史英英

（邯鄲市華威公路設(shè)計(jì)咨詢有限公司，河北 邯鄲 056001）

0 引言

公路路面常見的病害有裂縫、龜裂、車轍、油污和沉陷等破壞形式，其中裂縫是路面的主要病害形式。因此，路面裂縫的修復(fù)是公路養(yǎng)護(hù)的重點(diǎn)工作，以往通過人工檢測路面裂縫，其檢測精度和檢測效率較低，路面出現(xiàn)橫向裂縫、縱向裂縫和不規(guī)則裂縫時不能有效地檢測裂縫特征。隨著科技快速發(fā)展，采用圖像處理的自動檢測技術(shù)越來越普遍[1]。本文僅就基于圖像處理的路面裂縫識別技術(shù)進(jìn)行研究。

1 公路路面裂縫的分析

裂縫形式主要包括：縱向裂縫、橫向裂縫、塊狀裂縫和網(wǎng)狀裂縫[2]。其形成原因在于施工因素、氣候條件、交通通行量及車輛類型等綜合因素作用。

1.1 縱向裂縫

縱向裂縫產(chǎn)生的原因分為施工原因和使用原因。施工時路面縱向連接處理不當(dāng)及路面加寬壓實(shí)不足等容易產(chǎn)生裂縫；使用原因?yàn)槁访嬖谥剌d車輛長期作用下容易形成裂縫。其裂縫特征：縱向裂縫的長度和深度較大，深度一般為0.5～4cm；長度能達(dá)幾十米，裂縫的寬度在0.1～0.5cm 不等，一般裂縫的中部較大，兩邊裂縫較細(xì)淺；裂縫方向與公路中線平行。

1.2 橫向裂縫

在公路的修筑初期，由于路基的壓實(shí)度不夠造成路面出現(xiàn)橫向裂縫，尤其是在公路的側(cè)邊路面，在長時間的過載作用下，會使橫向裂縫越來越長。橫向裂縫的特征是：間距比縱向裂縫較大，裂縫的分布相對規(guī)則，裂縫的方向垂直道路中線。

1.3 塊狀裂縫

瀝青老化、不均勻的基礎(chǔ)層鋪設(shè)及自然環(huán)境溫度的變化造成路面出現(xiàn)塊狀裂縫。裂縫主要特征為：由縱向裂縫和橫向裂縫交錯形成，其形狀不規(guī)則，裂縫的間距相對均勻，長短不一，一般長邊不大于3.0m，短邊不小于0.4m。

1.4 網(wǎng)狀裂縫

網(wǎng)狀裂縫產(chǎn)生的原因是路面的整體強(qiáng)度嚴(yán)重不足、路面基礎(chǔ)層軟化和穩(wěn)定性不強(qiáng)等因素，其特征為：裂縫的縫間距處于0.4m 以下，裂縫的寬度一般＞1mm，其短邊的長度＜0.4mm，裂縫區(qū)域的面積往往＞12m2，網(wǎng)狀裂縫處于縱向裂縫與橫向裂縫之間，其形狀多為不規(guī)則結(jié)構(gòu)[2]。

2 圖像預(yù)處理技術(shù)要點(diǎn)

公路路面裂縫圖像采集時，會受內(nèi)外因素的影響，造成采集的圖像模糊不清，譬如受光照、路況及采集設(shè)備等因素的影響，造成采集圖像模糊，路面裂縫特征不夠突出，導(dǎo)致計(jì)算機(jī)不能夠有效識別。因此，在對路面圖像采集時進(jìn)行科學(xué)有效的預(yù)處理是保障計(jì)算機(jī)分析結(jié)果的主要技術(shù)手段。圖像數(shù)據(jù)的預(yù)處理可以有效削弱因圖像采集時設(shè)備噪音、光照不均勻及環(huán)境曝光度等不利因素造成的影響，提高所采集的圖像質(zhì)量、消除相關(guān)無用干擾信息，突出有效的圖像信息，為后期處理提供豐富的數(shù)據(jù)資源和優(yōu)質(zhì)圖像。根據(jù)公路路面裂縫的實(shí)際特點(diǎn)，一般采取基于對比度增強(qiáng)和高斯濾波對圖像像素增強(qiáng)的方法進(jìn)行預(yù)處理[3]。

2.1 基于對比度增強(qiáng)和高斯濾波像素增強(qiáng)的處理

（1）對圖像進(jìn)行像素增強(qiáng)處理有利于后期對裂縫進(jìn)行準(zhǔn)確識別，采用對比度增強(qiáng)和高斯濾波像素增強(qiáng)進(jìn)行預(yù)處理，其對比度表示灰度圖的像素值從白到黑的漸變層次[4]?；叶忍幚砉饺缦拢?/p>

式中：δ(i,j)2——圖像相鄰像素的灰度差，=|i-j|2；

Pδ(i,j)——相鄰像素灰度差的分布概率，通過實(shí)際測試，強(qiáng)弱光下的圖像對比值分布為0.6 和1 時，能夠得到圖像最佳的預(yù)處理狀態(tài)。

高斯濾波公式：

（2）式采用長度單位為3的窗口進(jìn)行3核卷積處理，令 σ=1，設(shè)定圖像的中心點(diǎn)坐標(biāo)為（1，1），則高斯濾波的卷積核為(xa,x, xb)，對其卷積核進(jìn)行歸一化的高斯濾波，提高采集圖像的識別率，便于圖像的后期處理。

2.2 基于均值濾波算法對圖像進(jìn)行去噪處理

在采集圖像過程中，會受到一系列的干擾因素影響，圖像會存在噪點(diǎn)，會大大降低圖像分析的準(zhǔn)確率和增加計(jì)算機(jī)計(jì)算的時間。采集的路面圖像噪點(diǎn)多處于高頻信息段，用于分析的圖像信息位于中低頻段。采用均值濾波能夠使中低頻的信號波進(jìn)行有效提取，采用均值替代規(guī)定原圖像區(qū)域中的各像素點(diǎn)，有效去除與原圖中像素點(diǎn)的突變點(diǎn)，從而起到去噪效果，此法原理簡單、濾波速度較快，具體均值濾波算法函數(shù)如式（3）所示[5，6]：

式中：m,n——圖像的坐標(biāo)值；

f(s,t)——圖像原函數(shù)；

s xy——設(shè)定的圖像位于原函數(shù)處，大小為m×n的鄰域圖像坐標(biāo)。

具體實(shí)施過程為：圖像的原函數(shù)f(s,t)在指定的坐標(biāo)區(qū)域內(nèi)進(jìn)行相加取平均值，用平均值代替中心點(diǎn)的數(shù)值，采用均值濾波處理圖像數(shù)據(jù)，能夠有效突出圖像中裂縫的變化，保留裂縫圖像信息，便于進(jìn)一步的分析。處理前后的圖像效果如圖1、圖2所示。

圖1 公路路面裂縫原圖像

圖2 中值濾波處理后的圖像

由圖1、圖2 比較可知，經(jīng)過均值濾波處理后的圖像有效過濾了高頻噪點(diǎn)，很大程度上提高了計(jì)算效率。

2.3 基于Prewitt算子圖像分割分析

通過均值濾波算法處理后，圖像亮度及對比度有了較大的提高，使圖像的質(zhì)量和視覺效果有了較大的改善。但是采集的圖像較大，大大降低了圖像識別的效率，為提高圖像分析效率，需要對前期處理的圖像進(jìn)行分割，將分割的裂縫圖像進(jìn)一步提取并作降噪處理，以提高分析效率。

圖像分割是指在圖像中提取要研究分析的對象（縱向裂縫、橫向裂縫等）。通過采用Prewitt 算子分割法將相關(guān)裂縫目標(biāo)從處理的圖像中提取出來，并進(jìn)行降噪處理，完成對其特征的分析[7，8]。基于Prewitt 算子圖像分割分析主要技術(shù)手段如下：

基于Prewitt 算子法以像素原函數(shù)在3 階鄰域內(nèi)計(jì)算其x和y方向的偏導(dǎo)函數(shù)，然后進(jìn)行計(jì)算加權(quán)平均差值，利用平均值進(jìn)行降噪處理，其3 階垂直梯度和水平梯度如圖3、圖4所示。

圖3 垂直梯度算子

圖4 水平梯度算子

像素原函數(shù)f(x,y)的x和y方向偏導(dǎo)函數(shù)如（3）式、（4）式所示[1，8]：

將上述的梯度偏導(dǎo)函數(shù)代入加權(quán)平均差值公式：

式中：f——像素點(diǎn)的灰度值，對應(yīng)下標(biāo)為3階矩陣像素點(diǎn)對應(yīng)的位置。

利用Prewitt 算子對圖像像素點(diǎn)進(jìn)行邊緣檢測，方法簡單、易實(shí)現(xiàn)，且能夠?qū)D像的噪點(diǎn)進(jìn)行有效處理。圖5為經(jīng)過均值濾波預(yù)處理后的路面圖像，圖6為經(jīng)過Prewitt 算子運(yùn)算處理后的圖像，經(jīng)過對比發(fā)現(xiàn)，圖5 相較于圖6 來說具有較高的邊緣定位準(zhǔn)確度和去噪效果，同時也能明顯看出其對噪聲較多的點(diǎn)和灰度值鑒別的圖像處理效果好。

圖5 均值濾波預(yù)處理后的圖像

2.4 基于Otsu閾值分割算法

圖像經(jīng)過分割處理后，其路面裂縫特征的提取效果存在較大的差異性，因此，在經(jīng)過Prewitt算子處理后仍需要對其進(jìn)行閾值分割。采用Otsu閾值分割算法進(jìn)行處理，該算法簡單，可自動求解閾值，適用范圍廣。Otsu 閾值分割算法是根據(jù)Prewitt 算子處理的像素點(diǎn)的灰度值的具體分布，采用統(tǒng)計(jì)學(xué)的方法選取參考閾值（目標(biāo)和背景二者的分界值即是要計(jì)算出來的閾值）。將上述處理的圖像分為背景和目標(biāo)兩部分，其中目標(biāo)圖像需要從閾值中分割出來，將采集的圖像灰度值的整個閾值統(tǒng)計(jì)出來，計(jì)算背景相對于目標(biāo)閾值的類間方差，選取類間方差為最大值時，對應(yīng)的閾值即為該算法所要求出的閾值。圖7 和圖8 分別為經(jīng)過均值濾波預(yù)處理后的路面圖像和經(jīng)過Otsu閾值分割算法后的路面圖像[8-10]。

圖8 Otsu閾值分割算法后的路面圖像

采用Otsu 閾值分割算法的操作過程：首先統(tǒng)計(jì)圖像相同灰度值像素點(diǎn)的個數(shù)和像素點(diǎn)的總體個數(shù)，計(jì)算所采集圖像每個灰度值在采集圖像中出現(xiàn)概率及各數(shù)值對應(yīng)的平均灰度值。其次，在采集圖像所對應(yīng)的全部灰度值（0～255）中，按序依次選取閾值T，T 將圖像分割為背景和目標(biāo)兩大部分，通過數(shù)值計(jì)算分別求出每類灰度值的出現(xiàn)概率及每類像素點(diǎn)的平均灰度值。最后，計(jì)算出每個像素閾值T 所對應(yīng)的類間方差，選取類間方差的最大值為最佳閾值。處理后的圖像背景和目標(biāo)能夠明顯區(qū)分，具有較好的分割效果，便于計(jì)算機(jī)進(jìn)行檢測分析。

3 結(jié)束語

本文針對公路路面裂縫存在形式及產(chǎn)生原因進(jìn)行了闡述，對公路路面裂縫采用圖像識別系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行了初步研究。結(jié)合公路路面裂縫圖像噪聲大、對比度低等特點(diǎn)，采用對比度增強(qiáng)和高斯濾波對圖像像素進(jìn)行增強(qiáng)預(yù)處理；基于均值濾波算法進(jìn)行降噪處理，采用Prewitt 算子分割法和Otsu 閾值分割算法對圖像進(jìn)行分割處理，得出便于計(jì)算機(jī)進(jìn)行分類和識別的明確邊緣定位和圖像去噪效果的路面裂縫圖像，提高路面裂縫識別的效率。