基于嵌入式ARMS3C2440智能建筑物裂紋實(shí)時(shí)測量系統開(kāi)發(fā)研究
加入技術(shù)交流群
圖像分割的結果如圖3所示。觀(guān)察結果，很容易發(fā)現圖像的邊緣很大區域被錯分為與裂縫一樣。于是直接計算裂縫寬度時(shí)會(huì )導致將錯分的區域計算成裂縫。因此除了計算裂縫寬度外，對候選裂縫集合進(jìn)行有效剔除是另一個(gè)重要任務(wù)。對選裂縫集合進(jìn)行有效剔除將會(huì )在下一小節中進(jìn)行討論。
分割完圖像后，計算所有可能成為裂縫的區域的寬度。采用從圖像給定行的起始位置開(kāi)始計算裂縫寬度，當發(fā)現像素灰度由0變?yōu)?55，記為一個(gè)裂縫的左邊緣起始位置；當查找到像素灰度由255變?yōu)?，記為一個(gè)裂縫的右邊緣結束位置。通過(guò)這種方法可以獲取給定行的所有可能的裂縫寬度。但是在具體試驗中發(fā)現，計算對單行的裂縫進(jìn)行寬度測量還是存在比較大的誤差。于是采用求取給定行上下5行共10行的平均值的方法。這樣可以有效地去除毛刺的干擾。通過(guò)這種方法，得到一個(gè)裂縫的候選集合，并且計算出候選集合中每一個(gè)位置的寬度。
1．3 Sobel邊緣檢測
以上小節得出了裂縫的候選集合，但是事實(shí)上這個(gè)候選集合含有大量的非裂縫區域。這一節中的主要內容是設計算法剔除這些干擾裂縫，獲取更小的裂縫候選集合。在試驗中，由于裂縫具有明顯的邊緣，而干擾圖像區域有比較模糊的邊緣或者僅有一個(gè)邊緣等，通過(guò)分析，提出采用Sobel邊緣檢測的方法進(jìn)行裂縫位置的鎖定。Sobel算子由兩個(gè)卷積核組成，如圖4所示，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積，一個(gè)核對通常的垂直邊緣相應最大，而另一個(gè)對水平邊緣相應最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出位。運算結果是一幅邊緣幅度圖像。本文引用地址：http://dyxdggzs.com/article/152205.htm
通過(guò)對原始圖像采用Sobel邊緣檢測得到如圖5所示結果。
但是，這個(gè)結果很明顯存在很多微小的干擾，這些干擾必須予以剔除，否則將對鎖定裂縫邊緣沒(méi)有任何效果。通過(guò)對邊緣檢測結果圖像仔細分析發(fā)現，雖然存在微小干擾，但是他們的灰度值普遍偏小，針對這一發(fā)現，對緣檢測結果圖像做與上一節中一樣的圖像分割，這會(huì )將微小的干擾有效地剔除。實(shí)際的實(shí)驗結果也驗證了這一點(diǎn)，如圖6所示。
同過(guò)對分割后的邊緣圖像進(jìn)行觀(guān)察，圖像仍然存在一些微小的干擾，但這些干擾相對于未處理的緣檢測結果圖像已經(jīng)很少，將在后續的處理中對圖像裂縫添加附加約束，從而取出這些干擾的影響。
1．4 基于裂縫特征的附加約束
通過(guò)對大量的裂縫圖像進(jìn)行分析，發(fā)現圖像裂縫有如下特點(diǎn)：
(1)裂縫灰度值低于墻體的灰度值。
(2)裂縫的寬度相對于整個(gè)圖像不超過(guò)圖像寬度的1／3。
(3)污染的墻體區域一般呈大的塊狀出現，且很多僅含有一個(gè)邊界，另一邊界延伸至圖像外面。
(4)墻體的一些微小的干擾呈小塊狀出現。
(5)裂縫一般為帶狀。
使用ARM處理器處理圖像，由于其速度慢且有實(shí)時(shí)性要求，故不能處理整張的圖像，換句話(huà)說(shuō)，必須處理局部圖像。這就很明顯增加了剔除候選裂縫的難度。該系統顯然是無(wú)法使用特點(diǎn)(4)、特點(diǎn)(5)的。因此僅使用了前三個(gè)特點(diǎn)，并提出了約束：剔除寬度高于圖像寬度1／3的裂縫候選集，剔除寬度低于1／10的裂縫候選集。
評論