本發(fā)明屬于數(shù)字圖像識(shí)別技術(shù)，尤其涉及一種基于邊緣檢測(cè)的墻體裂縫識(shí)別方法。

背景技術(shù)：

墻體材料內(nèi)部會(huì)產(chǎn)生間隙，在長(zhǎng)時(shí)間的風(fēng)吹雨打日曬等自然環(huán)境下，會(huì)受到溫度應(yīng)力等因素影響，間隙可能催化放大進(jìn)而在表面產(chǎn)生裂縫，隨著裂縫不斷擴(kuò)大，會(huì)造成安全隱患。因此，必須有效地對(duì)墻體裂縫進(jìn)行檢測(cè)，評(píng)估其風(fēng)險(xiǎn)性，以便能預(yù)防潛在的危害。

當(dāng)前在變電站對(duì)墻體狀況的檢查主要由人工巡檢來(lái)完成，巡檢工作量大，在惡劣環(huán)境下難以按時(shí)完成。并且人眼檢測(cè)主觀性強(qiáng)，某些情況下可靠性低。

隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)的發(fā)展，機(jī)器視覺廣泛地應(yīng)用在各種目標(biāo)識(shí)別上，利用圖像處理技術(shù)來(lái)檢測(cè)墻體裂縫，有高靈敏性、高自動(dòng)化、非接觸性等特點(diǎn)?，F(xiàn)有的一些裂縫檢測(cè)方法多數(shù)是簡(jiǎn)單的設(shè)定灰度閾值進(jìn)行二值化，難以去除污垢等干擾項(xiàng)適應(yīng)性差；或者是運(yùn)用神經(jīng)網(wǎng)絡(luò)等復(fù)雜算法，計(jì)算量大實(shí)時(shí)性差。因此，要將其用于墻體檢測(cè)上還需要對(duì)圖像處理方法進(jìn)行改進(jìn)，以提高檢測(cè)效率。

技術(shù)實(shí)現(xiàn)要素：
：

本發(fā)明要解決的技術(shù)問題是：提供一種基于邊緣檢測(cè)的墻體裂縫識(shí)別方法，以解決現(xiàn)有技術(shù)對(duì)變電站墻體裂縫檢測(cè)方法采用簡(jiǎn)單的設(shè)定灰度閾值進(jìn)行二值化，難以去除污垢等，導(dǎo)致干擾項(xiàng)適應(yīng)性差；或者是運(yùn)用神經(jīng)網(wǎng)絡(luò)等復(fù)雜算法，計(jì)算量大實(shí)時(shí)性差等技術(shù)問題。

本發(fā)明技術(shù)方案：

一種基于邊緣檢測(cè)的墻體裂縫識(shí)別方法，它包括：

步驟1、墻體圖像采集；

步驟2、圖像預(yù)處理；

步驟3、裂縫邊緣提??；

步驟4、背景噪聲濾波；

步驟5、墻體裂縫識(shí)別。

步驟1所述墻體圖像采集，通過(guò)CCD鏡頭或數(shù)碼相機(jī)拍攝。

步驟2所述圖像預(yù)處理方法為：先對(duì)采集原圖進(jìn)行灰度化，使用OpenCV庫(kù)的灰度均值對(duì)原圖紅R、綠G、藍(lán)B三通道進(jìn)行加權(quán)平均，即Gray＝0.072169B+0.715160G+0.212671R，得到灰度圖像；再對(duì)所得灰度圖像進(jìn)行高斯濾波，使用3×3模板進(jìn)行計(jì)算，消除孤立點(diǎn)。

步驟3所述裂縫邊緣提取的方法為：利用Laplacian算子對(duì)圖像預(yù)處理所得的灰度圖像進(jìn)行運(yùn)算，使用OpenCV的Laplacian算子實(shí)現(xiàn)，調(diào)用的Sobel算子內(nèi)核大小設(shè)為3，此運(yùn)算突出裂縫特征，忽略背景噪聲；然后利用Otsu算法計(jì)算圖像的全局灰度分割閾值，并以此閾值對(duì)圖像進(jìn)行二值化將背景和裂縫分開。

步驟4所述背景噪聲濾波的方法包括：

(1)對(duì)圖像進(jìn)行掃描，進(jìn)行連通域的計(jì)算，標(biāo)記出所有連通域；

(2)對(duì)每個(gè)連通域，計(jì)算其周長(zhǎng)和面積進(jìn)而得到圓形度；

(3)將連通域的圓形度與閾值相比，大于閾值則去掉連通域；

(4)對(duì)所有連通域進(jìn)行步驟(3)操作后得到裂縫圖像。

本發(fā)明的有益效果：

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是能有效獲取裂縫特征，排除背景干擾；自適應(yīng)能力強(qiáng)，分割更準(zhǔn)確；可以濾出大量無(wú)規(guī)則污垢塊，為裂縫的檢測(cè)帶來(lái)了方便；在保證識(shí)別精度和抗干擾的條件下，大大降低了運(yùn)算量，具有很高的應(yīng)用價(jià)值；解決了現(xiàn)有技術(shù)對(duì)變電站墻體裂縫檢測(cè)方法采用簡(jiǎn)單的設(shè)定灰度閾值進(jìn)行二值化，難以去除污垢等，導(dǎo)致干擾項(xiàng)適應(yīng)性差；或者是運(yùn)用神經(jīng)網(wǎng)絡(luò)等復(fù)雜算法，計(jì)算量大實(shí)時(shí)性差等技術(shù)問題。

附圖說(shuō)明

圖1為本發(fā)明流程示意圖；

圖2為墻體裂縫識(shí)別方法中裂縫邊緣提取的關(guān)鍵圖像處理步驟；

圖3為基于連通域計(jì)算的背景噪聲濾波流程。

具體實(shí)施方式：

一種基于邊緣檢測(cè)的墻體裂縫識(shí)別方法，它包括：

步驟1、墻體圖像采集；

步驟1所述墻體圖像采集，通過(guò)CCD鏡頭或數(shù)碼相機(jī)拍攝。本發(fā)明使用巡檢機(jī)器人上的可見光相機(jī)對(duì)圍墻表面進(jìn)行拍攝，獲取高清墻體圖像。

步驟2、圖像預(yù)處理；

步驟2所述圖像預(yù)處理方法為：先對(duì)采集原圖進(jìn)行灰度化，使用OpenCV庫(kù)的灰度均值對(duì)原圖紅R、綠G、藍(lán)B三通道進(jìn)行加權(quán)平均，即Gray＝0.072169B+0.715160G+0.212671R，得到灰度圖像；再對(duì)所得灰度圖像進(jìn)行高斯濾波，使用3×3模板進(jìn)行計(jì)算，消除孤立點(diǎn)。

步驟3、裂縫邊緣提??；

步驟3所述裂縫邊緣提取的方法為：利用Laplacian算子對(duì)圖像預(yù)處理所得的灰度圖像進(jìn)行運(yùn)算，使用OpenCV的Laplacian算子實(shí)現(xiàn)，調(diào)用的Sobel算子內(nèi)核大小設(shè)為3，此運(yùn)算突出裂縫特征，忽略背景噪聲；然后利用Otsu算法計(jì)算圖像的全局灰度分割閾值，并以此閾值對(duì)圖像進(jìn)行二值化將背景和裂縫分開。

裂縫邊緣的提取是利用Laplacian算子對(duì)預(yù)處理所得灰度圖像進(jìn)行運(yùn)算，使用OpenCV的Laplacian實(shí)現(xiàn)，調(diào)用的Sobel算子內(nèi)核大小設(shè)為3，此運(yùn)算可以突出裂縫特征，忽略背景噪聲。然后利用Otsu算法計(jì)算圖像的全局灰度分割閾值，并以此閾值對(duì)圖像進(jìn)行二值化，可進(jìn)一步將背景和裂縫分開；

步驟4、背景噪聲濾波；

背景噪聲濾波是針對(duì)與裂縫灰度相近的塊狀污垢和斑點(diǎn)圖像二值化形成的明亮塊狀斑點(diǎn)。定義C代表圓形度，其公式為其中P為連通域周長(zhǎng)，S為連通域面積。對(duì)圖像從上到下、從左到右掃描，相鄰點(diǎn)為1和0則標(biāo)記，統(tǒng)計(jì)標(biāo)記點(diǎn)的個(gè)數(shù)可得連通域的周長(zhǎng)P。定義連通域水平寬度W，垂直方向高度H，可得其中f(x，y)表示像素值為1的點(diǎn)。通過(guò)對(duì)圖像進(jìn)行連通域的計(jì)算，標(biāo)記出所有連通域，然后掃描連通域并計(jì)算相應(yīng)連通域的圓形度。明亮塊狀斑點(diǎn)的圓形度接近1，對(duì)所有標(biāo)記的連通域的圓形度進(jìn)行比較，大于一定閾值則作為噪聲去除，最后剩下的就是裂縫圖像。

步驟4所述背景噪聲濾波的方法包括：

(1)對(duì)圖像進(jìn)行掃描，進(jìn)行連通域的計(jì)算，標(biāo)記出所有連通域；

(2)對(duì)每個(gè)連通域，計(jì)算其周長(zhǎng)和面積進(jìn)而得到圓形度；

(3)將連通域的圓形度與閾值相比，大于閾值則去掉連通域；

(4)對(duì)所有連通域進(jìn)行步驟(3)操作后得到裂縫圖像。

步驟5、墻體裂縫識(shí)別。背景噪聲濾波后可得裂縫圖像，進(jìn)而可對(duì)裂縫的幾何特征進(jìn)行計(jì)算。