基于自适应阈值分割和轮廓最大内切圆量算的道路裂缝检测方法

基于自适应阈值分割和轮廓最大内切圆量算的道路裂缝检测方法

朱旭阳  陈铮柯  潘棣

金华职业技术学院 建筑工程学院  浙江省金华市 321017

摘要：针对当前道路裂缝检测工作主要依靠人工目测辅助仪器量算的工作模式，提出基于自适应阈值分割和轮廓最大内切圆量算的道路裂缝检测方法；首先利用自适应阈值分割算法提取道路裂缝图像中的裂缝轮廓，然后根据裂缝轮廓信息换算轮廓最大内切圆的像素值，最后使用像素坐标定位法计算裂缝区域的横向长度和纵向长度。实验结果表明：该方法具有自动化程度高，检测结果精确的特点。

关键词：道路裂缝检测；自适应阈值分割；轮廓最大内切圆；像素坐标定位法

引言：现如今，我国已成为世界第一的道路建设大国，但是随着时间的不断推移，越来越多的在役道路进入了维修期，所以对此类道路的安全性、耐久性进行周期性检测显得尤为关键。目前我国的道路主要以混凝土结构为主，由于外界因素与内部应力的作用，不可避免地会出现裂缝，从而造成道路结构承载能力和耐久性降低，从而引发诸多道路病害。因此，道路裂缝检测成为了道路安全检测过程中必不可少的一环。

目前的道路裂缝检测主要是凭借人工检测，不仅检测效率低下，检测精度不高，而且浪费了大量的人力资源。随着计算机技术的不断发展，利用数字图像处理技术高效，高精度的实现道路表面裂缝自动化检测成为了解决这一问题的有效手段。但是目前中国还没有一种普遍认可的道路裂缝自动检测方法。

裂缝图像的检测工作已经成为了诸多学者的重点研究方向，学者们研究设计数字图像处理方法提取裂缝特征进行图像分类和提取。许薛军等[3]利用棋盘格角点求解像素率来实现对桥梁裂缝宽度的计算。李清泉等[4]提出了一种基于最小代价路径搜索的路面裂缝检测方法，将裂缝提取问题转化为格状图顶点之间最小代价路径搜索的问题。

本文提出一种道路裂缝的自动化检测算法，基于自适应阈值分割和轮廓最大内切圆量算的道路裂缝检测方法；首先利用自适应阈值分割算法提取道路裂缝图像中的裂缝轮廓，然后根据裂缝轮廓信息换算轮廓最大内切圆的像素值，最后使用像素坐标定位法计算裂缝区域的横向长度和纵向长度。实验结果表明该方法能够较好的完成道路裂缝的自动化检测工作。

1自适应阈值分割

在一幅图像中具有多种特征信息，除了待检测的裂缝目标，还有场景中包含的其他物体信息。故从包含多种特征信息的数字图像当中直接提取出所需裂缝特征，需要加强裂缝的图像特征，削弱其他图像特征的干扰。图像分割中的阈值分割方法就能实现上述要求。

由于裂缝图像中的二值化特征明显，故针对二值化分割方法展开研究，将图像上的像素点进行灰度化处理设置为0或255，也就是将整个图像呈现出明显的黑白效果。采用图像二值化分割可以明显的反映出裂缝信息与背景信息，十分直观的识别出裂缝。常用的方法有全局二值化和自适应二值化。

1.1全局二值化

全局二值化分割方法，具体实现原理是设置一个全局阈值T，用该阈值T将图像中的像素数据信息分成两个部分，即像素值大于T的像素区域和像素值小于T的像素区域。例如，我们可以将像素值大于T的像素区域设定为0，像素值小于T的的像素区域设定为255。

            (1)

选择合适的阈值将裂缝信息与背景信息及干扰物信息有效地进行分割。但实际操作中由于受光线，油污，水印等因素的影响，采集图像的明暗难以掌握,很难选择统一的阈值进行分割。

1.2自适应二值化

为了改善全局二值化的缺陷，自适应二值化方法应运而生。

自适应二值化方法，就是根据某些预先指定的规则，将整幅图像按照条件划分为若干个窗口,然后将这些窗口中的每一个像素点，根据其像素值使用同一个的阈值T将该窗口内的图像的像素划分为两个部分，从而进行二值化处理。

自适应二值化需要对阈值T的取值进行预先的选定。一般做法为取该窗口中像素点的像素值的平局值，或者是根据某些实际实验中得出阈值T。本文根据阈值区间迭代和分割效果自动化得到最佳的分割阈值。

2.轮廓最大内切圆量算

轮廓最大内切圆算法是一种通过计算轮廓边界区域的像素值范围计算轮廓长宽信息的算法，它可以找到一个区域中的最大的内切圆，使得该圆与轮廓的交集最大并通过不断缩小内切圆的半径，直到该圆与轮廓的交集为空，从而找到最大的内切圆。

3.实验结果与分析

3.1实验装置

本文实验的硬件环境为：Intel Core i7-9750h CPU，NVIDIA GeForce GTX 1660Ti GPU;软件环境为：Windows10操作系统，Visual Studio 2019，OpenCV 3.4，python3.6.5。

3.2基于自适应阈值分割的道路裂缝区域提取

为验证基于自适应阈值分割的道路裂缝区域分割方法的有效性，进行实验验证，验证数据集为大疆精灵4自带的相机在重庆南滨路路段采集。实验结果图如下：

        （1）原始图像            （2）全局二值化

（3）自适应二值化

图1裂缝提取效果可视化对比

由实验结果可知，全局二值化方法虽然能够提取出图像中的裂缝区域，但是存在一定的噪声干扰，自适应二值化分割方法能够较好的较少这部分噪声干扰，清晰的提取出图像中的裂缝区域。

3.3基于轮廓最大内切圆的道路裂缝参数量算

为验证基于轮廓最大内切圆的道路裂缝参数量算方法的有效性，本文将提取后的能够区域进行像素级量算，实验结果如下图所示：

（1）宽度量算 （2）长度量算

图2裂缝区域参数信息量算

由实验结果可知，基于轮廓最大内切圆的道路裂缝参数量算方法能够较好的通过提取的裂缝区域换算出图像中的裂缝参数。

4.结语

本文提出了一种基于自适应阈值分割和轮廓最大内切圆量算的道路裂缝检测方法，经过试验可知，该方法在道路裂缝检测的应用场景中具有较好的检测效果。

参考文献：

[1]许薛军,张肖宁.基于数字图像的混凝土桥梁裂缝检测技术[J].湖南大学学报:自然科学版, 2013.DOI:CNKI:SUN:HNDX.0.2013-07-007.

[2]李清泉,邹勤,毛庆洲.基于最小代价路径搜索的路面裂缝检测[J].中国公路学报, 2010, 23(6):6.DOI:CNKI:SUN:ZGGL.0.2010-06-006.