和放大镜量测裂缝宽度，是最常用混凝土表面裂缝测量方法，其精度受人为经验影响大，可靠度不高[9]。基于图像处理的桥梁裂缝检测技术是近年来得到快速发展的一种新型桥梁裂缝检测技术[1，8，10-19]。数字图像处理技术应用于桥梁裂缝的检测，具有再现性好、处理精度高、适用面宽及灵活性高等优点，能排除人为主观干扰，并降低桥梁检测成本[10-20]。本文将针对应用于桥梁裂缝检测的数字图像处理技术（包括图像增强、去噪、分割、裂缝特征描述等环节）展开综述，介绍该技术的研究应用现状。

1 数字图像检测桥梁混凝土表面裂缝技术关键环节

图像增强、降噪措施、图像分割以及裂缝测量计算算法、裂缝特征描述是数字图像检测桥梁混凝土表面裂缝技术关键环节。图1是基于图像处理桥梁混凝土表面裂缝的一般程序。

图1 基于图像处理桥梁混凝土表面裂缝一般程序

1.1 图像增强

灰度变换和图像滤波是混凝土裂缝图像检测技术中的图像增强常用方法步骤。

1.1.1 灰度变换

灰度变换的代表性方法有直方图均衡化法和线性灰度变化法。

（1）直方图均衡化

图像灰度直方图表示图像中各种不同灰度级像素出现的相对频率。文献[21]研究发现裂缝图像质量受到采集时光照、裂缝背景色差等环境条件影响，造成裂缝与背景不易区分，给图像分析带来困难。灰度直方图中表现出图像的灰度值都集中在低灰度区或者高灰度区。直方图均衡化是常用的修正方法，原理是通过某种变换，将灰度直方图过分集中于某一灰度区间内的原始图像转变为在较大灰度范围内均匀分布，加大各部分间的灰度差，从而增加了图像的整体对比度，达到增强图像中的细节的目的，以便对图像做进一步处理。文献[21]研究还发现由于图像光照的不均匀，造成图像直方图均衡化处理后图像的明暗不均，会给后续图像处理带来困难。采用了一种自适应的图像直方图均衡处理，根据图像像素点的局部统计特征对像素灰度值进行函数变换，变换函数由像素点周围某个大小的子图像的直方图确定，得到图像增效效果。

（2）线性灰度变换

线性灰度变换是通过一定的变换系数将原始图像的灰度值范围扩大至一定的范围，解决图像所存在的对比度不足、细节模糊等问题，达到增强裂缝图像的效果。文献[22]采用分段线性变换方法，先把图像分成几段，再对分段后的图像线性变换，优点是效果好于不分段灰度变换，缺点是需要不断尝试改变参数来得到较好的效果。文献[17]提出了一种基于变换域的图像去噪方法，不仅去噪效果好，而且运算速度很快。

1.1.2 图像滤波

（1）均值滤波法

均值滤波的原理是根据图像中各个像素和其周围像素具有相关性，而噪声和其周围像素不具有相关性，相对独立，通过将像素及其相邻像素的灰度值进行平均化，利用像素灰度的平均值代替原像素的灰度值。通过均值滤波可以实现裂缝图像的平滑处理，消除图像中的尖锐噪声。但经过均值滤波后的图像会产生模糊，使图像丧失重要的裂缝特征，不利于对裂缝的特征提取。

（2）中值滤波法

中值滤波器是一种非线性的空间滤波器，它将像素邻域内灰度的中值代替了该像素的灰度值。其响应是基图像滤波器所包围的图像区域内的像素灰度排序，其像素灰度排序决定中心像素的灰度值。中值滤波器对脉冲噪声椒盐噪声的处理非常有效。中值滤波的关键在于选择合适的窗口形状和窗口大小。滤波窗口太大会使边缘模糊，太小则去噪效果差。

文献[23]提出了一种基于自适应均值-中值滤波的阈值选择算法，主要特点是为每个像素点选择该像素点特定的阈值，该滤波器可以提取出非常细小的裂缝，对裂缝有增强作用，并且对噪声有显著的平滑作用。

文献[24]采用一种基于一定算法的自适应中值滤波法，通过与普通的中值滤波方法比较发现噪声去除效果良好，还能保护图中原有信息不丢失。

文献[25]提出了一种多结构中值滤波算法，针对一般中值滤波采用单一模板的缺陷，将形态学中的结构元素引入中值滤波中，采用4种形状的3×3结构元素对原始灰度图像进行依次滤波处理。由于采用了多种结构元素，因而可以对多种噪声进行有效地滤除。

（3）其他滤波法

文献[22]提出了一种基于灰色关联度的滤波方法，将图像关联度的方法用到像素邻域窗口的加权上来，很大程度上降低了噪声带来的影响，既保持了边缘，又平滑了噪声。

文献[26]提出了一种多角度多结构元素形态学滤波器，并通过比对各个算法的处理后图像的峰值信噪比和均方误差证明了该论文提出的形态学滤波器比其他滤波方法效果好。

文献[27]根据在频域的图像增强方法脊波域图像增强提出了基于脊波域图像增强算法的图像滤波算法，经过对比发现这一处理方法处理裂缝图像效果较好，但该方法十分耗时，缺点明显，主要是由数字脊波变换的实现算法复杂度较高造成的。

文献[28]根据对小波变换理论的分析，提出基于小波变换的图像滤波处理，将小波变换的低通滤波器和高通滤波器相结合起来进行图像的滤波处理，既可以去除图像中的大部分噪声，同时也可以尽可能多的保留图像的边缘信息。

1.2 图像分割

图像分割通常采用3种不同的原理：区域方法、边界方法和边缘方法。利用区域的方法，把各像素归至各个物体所属的区域中；利用边界的方法，只需要确定区域之间的边界；利用边缘的方法则先确定边缘像素并把它们连接在一起构成所属的边界。

1.2.1 基于区域的图像分割技术

基于区域的图像分割技术主要是阈值分割法。具体的阈值分割技术很多，其目的都是为了确定阈值。根据阈值分割法应用的范围，有全局阈值法和局部阈值法。全局阈值是对整幅图像使用同一阈值，比较适用于裂缝和背景差别明显的情况下。局部阈值法是对图像中的每个像素点，根据该点的邻域灰度变化情况来设定阈值，然后逐点对图像二值化。根据阈值分割技术，又有迭代阈值法、最大类间方差（Otsu）阈值法等。

图像的前景区域和背景区域的灰度值有着均匀的分布，其灰度直方图就具有明显双峰，那么针对这种图像可以使用直方图谷底确定阈值法（文献[29]），但这种方法适用条件比较苛刻，实用性不高。

文献[5]采用自定义阈值和迭代法选取阈值相结合的方法来确定阈值的大小，可以较好地将裂缝目标像素与背景像素分离。

文献[22]提出了一种改进的自适应阈值分割方法来应对裂缝图像中的划痕对信息分割产生的干扰。

文献[24]介绍了全局阈值法中的最大类间方差法、Kittler最小错误阈值法以及应用范围最广效果最佳的Niblack局部阈值法，并通过对比分析选择了效果较好的Kittler最小错误阈值法。

1.2.2 基于边界的图像分割技术

（1）经典的边缘检测算子

边缘检测是检测图像局部显著变化的最基本运算，经典的边缘检测算子有Sobel算子、Prewitt算子、Roberts算子等，这些算子算法简单，但对噪声比较敏感。常用的还有拉普拉斯算子和Marr算子。Sobel、Prewitt等算子基本思想简单，运行速度快，只有水平和垂直两个方向的模板，不能对不规则裂缝的实际边缘方向进行有效识别与检测。拉普拉斯和Marr算子对原始图像做了平滑，由于对图像的平滑使算子对边缘定位不精确，处理后的边缘像素数目较多。John F.Canny于1986年提出的Canny算子是传统边缘检测算子中较好的算法，但对噪声较敏感，容易检测出假边缘或丢失一些真实边缘的细节部分。

文献[30，31]采用构造8个方向的Sobel模板来识别图像边缘，由于该算法对方向信息不敏感，所以可识别各方向的裂缝边缘。但是利用这种方法提取的裂缝边缘仍然存在着以下问题：不连续性、定位精度差、对噪声敏感以及边缘多像素宽等。

文献[32]用传统的微分算子（Canny Laplacian，Sobel，Roberts，准则算法等）求解梯度的二维实函数，然后选择特定阈值用以提取图像的轮廓边缘。在没有噪声干扰的情况下，采用这些算子检测桥梁图像的边缘时结果都较好。但是在采集中实际获得的桥梁图像往往都存在各种不同程度因素（比如不均匀光照、阴影以及桥梁自身纹理等噪声）的影响，这样一来，上述传统方法所测得的图像边缘都存在“噪声提升”的缺点。

文献[33-35]对 Roberts算子、Sobel算子、Prewitt算子、Canny算子进行了验证，研究表明Sobel算子的边缘检测吻合度比较高。

（2）基于小波变换的边缘检测

许多边缘检测器如形态学算子、Roberts、Sobel、Prewitt等，大都只针对空间尺度。小波分析作为继傅里叶分析后又一有效的时频分析方法，在图像边缘检测中取得了许多成果。文献[6]在论文中选用“sym4”函数作为小波基函数，然后对图像进行三层小波分解，并将采用的小波算法与迭代阈值法和Otsu阈值法进行对比发现该算法对桥梁裂缝图像的处理效果比较好，而迭代阈值分割和Otsu算法虽然也能大概分割出裂缝目标，但是许多灰度级相近的干扰点和干扰区域与裂缝没有得到很好的分离。

1.3 图像分割技术

1.3.1 基于形态学的图像分割技术

数字形态学的基本运算是腐蚀和膨胀，腐蚀运算会使消除物体最外圈的边缘，膨胀运算会使物体扩张到其邻域内的最近像素。经过边缘检测和阈值分割后，图像的裂缝边缘处可能会出现毛刺或间断，对图像进行腐蚀处理，可以减少图像中的噪声和毛刺；利用膨胀处理，可以使断裂的片段得到连接。它们的组合可以构成开运算和闭运算。开运算对图像的作用效果是断开狭窄的连接域，消除细的突起和毛刺。闭运算则可以填充原图中细小的空洞，连接附近的对象使边界光滑。

文献[25]采用了一种形态学梯度算子来进行边缘检测的算法，他认为与空域梯度算子相比较，用对称结构元素得到的形态学梯度受边缘方向的影响最小，将形态学梯度边缘检测算法应用到路面裂缝检测当中，能得到理想的裂缝边缘特性。同时对于检测出裂缝中间的空隙，采用闭合算子来填充这些空隙，经过闭合运算处理后，裂缝中间的空隙可以弥合，并且裂纹位置和形状不变。

文献[36]提出了一种基于多方位结构元素形态学的图像分割算法，首先用类间最大距离算法找到梯度突变的像素点，然后对这些像素点进行多结构元素腐蚀操作，用以判断是脉冲噪声还是桥梁裂缝边缘点，若是边缘点则保留，否则滤除，由于只对发生梯度变化的像素点进行操作，相比应用于整幅图像像素点的算法省去了大量的冗余运算，该文将该算法与四种传统的边缘识别算子识别结果相对比，发现该算法提取边缘能力较好，还可以同时过滤噪声。

1.3.2 一些其他的图像分割技术

Tomoyuki Yamaguchi等人[14，37]提出了一种基于渗透模型的使用数字图像处理技术进行裂缝探测的算法。该算法原理是液体在物质中渗透蔓延的渗透模型在数字图像处理的抽象运用，即液体可以渗入到有裂缝的地方。研究结果表明了渗透模型在数字图像处理中应用是有效的。Tomoyuki Yamaguch后续研究对渗透模型进行了改进，包括渗透速度和识别精度的。其代表性文献[37]提出了一种新的基于渗透模型理论的渗透算法，即利用裂缝的形态学特征，在最大限度保留裂缝信息的情况下，过滤干扰信息，得到一幅仅包含裂缝信息的二值图像-裂缝地图。

1.4 裂缝的提取与连接

1.4.1 去除伪裂缝

文献[6]对伪裂缝的去除采用面形态学剔除方法，对开运算过后的图像连通域进行面积计算，目的是去除小于阈值面积的连通区域，通过面积剔除算法初步提取出裂缝目标。

文献[38]提出根据经验设定孤立区域面积大小的阈值T1，再根据裂缝区域一般具有长与宽比值较大的特点设定区域长宽比阈值T2，若二值化后的裂缝图像中区域面积小于T1或长宽比小于T2，则认为这些区域是噪声区域并去除。但缺点是无法去除一些类似裂缝的细长噪声。

1.4.2 裂缝连接

裂缝图像经过滤波、图像分割以及形态学处理后，剩下不多的连通区域就认为是裂缝或裂缝的组成部分，但有时裂缝图像在图像分割操作时不可避免的会使原本连在一起的裂缝断开，影响后续计算，因此需要进行裂缝连接。

文献[6]通过一种基于K D树的裂缝连接算法来进行裂缝片段连接。首先，计算每段裂缝间的最小外接凸多边形并找到每段裂缝的端点；接着，设定一个阈值并判断不同裂缝段上两端点之间的距离是否小于该阈值，小于则连接这两个端点；最后将连线之间的裂缝连通域填充起来，从而提取出完整的连续的裂缝。

文献[38]在比较典型的裂缝连接算法裂缝断点连接算法的基础上进行改进，根据裂缝的走向，判断裂缝断裂区域的连接点之间空隙距离，依据一定的规则对裂缝断裂处像素进行填充，效果基本令人满意。

文献[39]依据数学形态学方法，选择适当的结构元素，对非连续的线性目标进行膨胀和细化处理，最终得到与原始图像基本相同形状的连续图像，实现线性目标的恢复，但这种方法涉及对形态学结构元素的适当选取，灵活性较大，在实际操作中有一定难度。

2 裂缝特征描述

2.1 裂缝面积

桥梁裂缝图像经过处理后，可计算出裂缝的像素宽、像素周长、像素面积等信息。裂缝像素周长可通过统计图像中裂缝相邻边缘点的距离求得，裂缝像素面积可通过统计图像中裂缝边缘线包含的像素点求得。

2.2 裂缝长度

骨架化求裂缝长度是比较常用的方法，骨架化就是讲具有一定宽度的裂缝变成单像素宽度的过程。骨架化可以很大程度上减少图像中的冗余信息，而且直观地描述裂缝的形态，长度等信息。骨架可以通过使用某种类型的形态学细化，即依次侵蚀远离边界的像素并同时保留线段的端点，直到没有更多的像素可以侵蚀，也就是说整个形状不能继续“缩小”，那么剩余的像素点就是骨架。

曲线拟合法是求裂缝长度的另一种方法，曲线拟合是利用曲线是某些点或曲线的某些特征绘制曲线，让拟合曲线逼近裂缝图像，从而根据拟合函数求取裂缝的长度。

文献[6]采用了一种八连接邻域的图像细化算法得到裂缝的骨架目标，从结果来看实际测量结果略高于计算测量结果，说明在细化操作中误删了一部分骨架点。

文献[25，40-43]在处理规则裂缝图像时，加以形态学的腐蚀算子细化裂缝从而得到裂缝的单像素宽度的骨架图像，通过统计像素点来测量裂缝的长度和宽度。

文献[38]利用迭代端点拟合的曲线拟合方法来计算裂缝长度，并根据拟合函数进一步求取裂缝的宽度信息。