[发明专利]一种基于灰度和梯度融合的隧道结构裂缝识别方法

权利要求书

1.一种基于灰度和梯度融合的隧道结构裂缝识别方法，其特征在于，包括以下步骤：

S1、选取裂缝的起点和终点，确定裂缝位置：

（1）选取包含裂缝的图像，记为I，计算其高度和宽度，分别记为H和W；

（2）在图像I中，选择裂缝的起点和终点，分别记为A和B；

（3）计算裂缝的角度，记为；依据裂缝的角度，将裂缝分为环向裂缝和纵向裂缝；若裂缝为环向裂缝，，将图像逆时针旋转，同时起点和终点记为和；若裂缝为纵向裂缝，，则、；

（4）比较裂缝的起点横坐标、终点横坐标的大小，若，则将点和点的坐标进行互换，记裂缝的起点为C，终点为D；

S2、选取局部图像进行光照处理和边缘检测：

（1）在图像I中选取大小为的区域，记为I_m；第一次选择时，以C作为局部图像左边中心点，之后的选择以沿裂缝走向的终点作为中心点，记为；且当局部图像包含终点D时，局部区域不可越界；

（2）对局部图像I_m进行光照处理，其操作步骤如下：

（a）计算图像I_m的灰度平均值，记为ave；

（b）计算图像I_m中每行的灰度平均值，记为aveL_i；

（c）对图像I_m的每行灰度值进行调整，将亮度调整后的图像记为I_l，方法如下：

（d）利用伽马变换对图像I_l进行变换，变换后图像记为I_s,变换公式如下：

其中，c的值常为常数，设为1，为变换系数，用于调整图像对比度；

（3）利用Sobel算子进行边缘检测；

（a）采用两组3*3的矩阵，横向模板记为G_x，纵向模板记为G_y，点(i,j)的邻域记为；那么该像素点水平方向与垂直方向的卷积结果如下：

（b）计算调节因子t₁的值，获取上一次截取局部图像内裂缝的起点和终点，分别记为、，计算其水平方向与垂直方向的比值k，

调节因子t₁即可表示为：

（c）将两个方向的卷积结果进行结合，得到最终的卷积结果，如下：

将进行边缘检测后的图像记为I_f；

S3、依据局部图像的灰度值初步提取裂缝区域：

（1）利用图像灰度值及边缘检测结果，剔除较长非裂缝区域的影响；

（a）设定图像I_f中裂缝像素点数的最大值为MaxNumV；

（b）设定阈值分割的灰度初始值为thV；

（c）判定灰度值小于thV的点属于裂缝区域，计算图像I_f中每行和每列中的裂缝点个数，分别记为R_i、C_j；

（d）若或者，则该行或者该列设为非裂缝区域，靠近上一次截取局部图像内裂缝终点的行保留为裂缝，遍历图像I_f中的所有行和列；

（e）统计图像I_v中保留的裂缝像素点数，记为PixNumV；

（f）若PixNumV＜MaxNumV则满足条件，否则更改thV的值，重复步骤（c）~步骤（e）的操作，将最终生成的图像记为I_v；

（2）去除图像中小连通区域；

（a）设定图像I_v中裂缝像素点数的最大值为MaxNumA；

（b）设定连通区域去除面积阈值为thA；

（c）将图像I_v中面积小于thA的连通区域去除；

（d）计算保留裂缝的像素个数，记为PixNumA；

（e）若PixNumA＜MaxNumA，则满足条件，否则更改thA的值，重复步骤（c）~步骤（e）的操作，将最终生成的图像记为I_a；

（3）去除其他形状的多余区域；

（a）计算每个连通区域的质心，记为，获取其邻域角点像素值，若均为非裂缝像素点，则将此区域设为非裂缝区域，图像记为I_o；

（b）统计图像I_o中，每行最长连续的像素点数记为l_R，设定阈值为lthr，若l_R＞lthr，则将该行设为非裂缝；每列最长连续的像素点数记为l_c，设定阈值为lthc，若l_c＞lthc，则将该列设为非裂缝，图像记为I_b；

S4、基于形态学和距离法对裂缝区域再次提取：

（1）对图像I_b进行膨胀操作，记为图像I_p；

（2）获取图像I_p中的最大连通区域，记为MaxL，其最小X坐标为M_x,最大X坐标为N_x；

（3）获取MaxL的中心位置，记为(Q_x，Q_y)；其中Q_x =(M_x+N_x)/2，Q_y是Q_x列的连续裂缝像素点的中心点；

（4）以点(Q_x，Q_y)为起点，查找相邻列中与Q点最近的点(Np_x, Np_y)，其距离记为Dis，若Dis满足如下两个条件其中一条，则删除其所在列与其不连续的点，否则删除该列所有点；

（a）该点为第一个查找到的点，且Dis＜20；

（b）该点不是第一个查找到的点，且Dis＜| Np_x - Q_x |*3；

（5）获取(Np_x, Np_y)所在连续列的行坐标的最大值与最小值，记为r_h和r_l，记该点所在连续列的中心点为(Np_cx, Np_cy)，则：Np_cx= Np_x; Np_cy=(r_l+r_h)/2

以点(Np_cx, Np_cy)为起点，重复步骤（4）~（5），直到遍历所有的列；查找过程中，先从Q点往最左侧查找；然后再从Q点往最右侧查找，将处理后的图像记为I_q；

S5、计算局部裂缝长度和宽度，并选择下一个局部：

（1）图像I_q利用Zernaike正交矩获取裂缝的亚像素边界，记为I_z；

（2）在图像I_q中，逐列进行遍历，获取当前列最上方的非裂缝点坐标C_u和最下方的非裂缝点坐标C_d，通过C_uy和C_dy的均值，计算中心点坐标为C_p；

（3）判断图像I_z中的裂缝上边缘和下边缘，判断方法如下：

（a）对图像I_z中点的坐标进行四舍五入，记为；

（b）与图像I_q中的上边缘非裂缝点坐标C_su和下边缘非裂缝点坐标C_sd分别计算高度差，记为du和dd；

（c）若du＞dd，则将点判为下边缘点，否则为上边缘点；

（d）重复步骤（a）~（c），对所有点进行判断；将裂缝上边缘的点集记为PU，下边缘的点集记为PD；

（4）取上边缘点集PU中的点，记为(PU_x，PU_y)，计算其与下边缘点集PD中每个点的距离，取最小距离作为该点处的宽度；遍历PU中每个点，并计算每个点处的宽度，记为W_id，将所有裂缝宽度坐标记为Width；

（5）以C_p中最右侧的点为起点，进行下一次局部图像截取，重复步骤S1~S5，直到最后一次小区域图像包含终点D；

S6、计算并输出整条裂缝信息：

（1）将整条裂缝的坐标信息Point和裂缝宽度信息Width进行保存；

（2）利用原则，将Width中偏离点进行去除；

（3）计算裂缝宽度的最大值、最小值和平均值；

若图像I在步骤S1中逆时针旋转90⁰，此时将图像坐标顺时针旋转90⁰。