一种隧道衬砌裂缝测量方法及其测量装置

1.一种隧道衬砌裂缝测量方法，其特征在于，包括以下步骤：
(1)通过数码相机采集裂缝的图像，并通过激光测距仪测定采集的距离；
(2)在采集到的图像上选择需测量的区域，以防止由于图片太大目标裂缝较小而出现的处理偏差，并将选中的区域变成灰度图像；
(3)为上述选中的灰度图像确定阈值，并进行二值化图像分割，得到目标区域；
(4)在目标区域中提取出只包含裂缝的白色区域；
(5)提取裂缝的边缘，得到边缘图；
(6)采用最小距离法计算裂缝的像素宽度；
(7)根据预先确定的像素实际尺寸与照相距离的标定比例，得到裂缝的实际宽度；
所述的步骤(5)进一步包括：
(51)通过7*7Zernike模板{M00，M11，M20}和图像的每一个像素点进行卷积运算，以得到相应的图像Zernike矩{Z00，Z11，Z20}，通过图像的Zernike矩来计算每个像素点的参数(φ，h，l，k)，以判断该像素点是否为边缘点，
M00模板：
M11实数模板：
M11虚数模板：
M20模板：
(52)根据下式
φ＝arctan[Im(Z11)/Re(Z11)]
计算角度φ，其中Im(Z11)和Re(Z11)分别是Z11的虚部和实部；
(53)根据下式计算Z′11：
Z′11＝Re(Z11)cosφ+Im(Z11)sinφ
然后根据公式l ＝Z20/Z′11，得到l ；
(54)根据下式计算阶跃高度：
2 3/2
k＝3Z′11/2(1- l) ；
(55)根据下式计算背景灰度：
(56)获得了每一个像素点的边缘参数后，若像素点的参数满足k≥kt∩l ≤lt，则该像素点为边缘点，利用下式：
xs＝x+ l cos(φ)
ys＝y+ l sin(φ)
计算亚像素边缘点坐标得到最终的边缘图；kt、lt为判断阈值。
2.根据权利要求1所述的一种隧道衬砌裂缝测量方法，其特征在于，所述的步骤(1)对大裂缝进行分段采集。
3.根据权利要求1或2所述的一种隧道衬砌裂缝测量方法，其特征在于，所述的步骤(3)进一步包括：
(31)根据下式求出整幅图像的平均灰度值：
Tave＝∑Pixels/N，
其中∑Pixels为图像中每个像素的灰度总和，N为总像素数；将Tave设为初始阈值Tk，此时k＝1；
(32)根据T1将图像分割成目标和背景两个部分，将灰度小于T1的区域称为目标区域，大于T1的区域称为背景区域，然后再求出两区域的平均灰度分别为Tlow和Thigh；
(33)根据下式求出新阈值：
Tk+1＝(Tlow+Thigh)/2，
若Tk+1不等于Tk，则将Tk+1代替Tk，返回步骤32，同时使k＝k+1，直到Tk+1＝Tk，执行步骤34；
(34)将Tk+1当作最终的阈值，进行二值化图像分割，目标区域中包含裂缝区域以及噪声点、灰度值与裂缝近似的小块区域，将图像黑白反转。
4.根据权利要求3所述的一种隧道衬砌裂缝测量方法，其特征在于，所述的步骤(4)进一步包括：
(40)找出目标区域中最大的白色部分，将其余部分处理为黑色，提取出包含裂缝的区域；
(41)通过一个n*n的正方形单位矩阵与步骤40提取出的区域进行腐蚀操作，检测是否存在与其匹配的区域，若是，则对原图像中对应于所提取出的区域的所有的点进行灰度平均：Tj＝∑Pixels目标/N目标，再根据Tj将图像二值分割成目标和背景两个部分，进行图像黑白反转后，再次进行腐蚀操作，判断其是否存在与其匹配的区域，如此循环，直到图像中没有与单位矩阵匹配的区域为止，执行步骤42；若否，执行步骤42；
(42)运用形态学方法对图像进行开、闭运算、空洞填充以及剔除边缘毛刺，寻找出最大的白色区域，将其余区域处理为黑色，得到只包含裂缝的白色区域。
5.根据权利要求1所述的一种隧道衬砌裂缝测量方法，其特征在于，所述的判断阈值kt为0.3，所述的判断阈值lt为图像灰度最大值的十分之一。
6.根据权利要求5所述的一种隧道衬砌裂缝测量方法，其特征在于，所述的步骤(7)中的标定比例通过以下步骤确定：
(71)通过试验求得在固定镜头焦距下，拍摄距离为L时，图像中每个像素对应的实际尺寸为a；
(72)将L作为横坐标，a为纵坐标，制作标定曲线。

一种隧道衬砌裂缝测量方法及其测量装置\n技术领域\n[0001] 本发明涉及隧道衬砌裂缝测量技术，特别是涉及一种隧道衬砌裂缝测量方法及其测量装置。\n背景技术\n[0002] 裂缝等缺陷的定量化一直是无损检测追求的目标。随着检测技术的进步，传统的通过人眼目视或使用简单的的仪器如读数放大镜来进行估测的测定裂缝宽度的方法，由于其人员主观性较大，且精度和效率较低，将逐渐被新的方法所代替。随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。而基于数字图像处理的照相测量技术业已深入到裂缝宽度测量、变形监测、岩体碎石识别等土木工程领域中，并发挥着非接触、相对便捷、直观和精确的优势。\n[0003] 2004年，天津大学的黄战华、李蒙等人自主开发一套裂缝识别与分析软件。同年，北京航空航天大学的邹轶群、侯贵仓、杨峰提出了一种基于数字图像处理的表面裂纹检测方法。同年，张娟，沙爱民，高怀钢，孙朝云分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。2005年，武汉理工大学刘清元，谈桥提出了判断混凝土裂纹的综合方法。\n2006年，东南大学尹兰、何小元利用了基于光测法基础上的数字图像处理技术对混凝土表面裂缝宽度特征进行了测量和分析。\n[0004] 然而，以上所研究的方法主要是针对通过接触式扫描或近距离拍摄所采集的裂缝放大图像。而隧道中，对于不能触及的高位裂缝图像，手持接触采集过程繁琐。而远距离拍摄的图像对噪声、光线敏感，严重影响图像成像质量，使后续的图像预处理变得困难复杂。\n裂缝在远距离拍摄图像中的面积占有比例比在接触式采集的图片中的比例要小得多，余留大面积复杂多变的背景图像，再加上一些边缘检测方法的缺陷，使得近照中宽大裂缝的边缘提取方法不适用，需寻找一种合适的新方法。另外，与距离固定的接触式量测不同，裂缝出现部位的随机性导致拍摄距离的随机性，需寻找一种新标定方法来代替传统的定距标定。\n[0005] 因此，研究一种在隧道中能便捷、定量、快速、准确地测量裂缝特征值的图像检测方法以及检测系统已成为隧道工程结构无损检测领域的迫切需要之一。\n发明内容\n[0006] 本发明所要解决的技术问题就是为了克服上述现有技术存在的缺陷而提供一种隧道衬砌裂缝测量方法及其测量装置。\n[0007] 本发明的目的可以通过以下技术方案来实现：一种隧道衬砌裂缝测量方法，其特征在于，包括以下步骤：\n[0008] (1)通过数码相机采集裂缝的图像，并通过激光测距仪测定采集的距离；\n[0009] (2)在采集到的图像上选择需测量的区域，以防止由于图片太大目标裂缝较小而出现的处理偏差，并将选中的区域变成灰度图像；\n[0010] (3)为上述选中的灰度图像确定阀值，并进行二值化图像分割，得到目标区域；\n[0011] (4)在目标区域中提取出只包含裂缝的白色区域；\n[0012] (5)提取裂缝的边缘，得到边缘图；\n[0013] (6)采用最小距离法计算裂缝的像素宽度；\n[0014] (7)根据预先确定的像素实际尺寸与照相距离的标定比例，得到裂缝的实际宽度。\n[0015] 所述的步骤(1)对大裂缝进行分段采集。\n[0016] 所述的步骤(3)进一步包括：\n[0017] (31)根据下式求出整幅图像的平均灰度值：\n[0018] Tave＝∑Pixels/N，\n[0019] 其中∑Pixels为图像中每个像素的灰度总和，N为总像素数；将Tave设为初始阈值Tk，此时k＝1；\n[0020] (32)根据T1将图像分割成目标和背景两个部分，将灰度小于T1的区域称为目标区域，大于T1的区域称为背景区域，然后再求出两区域的平均灰度分别为Tlow和Thigh；\n[0021] (33)根据下式求出新阈值：\n[0022] Tk+1＝(Tlow+Thigh)/2，\n[0023] 若Tk+1不等于Tk，则将Tk+1代替Tk，返回步骤(32)，同时使k＝k+1，直到Tk+1＝Tk，执行步骤{34}；\n[0024] (34)将Tk+1当作最终的阈值，进行二值化图像分割，目标区域中包含裂缝区域以及噪声点、灰度值与裂缝近似的小块区域，将图像黑白反转。\n[0025] 所述的步骤(4)进一步包括：\n[0026] (40)找出目标区域中最大的白色部分，将其余部分处理为黑色，提取出包含裂缝的区域；\n[0027] (41)通过一个n*n的正方形单位矩阵与步骤(40)提取出的区域进行腐蚀操作，检测是否存在与其匹配的区域，若是，则对原图像中对应于所提取出的区域的所有的点进行灰度平均：Tj＝∑Pixels目标/N目标，再根据Tj将图像二值分割成目标和背景两个部分，进行图像黑白反转后，再次进行腐蚀操作，判断其是否存在与其匹配的区域，如此循环，直到图像中没有与单位矩阵匹配的区域为止，执行步骤(42)；若否，执行步骤(42)；\n[0028] (42)运用形态学方法对图像进行开、闭运算、空洞填充以及剔除边缘毛刺，寻找出最大的白色区域，将其余区域处理为黑色，得到只包含裂缝的白色区域。\n[0029] 所述的步骤(5)进一步包括：\n[0030] (51)通过7*7Zernike模板{M00，M11，M20}和图像的每一个像素点进行卷积运算，以得到相应的图像Zernike矩{Z00，Z11，Z20}，通过图像的Zernike矩来计算每个像素点的参数(φ，h，l，k)，以判断该像素点是否为边缘点，\n[0031] M00模板：\n[0032] \n[0033] M11实数模板：\n[0034] \n[0035] M11虚数模板：\n[0036] \n[0037] M20模板：\n[0038] \n[0039] (52)根据下式\n[0040] φ＝arctan[Im(Z11)/Re(Z11)]\n[0041] 计算角度φ，其中Im(Z11)和Re(Z11)分别是Z11的虚部和实部；\n[0042] (53)根据下式计算Z′11：\n[0043] Z′11＝Re(Z11)cosφ+Im(Z11)sinφ\n[0044] 然后根据公式l＝Z20/Z′11，得到l；\n[0045] (54)根据下式计算阶跃高度：\n[0046] k＝3Z′11/2(1-l2)3/2；\n[0047] (55)根据下式计算背景灰度：\n[0048] \n[0049] (56)获得了每一个像素点的边缘参数后，若像素点的参数满足k≥kt∩l≤lt，则该像素点为边缘点，利用下式：\n[0050] xs＝x+l□cos(φ)\n[0051] ys＝y+l□sin(φ)\n[0052] 计算亚像素边缘点坐标得到最终的边缘图；kt、lt为判断阀值。\n[0053] 所述的判断阀值kt为0.3，所述的判断阀值lt为图像灰度最大值的十分之一。\n[0054] 所述的步骤(7)中的标定比例通过以下步骤确定：\n[0055] (71)通过试验求得在固定镜头焦距下，拍摄距离为L时，图像中每个像素对应的实际尺寸为a；\n[0056] (72)将L作为横坐标，a为纵坐标，制作标定曲线。\n[0057] 一种隧道衬砌裂缝测量装置，其特征在于，包括数码相机、激光测距仪、连接螺杆、测量计算机以及裂缝数据库，所述的数码相机通过连接螺杆设于激光测距仪的上方，并通过一数据线与测量计算机连接，所述的裂缝数据库与测量计算机连接。\n[0058] 所述的数码相机采用sonyα350单反数码相机，该数码相机的镜头固定为300mm长度。\n[0059] 与现有技术相比，本发明不同于传统的近距离手持接触式裂缝宽度测量方法，而是将数码照相与数字图像处理相结合的技术首次运用于隧道衬砌裂缝宽度的测量，利用普通数码相机远距离数字照相方法采集得到裂缝图片，再针对远距离所拍摄图片在图像处理方面的一些不良影响，提出一种基于数字照相及图像处理技术的隧道衬砌裂缝测量方法及其测量装置，为烦杂的隧道裂缝测量工作提供了一种低成本、快速、便捷的处理手段，并得到了令人满意的精度。\n附图说明\n[0060] 图1为本发明的一种隧道衬砌裂缝测量方法的流程图；\n[0061] 图2为本发明的一种隧道衬砌裂缝测量装置的结构示意图；\n[0062] 图3为本发明的通过最小距离法计算裂缝像素宽度的示意图；\n[0063] 图4为理想阶跃边缘模型示意图。\n具体实施方式\n[0064] 下面结合附图对本发明作进一步说明。\n[0065] 如图1所示，一种隧道衬砌裂缝测量方法，包括以下步骤：\n[0066] (1)通过数码相机采集裂缝的图像，并通过激光测距仪测定采集的距离；\n[0067] (2)在采集到的图像上选择需测量的区域，以防止由于图片太大目标裂缝较小而出现的处理偏差，并将选中的区域变成灰度图像；\n[0068] (3)为上述选中的灰度图像确定阀值，并进行二值化图像分割，得到目标区域；阈值分割是最常见的直接检测区域技术。但在整幅图像中灰度的变化范围较大单一阈值不能满足要求，本发明通过改进的循环迭代方法动态地采用了和区域的灰度特性相关的自适应阈值；\n[0069] (4)在目标区域中提取出只包含裂缝的白色区域；\n[0070] (5)提取裂缝的边缘，得到边缘图；裂缝最基本的特征是边缘，边缘提取是整个过程中最重要的核心步骤，边缘检测算法的好坏会在很大程度上影响检测的效果与精度，本发明采用了亚像素边缘检测方法；\n[0071] (6)采用最小距离法计算裂缝的像素宽度；\n[0072] (7)根据预先确定的像素实际尺寸与照相距离的标定比例，得到裂缝的实际宽度。\n[0073] (8)将数据信息存入数据库，为以后对裂缝的查询、评价、处理等工作提供便利。\n[0074] 所述的步骤(1)对大裂缝进行分段采集。\n[0075] 所述的步骤(3)进一步包括：\n[0076] (31)根据下式求出整幅图像的平均灰度值：\n[0077] Tave＝∑Pixels/N，\n[0078] 其中∑Pixels为图像中每个像素的灰度总和，N为总像素数；将Tave设为初始阈值Tk，此时k＝1；\n[0079] (32)根据T1将图像分割成目标和背景两个部分，将灰度小于T1的区域称为目标区域，大于T1的区域称为背景区域，然后再求出两区域的平均灰度分别为Tlow和Thigh；\n[0080] (33)根据下式求出新阈值：\n[0081] Tk+1＝(Tlow+Thigh)/2\n[0082] 若Tk+1不等于Tk，则将Tk+1代替Tk，返回步骤(32)，同时使k＝k+1，直到Tk+1＝Tk，执行步骤{34}；\n[0083] (34)将Tk+1当作最终的阈值，进行二值化图像分割，目标区域中包含裂缝区域以及噪声点、灰度值与裂缝近似的小块区域，将图像黑白反转。\n[0084] 所述的步骤(4)进一步包括：\n[0085] (40)找出目标区域中最大的白色部分，将其余部分处理为黑色(赋值为0)，提取出包含裂缝的区域；\n[0086] (41)通过一个n*n的正方形单位矩阵与步骤(40)提取出的区域进行腐蚀操作(n大于图片中的裂缝最大宽度的像素数)，检测是否存在与其匹配的区域，若是，则对原图像中对应于所提取出的区域的所有的点进行灰度平均：Tj＝∑Pixels目标/N目标，再根据Tj将图像二值分割成目标和背景两个部分，进行图像黑白反转后，再次进行腐蚀操作，判断其是否存在与其匹配的区域，如此循环，直到图像中没有与单位矩阵匹配的区域为止，执行步骤(42)；若否，执行步骤(42)；\n[0087] (42)运用形态学方法对图像进行开、闭运算、空洞填充以及剔除边缘毛刺，寻找出最大的白色区域，将其余区域处理为黑色，得到只包含裂缝的白色区域。\n[0088] 所述的步骤(5)进一步包括：\n[0089] (51)通过7*7Zernike模板{M00，M11，M20}和图像的每一个像素点进行卷积运算，以得到相应的图像Zernike矩{Z00，Z11，Z20}，通过图像的Zernike矩来计算每个像素点的参数(φ，h，l，k)，以判断该像素点是否为边缘点；\n[0090] M00模板：\n[0091] \n[0092] M11实数模板：\n[0093] \n[0094] M11虚数模板：\n[0095] \n[0096] M20模板：\n[0097] \n[0098] (52)根据下式\n[0099] φ＝arctan[Im(Z11)/Re(Z11)]\n[0100] 计算角度φ，其中Im(Z11)和Re(Z11)分别是Z11的虚部和实部；\n[0101] (53)根据下式计算Z′11：\n[0102] Z′11＝Re(Z11)cosφ+Im(Z11)sinφ\n[0103] 然后根据公式l＝Z20/Z′11，得到l；\n[0104] (54)根据下式计算阶跃高度：\n[0105] k＝3Z′11/2(1-l2)3/2；\n[0106] (55)根据下式计算背景灰度：\n[0107] \n[0108] (56)获得了每一个像素点的边缘参数后，若像素点的参数满足k≥kt∩l≤lt，则该像素点为边缘点，利用下式：\n[0109] xs＝x+l□cos(φ)\n[0110] ys＝y+l□sin(φ)\n[0111] 计算亚像素边缘点坐标得到最终的边缘图；kt、lt为判断阀值，判断阀值kt为\n0.3，判断阀值lt为图像灰度最大值的十分之一。\n[0112] 如图4，像素点的参数(φ，h，l，k)可以通过理想阶跃边缘模型进行更加直观的表示，k是阶跃高度；h是背景灰度；l是圆盘中心到边缘的垂直距离；φ是边缘与y轴所成角度。\n[0113] 本发明的裂缝像素宽度计算采用最小距离法，具体为区分裂缝的上下边缘，分别选中上边缘的各点，采用最小距离法计算目标裂缝的宽度。\n[0114] 如图3所示，根据竖直方向上下边缘点的坐标，先从上边缘首个点开始，用上边缘点的坐标分别与下边缘的各坐标点利用高等数学中的两点间的距离公式计算，算得的最小值作为该点到下边缘的距离，可表示为：\n[0115] \n[0116] 其中，k＝0，1，2，3......\n[0117] 公式表示取上边缘的第i个点到下边缘所有点的距离的最小值。\n[0118] 依次算出上边缘每点到下边缘的距离值，将这些算得得距离值平均或求最大，便是裂缝宽度的平均值和最大值，表示为：\n[0119] \n[0120] wmax＝max(wi)。\n[0121] 所述的步骤(7)中的标定比例通过以下步骤确定：\n[0122] (71)通过试验求得在固定镜头焦距下，拍摄距离为L时，图像中每个像素对应的实际尺寸为a；\n[0123] (72)将L作为横坐标，a为纵坐标，制作标定曲线。\n[0124] 本发明的测量装置，包括数码相机1、激光测距仪2、连接螺杆3、测量计算机4以及裂缝数据库5，所述的数码相机1通过连接螺杆3设于激光测距仪2的上方，并通过一数据线6与测量计算机4连接，所述的裂缝数据库5与测量计算机4连接。\n[0125] 所述的数码相机采用sonyα350单反数码相机，其有效像素为1420万，采用\n70-300mm镜头，该数码相机的镜头固定为300mm长度。\n[0126] 条件允许的情况下，可以利用照明灯和相机三脚架等辅助设备进行拍摄，防止因光线或人为抖动等原因而造成所拍图像质量不高，影响后续的图像处理效果。