基于数字图像技术结构物裂缝参数测量.docVIP

基于数字图像技术结构物裂缝参数测量 　　摘要：建筑结构裂缝是结构损伤发生的先兆，裂缝从裸眼难辨的微缝开始，逐渐发展，引起构件损坏、结构变形、体系失稳等。本文利用数字图像技术对某厂房墙体裂缝照片进行处理，将彩色图像转变成灰度图像，取阀值65（阀值范围0-255）来区分图像中裂缝区域和背景区域，获得对应的二值图像；然后通过形态学除噪，去除二值图像中的噪点，使用边界跟踪技术确定裂缝边界的图像；进而利用开发的程序，得到裂缝面积、裂缝长度、裂缝密度等参数。 关键词：建筑结构；裂缝检测；图像处理； 中图分类号： TU3 文献标识码： A 文章编号： 作者简介：赵业保(1989? )，男，江西九江人，硕士，主要从事结构工程的科研工作。E-mail: baogelifelong@live.cn。 0引言 土木工程中的建筑结构、桥梁及道路路面等基础设施在各种因素的作用下，会产生不同程度的裂缝，而建筑物的破坏往往由裂缝开始。 目前国内的结构物裂缝的检测方法中，广泛采用的还是传统的作业方式，还有一些混凝土裂缝检测仪问世，主要用来检测大型混凝土建筑物。基于数字图像技术对建筑结构裂缝检测的方法能够高效、精确、低成本的处理建筑结构裂缝的检测问题。 本文以某厂房墙体裂缝为例，由原始图像选定观测区域，将图像转化为灰度图像，经过阀值处理、消除噪点、边缘检测等数字图像处理技术，获得了裂缝长度、裂缝面积和裂缝密度等参数。 1数字图像的测量原理 本研究利用 MA T L A B软件编制计算程序，对读入的数字图片进行自动处理，快速的判别并提取出图像的裂缝，并对观测区域的裂缝密度进行计算．具体图像处理流程如下： 1 ) 选取初始图像，然后对分析区域进行切割处理； 2 ) 将切割后的图像进行变换，变换为灰度图像； 3 ) 为提高灰度图像的亮度，对其进行直方图均衡化处理： 4 ) 进行二值运算，使图像转化为二值图像； 5 ) 将上述的二值图像进行形态学处理，提取出裂缝区域。 1.1数字图像的基本概念 对于任何一幅数字图像，可用两种分辨率来描述 其细微程度:第一种就是空间分辨率，第二种即灰度级分辨率。 通过采样和量化两个过程，将数字图像用整数阵列的形式来对其描述，其本质上则是一个m×n的矩阵。 式中：x，y是图像中像素点的直角坐标值; f ( x, y )是位置( x, y )处的灰度值; x=0, 2,…, m-1; y=0, 2,…, n-1。 图像处理过程中得到的各步骤分析图像如图1、图2所示 1.2数字图像分割 图像分割过程是把数字图像按其特征分成不同的区域并提取出所需目标的技术和过程，通常也可以称之为数字图像的二值化处理。本文根据本次研究的特点，选择阀值分割法处理数字图像。确定阀值T=65，阀值范围0-255。 阀值方法的数学模型可以定义如下：对于任何满足的点(x，y)定义其为对象点，而其他点则称之背景点，所以，阀值处理后的图像g(x，y)定义为式子(2): 1.3形态学除噪 形态学图像处理运算有两种基本形式，膨胀运算和腐蚀运算，在此基础上可以衍生出开启运算和闭合运算等。腐蚀运算是一种用来消除图像中目标物图像边界点、消除噪音并使其边界向内部收缩的处理过程；膨胀运算则是将与目标区域接触的背景点合并到该目标物图像中，呈一定规律的向外部扩张的一种运算。 开运算就是用同一个结构元素对原始图像先腐蚀运算再进行膨胀运算的处理过程；而闭运算就是用同一个结构元素对原始图像先膨胀运算再进行腐蚀运算的处理过程。对图3的图像依次进行膨胀、腐蚀运算，开、闭运算，得到结果，见图4、图5。 1.4边缘检测 利用边界跟踪的方法，对图像边缘进行分割。从图像灰度梯度图中选出灰度梯度最大的点作为边界跟踪的初始点，之后在该点的领域中选择梯度最大的点做为第二个边界点，重复上述步骤，回到初始点，边界分割完成。得到图像轮廓，见图6。 2结构物裂缝的检测与分析 2.1裂缝面积与裂缝密度 针对结构物裂缝图像来说，裂缝密度就是裂缝的面积与结构物观测区域面积的比值。 为计算表征裂缝特征的真实参数, 在拍摄裂缝图像时使用已知长度的参照线。设参照线实际长度为 c、 图像中像素点个数为 n， 则一个像素点对应的实际长度即为 c/n。 二值图像矩阵中值为 1 的个数即为非裂缝区域的总像素个数 N2, 而非裂缝区域的实际面积为 Area2=N2 ( c/n)sup2;。把Area1/( Area1+ Area2)定义为density，即裂缝密度： density =Area1/( Area1+ Are