本發(fā)明涉及混凝土裂縫圖像處理技術領域，尤其涉及一種混凝土構件裂縫自動檢測方法。

背景技術：

裂縫是建筑物中常見的一種外觀質量缺陷。在房屋建筑中新舊混凝土結構的表面裂縫仍然大量存在，徹底消除暫時難以辦到，特別是在高強混凝土的收縮應力、超長結構的溫度應力和構件的結構應力等各種因素的單獨或共同作用下，會使建筑物梁、板、墻構件中出現不同程度的各種裂縫形式，其中裂縫分布的形態(tài)、長度、寬度和所處部位等外觀特征對判斷裂縫的成因和危害程度起著特別重要的作用。因此必須對裂縫進行詳細的外觀特征檢測，繪制構件表面的裂縫分布圖。

目前，國內檢測建筑物裂縫的手段主要還是依靠人工測量的方法，如采用鋼卷尺測量每條裂縫的長度、定位距離，采用刻度放大鏡測量裂縫寬度，采用目測法近似描繪裂縫的形狀和走勢。這種人工的方法對于裂縫較多時不但效率低、勞動強度大、檢測速度慢、誤差較大，而且在某些情況下不具備近距離人工檢測條件或進行人工檢測十分危險。計算機高性能處理器、大容量存儲器及圖像處理技術和攝影技術的快速發(fā)展，使得建筑物裂縫攝影自動識別技術成為可能。通過數碼攝影將圖像處理技術應用于建筑物裂縫的檢測，可解決人工測量所存在的缺陷和不足。

技術實現要素：

本發(fā)明要解決的技術問題在于針對現有技術中裂縫檢測精度低，勞動強度大的缺陷，提供一種混凝土構件裂縫自動檢測方法。

本發(fā)明解決其技術問題所采用的技術方案是：

本發(fā)明提供一種混凝土構件裂縫自動檢測方法，包括以下步驟：

S1、獲取多張混凝土構件的裂縫圖像；

S2、采用數學形態(tài)學的方法，根據裂縫的線化以及暗目標特點，通過高帽變換對裂縫圖像進行識別處理，得到包含裂縫信息和非裂縫信息的新裂縫圖像；

S3、采用基于圖像高斯金字塔的分層匹配法，在處理后的裂縫圖像中快速定位匹配裂縫位置，依次根據裂縫位置對處理后的相鄰裂縫圖像進行合成，得到相鄰裂縫圖像合成圖，直至得到包含所有裂縫信息的混凝土構件的裂縫分布圖；

S4、根據裂縫分布圖中裂縫的物理參數和《房屋安全鑒定標準》GJ125—99中關于混凝土裂縫的要求細則，自動生成混凝土構件的裂縫檢測報告。

進一步地，本發(fā)明的步驟S1中裂縫圖像包括混凝土構件結構表面的裂縫、污跡和劃痕的放大圖像。

進一步地，本發(fā)明的步驟S2中得到包含裂縫信息和非裂縫信息的新裂縫圖像的方法具體為：

S21、保存原始圖像f(x,y)并選取合適的結構元素b；

保存原始圖像，p(x,y)＝f(x,y)

選取圓盤形3*3結構元素b。

S22、對包含裂縫的原始圖像f(x,y)進行腐蝕處理；

用結構元素b對輸入圖像f進行灰度腐蝕記為f⊙b，得到新的圖像f(x,y)。

f⊙b(s,t)＝min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈D_f和(x+y)∈D_b}

f(x,y)＝f⊙b(s,t)

其中D_f和D_b分別是f和b的定義域。

S23、對灰度腐蝕后的圖像f(x,y)進行膨脹處理；

用結構元素b對灰度腐蝕后的圖像f進行灰度膨脹記為得到新的圖像f(x,y)。

其中D_f和D_b分別是f和b的定義域。

S24、將原始圖像與灰度膨脹后的圖像作減法運算，得到原始圖片的高帽變換結果，得到包含裂縫信息和非裂縫信息的矩陣TopHat(f),即處理后的裂縫圖像。

TopHat(f)＝p(x,y)-f(x,y)

進一步地，本發(fā)明的步驟S3中基于圖像高斯金字塔的分層匹配法得到相鄰裂縫圖像f₁、f₂合成圖的方法具體為：

S31、在圖像f₁與f₂的重疊區(qū)中選擇一個圖塊，大小為M×M的模板T，將f₂作為搜索圖D，分別生成高斯金字塔{T_k}和{D_k}，其中k＝0，1，…n，n≥2，k＝0表示高斯金字塔中圖像最細尺寸層，k＝n表示高斯金字塔中圖像最粗尺寸層，且已知T為M×M維，D為N×L維；

S32、k初始化為n，即從最粗層開始進行相關性測度，以T_k為模板，在D_k中搜索，得到相似性最高的匹配位置(i,j)，即粗匹配位置；

S33、以T_k-1為模板，在D_k-1中(2i-1,2j-1)，(2i-1,2j)，(2i,2j-1)和(2i,2j)四個位置作相關性測量，得到相似性最高的匹配位置(i',j')；

S34、令k＝k-1，i＝i'，j＝j'，若k>0，轉到步驟S33；否則結束；

S35、根據得到的相似性最高的匹配位置，對相鄰的裂縫圖像進行合成，得到相鄰裂縫圖像合成圖。

進一步地，本發(fā)明的步驟S31中生成高斯金字塔的方法具體為：

S311、設定高斯金字塔的層數n，將一幅裂縫圖像表示為高斯金字塔集合{I₀,I₁,…I_n}，其中I₀為最細層，I_n為最粗層，每一層是前一層寬度和高度的一半，將裂縫圖像設為最細尺寸層，即k＝0；

S312、對第k層圖像用高斯函數進行平滑處理；

S313、對平滑后的圖像重采樣，獲得第k+1層，令k＝k+1；

S314、如果k<n，則轉到步驟S312；

S315、結束。

進一步地，本發(fā)明的獲取裂縫圖像的設備包括手機、平板電腦和數碼相機。

進一步地，本發(fā)明的裂縫圖像的文件格式包括jpeg、jpg和bmp。

本發(fā)明產生的有益效果是：本發(fā)明的混凝土構件裂縫自動檢測方法，通過獲取混凝土構件的圖像，并對圖像進行裂縫識別和圖像拼接，與傳統(tǒng)的人工混凝土構件裂縫檢測工作相比，提高了檢測效率和檢測速度，降低了人工風險和檢測誤差，能夠快速、完整地再現混凝土構件表面的裂縫外觀特征，采用編程技術完成軟件的開發(fā)，能立即形成生產力，具有廣泛的需求和極大的應用前景。

附圖說明

下面將結合附圖及實施例對本發(fā)明作進一步說明，附圖中：

圖1是本發(fā)明實施例的方法流程圖；

圖2是本發(fā)明實施例的裂縫識別前的示意圖；

圖3是本發(fā)明實施例的裂縫識別后的示意圖；

圖4是本發(fā)明實施例的未完成圖像拼接的裂縫分布示意圖；

圖5是本發(fā)明實施例的完成圖像拼接的裂縫分布示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，本發(fā)明實施例的混凝土構件裂縫自動檢測方法，包括以下步驟：

S1、獲取多張混凝土構件的裂縫圖像；裂縫圖像包括混凝土構件結構表面的裂縫、污跡和劃痕的放大圖像。獲取裂縫圖像的設備包括手機、平板電腦和數碼相機。裂縫圖像的文件格式包括jpeg、jpg和bmp。

S2、采用數學形態(tài)學的方法，根據裂縫的線化以及暗目標特點，通過高帽變換對裂縫圖像進行識別處理，得到包含裂縫信息和非裂縫信息的新裂縫圖像；

設f(x,y)表示一幅含有裂縫的圖像，那么該圖像可由下述3個部分表示：

f(x,y)＝f_b(x,y)+f_n(x,y)+f_c(x,y)

其中f_b(x,y)是背景灰度變化信號，f_n(x,y)是噪音信號，f_c(x,y)是建筑物表面的裂縫信號。為分割出裂縫信號，需要對圖像閾值化，而f_b(x,y)及f_n(x,y)的存在，使得f_c(x,y)淹沒于其中，很難直接從f(x,y)中提取出f_c(x,y)信號。

S21、保存原始圖像f(x,y)并選取合適的結構元素b；

保存原始圖像，p(x,y)＝f(x,y)

選取圓盤形3*3結構元素b。

S22、對包含裂縫的原始圖像f(x,y)進行腐蝕處理；

用結構元素b對輸入圖像f進行灰度腐蝕記為f⊙b，得到新的圖像f(x,y)。

f⊙b(s,t)＝min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈D_f和(x+y)∈D_b}

f(x,y)＝f⊙b(s,t)

其中D_f和D_b分別是f和b的定義域。

S23、對灰度腐蝕后的圖像f(x,y)進行膨脹處理；

用結構元素b對灰度腐蝕后的圖像f進行灰度膨脹記為得到新的圖像f(x,y)。

其中D_f和D_b分別是f和b的定義域。

S24、將原始圖像與灰度膨脹后的圖像作減法運算，得到原始圖片的高帽變換結果，得到包含裂縫信息和非裂縫信息的矩陣TopHat(f),即處理后的裂縫圖像。

TopHat(f)＝p(x,y)-f(x,y)

以相鄰圖像的拼接為基礎，逐步形成全景圖。具體來說，先拼接第1和第2幅圖像，產生一個拼合圖，然后將此拼合圖像與第3幅圖像拼接，一直處理到圖像序列中的最后一幅，生成一張完整構件的裂縫分布圖。相鄰圖像的配準則是圖像拼接的關鍵。

S3、采用基于圖像高斯金字塔的分層匹配法，在處理后的裂縫圖像中快速定位匹配裂縫位置，依次根據裂縫位置對處理后的相鄰裂縫圖像進行合成，得到相鄰裂縫圖像合成圖，直至得到包含所有裂縫信息的混凝土構件的裂縫分布圖；

基于圖像高斯金字塔的分層匹配法得到相鄰裂縫圖像f₁、f₂合成圖的方法具體為：

S31、在圖像f₁與f₂的重疊區(qū)中選擇一個圖塊，大小為M×M的模板T，將f₂作為搜索圖D，分別生成高斯金字塔{T_k}和{D_k}，其中k＝0，1，…n，n≥2，k＝0表示高斯金字塔中圖像最細尺寸層，k＝n表示高斯金字塔中圖像最粗尺寸層，且已知T為M×M維，D為N×L維；

生成高斯金字塔的方法具體為：

S311、設定高斯金字塔的層數n，將一幅裂縫圖像表示為高斯金字塔集合{I₀,I₁,…I_n}，其中I₀為最細層，I_n為最粗層，每一層是前一層寬度和高度的一半，將裂縫圖像設為最細尺寸層，即k＝0；

S312、對第k層圖像用高斯函數進行平滑處理；

S313、對平滑后的圖像重采樣，獲得第k+1層，令k＝k+1；

S314、如果k<n，則轉到步驟S312；

S315、結束。

S32、k初始化為n，即從最粗層開始進行相關性測度，以T_k為模板，在D_k中搜索，得到相似性最高的匹配位置(i,j)，即粗匹配位置；

S33、以T_k-1為模板，在D_k-1中(2i-1,2j-1)，(2i-1,2j)，(2i,2j-1)和(2i,2j)四個位置作相關性測量，得到相似性最高的匹配位置(i',j')；

S34、令k＝k-1，i＝i'，j＝j'，若k>0，轉到步驟S33；否則結束；

S35、根據得到的相似性最高的匹配位置，對相鄰的裂縫圖像進行合成，得到相鄰裂縫圖像合成圖。

S4、根據裂縫分布圖中裂縫的物理參數和《房屋安全鑒定標準》GJ125—99中關于混凝土裂縫的要求細則，自動生成混凝土構件的裂縫檢測報告。

實施例1

某建筑物位于武漢市武昌區(qū)關山某小區(qū)內，為四層框架結構建筑物，設計建筑面積約12000m²，在該建筑物施工中因種種原因停工，在工程復工檢測中，對部分裂痕采用該系統(tǒng)進行了識別和處理，取得了較好的效果。

采用VC++編程，構建圖像錄入、裂縫識別和序列圖像拼接功能模塊，實現計算機控制系統(tǒng)，自動、快速生成混凝土構件的裂縫分布圖和檢測報告，并保留原始裂縫圖像。

圖4是本發(fā)明實施例的未完成圖像拼接的裂縫分布示意圖；

圖5是本發(fā)明實施例的完成圖像拼接的裂縫分布示意圖。

應當理解的是，對本領域普通技術人員來說，可以根據上述說明加以改進或變換，而所有這些改進和變換都應屬于本發(fā)明所附權利要求的保護范圍。