基于数学形态学的路面裂缝图像处理技术-含Matlab代码

✳️ 一、引言

对于路面裂缝而言， 采用图像处理技术对其进行识别与计算是当前的研究趋势。但是， 路面裂缝的形态存在多样性， 且路面裂缝图像受到光线、杂物等影响， 对其识别与计算造成了困难。为此， 背景校正、目标增强、去噪平滑、灰度直方图变换等图像预处理方法被先后提出。张娟等基于二维自适应维纳滤波方法，对背景纹理变化突出的图像进行校正，能够得到较好的处理效果。Koutsopoulos 等通过比较裂缝图像与标准的无裂缝图像间的灰度差异，采用来差影法增强目标取得较好的检测效果，但不适合于复杂恶劣的路面环境。Hamyo等依据不同尺度滤波的效果不同，来获取全局或细节信息，并利用加权求和对图像进行增强处理。Guang D. A 等利用高通滤波器检测方法找出图像中的特定结构， 并与原图像叠加实现增强， 但容易引入噪声。模糊归属、混沌及贝叶斯判决等新理论也在图像处理分析中得到广泛应用。其中， 刘玉臣等通过采用一种基于模糊理论的路面裂缝图像增强方法，能有效增强裂缝并抑制背景。

对于图像特征的提取， 黄兴滨等基于小波的纹理图像分割方法， 将小波变换应用于纹理的特征提取， 从而提出了一种基于连续小波变换的路面裂缝自动检测方法。Kirschke 等基于某些路面裂缝灰度直方图的双峰性， 依此设定的阈值能分割出裂缝， 但该方法只适用于裂缝区域较明显的情况。此外， Cheng 等通过遗传算法先求出图像像素灰度值的隶属度函数， 再对路面图像模糊化， 根据连续性特征进行裂缝图像提取的分割方法， 但运算效率低， 花费时间长。唐国维等通过目标区域生长的方法， 对路面图像进行分割提取， 其效果较为理想， 但运算量过大。

针对以上方法的不足， 本文基于数学形态学方法对路面裂缝图像进行分析与运算，以期提高路面裂缝识别与计算的精度。

✳️ 二、图像预处理

根据裂缝图像的特点，在对其进行目标检测和识别之前，需要进行图像预处理，主要包括：直方图均衡化増强、中值滤波去噪、对比度増强、二值化处理、二值图像滤波等步骤。其中，在二值过程中对阈值的确定择自定义阈值法与迭代自适应法相结合的方式来计算；二值图像滤波主要是连通区域的面积滤波，通过去除小面积的杂点噪声进行滤波去噪的，路面裂缝图像预处理结果如下图所示。

图1 路面裂缝图像预处理结果

✳️ 三、路面裂缝图像的边缘检测

边缘是目标形状的主要信息。在图像形态特征基础上突出有效特征信息， 达到图像识别与分析的目的， 更符合人类对图像的理解。

✳️ 3.1 裂缝识别

在裂缝图像二值化及滤波去噪后可以突出裂缝目标，根据裂缝的“线状”特点，采用二值化连通区域长短轴之比的特征进行判断，其裂缝识别结果如下图示：

图2 路面裂缝识别结果

✳️ 3.2 裂缝区域信息获取

在裂缝目标经过检测、定位后，为了能精确地获取裂缝的区域信息本实验采用经典的像素积分投影的思想进行裂缝的水平、垂直方向的积分投影，并绘制投影曲线，进而定位裂缝的具体区域和参数信息，结果如下图所示：

图3 裂缝区域的参数信息

✳️ 3.3 裂缝特征提取

为了判断裂缝的方向和获取裂缝的特征，采用最简单的外接矩形长宽比的方式进行判断，结果如下图所示。

图4 裂缝特征提取结果

✳️ 四、参考文献

[1] 张娟，沙爱民，孙朝云，等．路面裂缝自动识别的图像增强技术［J］．中外公路，2009，29(4):301－305．
[2] KoutsopoulosHN，DowneyAB．Primitive－basedclassificationofPavementcrackingimages［J］．JournalofTransportationEngineering，1993，119(3):402－418．
[3] 刘玉臣，王国强，林建荣．基于模糊理论的路面裂缝图像增强方法［J］．养护机械与施工技术，2006(2):35－37．
[4] 黄兴滨，谷光琳，刘伟东．基于小波变换的纹理图像分割［J］．
自动化技术与应用，2003(2):14－15．

✳️ 五、Matlab代码获取

本文实验结果由Matlab代码实现，代码的获取可私信博主。

---

博主简介：研究方向涉及智能图像处理、深度学习等领域，先后发表过多篇SCI论文，在科研方面经验丰富。任何与算法、程序、科研方面的问题，均可私信交流讨论。

---