Sobel算子改进边缘检测算法在混凝土裂缝识别中的应用.docVIP

Sobel算子改进边缘检测算法在混凝土裂缝识别中的应用 　　摘要摘要：大型建筑、道路及桥梁等表面裂缝问题是其安全性检测中不能回避的问题，传统的人工检测手段，不仅速度慢，其计算精度也有待提高，更重要的是对于不安全的位置，使用人工检测危险性高。针对该问题，提出基于Sobel算子的改进边缘检测算法对图像进行处理，能够准确识别混凝土表面裂缝的边缘。 　　关键词关键词：裂缝检测；边缘检测；Sobel算子 　　DOIDOI：10.11907/rjdk.162279 　　中图分类号：TP319文献标识码：A文章编号文章编号2017）001011203 　　引言 　　2006年，伊兰[1]在图像增强中结合对比度增强、滤波和锐化等方法，在裂缝识别中使用梯度阈值提取边缘，使用最小距离法进行计算，以获得混凝土表面裂缝宽度。2011年，曾艳霞[2]在混凝土裂缝特征信息识别研究中提出对采集系统进行标定，得到图像中一个像素代表的实际物理长度。2014年，刘宇飞等[3]基于数字图像处理对混凝土表面裂缝进行识别，提出对采样图像进行背景减除以消除噪声，为了减少内部空腔造成的影响，对处理图像进行形态学闭运算，这样不仅将断裂的小边缘连接起来，还能够填充空腔。本文采用基于Sobel算子的改进边缘检测算法对混凝土表面裂缝进行检测，以达到更精确的效果。1裂缝边缘识别 　　1.1裂缝图像预处理 　　现场采集的图像是RGB彩色图像，在进行图像计算前需要将其转换成二位灰度图，并尽量去除图像背景中的噪声，以去除图像中不需要或妨碍边缘识别的信息，为后续处理作好准备。1.2裂缝边缘识别算法 　　基于Sobel算子的改进的边缘检测算法提取完成去噪图像中的裂缝边缘。Sobel算子对最靠近中心点的上下左右位置权值设为2，相邻行或列的其它位置权值设1，用中心像素上下或左右行或列的差值作为水平或垂直方向的梯度值。但是由于其主要对水平和垂直两个方向的边缘最为敏感，因此检测方向较为受限。这样处理的结果是，图像往往可以发现水平和垂直方向的边缘检测的较为明显，相比之下其它方向就没那么明显。对于现实图像中不确定的边缘方向，对不同方向设计对应的梯度模板，使其仅对该方向边缘最为敏感，这样就可以更精确检测相应方向的边缘。不同方向的模板就构成了方向匹配检测模板，用其中的每一个模板与图像分别卷积，最后计算出的梯度值最大的那个模板对应的方向就是该边缘点的方向。2015年，沈德海[4]提出一种多方向算子模板的边缘检测算法，该算法采用0°、22.5°、45°、67.5°、90°、112.5°、135°和157.5°等8个方向的算子模板来计算图像梯度。该算法检测效果虽然有较大提高，但是边缘出现了很多颗粒状像素，检测的边缘有些粗糙，仍旧不够细致、精确。有些边缘已经达到了单像素边缘，但大部分边缘仍然还不是单像素的。2015年，宋爽等[5]利用多个阈值进行边缘检测，提出连点画图的方法，在目标轮廓上作零星标记点，从一个标记点开始顺序邻接这些点，结合多阈值思想，这样就可以把目标轮廓精确细致地描绘出来。 　　本文改进算法对沈德海提出的5×5模板8方向检测算子处理后的图像进行再处理，因此着重改进的是对已获得的边缘进行再细化处理。由于模板8方向检测算子得到的边缘比经典Sobel算子处理结果更细，因此具体的边缘像素选择算法则不同于宋爽等提出的算法。采用水平、垂直、45°和135°等4个方向的 大小的卷积模板进行检测，同时对梯度图像采用局部标准差进行梯度增强，使得监测的边缘较为完整，细节较为丰富，连续性好。对于4个模板的权值分配问题，提出不同位置赋予不同权值，权值大小根据该位置的像素对中心点相应方向梯度值贡献大小来决定，也反映了该位置与距离模板中心的位置关系，距离最近的为4或-4，其次为2或-2，再次为1或-1，最远的为0。8方向边缘检测算子如图1所示。图1八方向梯度算子 　　为获取图像梯度，需要将这8个模板分别与图像进行卷积运算以获得模板中心点对应方向的梯度g0，g45，g90，g135，g22.5，g67.5，g112.5，g157.5，则中心点对应的梯度幅值MAG（x，y）计算公式如式（1）： 　　MAG（x，y）=sqrt（（g20+g245+g290+g2135+g222.5+g267.5+g2112.5+g2157.5）/10）（1） 　　根据像素水平方向梯度与垂直梯度的关系，将像素边缘类型分为水平边缘和垂直边缘，其中TAG（x，y）表示（x，y）处的边缘类型，分类公式如式（2）： 　　（1）使用TH1模板8方向检测算子与图像进行模板运算，获得各方向梯度值，将这些梯度值的平方和开方，将其除以一个调节因子，以免开方后的梯度值过大超出范围，将开方结果作为模板中心点像素的梯度幅值。