毕业设计（论文）基于图像处理的公路裂纹检测方法研究与实现

石家庄铁道大学四方学院毕业设计基于图像处理的公路裂纹检测方法研 究与实现Research and Implementation of Road Crack Detection Method Based on Image Processing 20 届 电气工程 系 专 业 电子信息工程 学 号 学生姓名 指导老师 完成日期20 年 月 日 毕业设计成绩单学生姓名学号班级专业电子信息工程毕业设计题目基于图像处理的公路裂纹检测方法研究与实现指导教师姓名指导教师职称讲师评 定 成 绩指导教师得分评阅人得分答辩小组组长得分成绩：院长(主任) 签字：年 月 日 毕业设计任务书题目基于图像处理的公路裂纹检测方法研究与实现学生姓名学号班级专业电子信息工程承担指导任务单位电气工程系导师姓名导师职称讲师一、主要内容1. 公路裂纹图像的特点；2. 公路裂纹图像预处理的基本算法（频域和时域）；3. 公路裂纹图像的阈值分割；4. 公路裂纹图像的缺陷检测；二、基本要求1. 熟练掌握Matlab工具箱的运行环境及其仿真编程语言；2. 掌握图像预处理的基本算法，从而完成公路裂纹图像的预处理；3. 熟悉图像阈值分割的方法，从而根据公路裂纹图像的特点选择适合的阈值分割的方法；4. 对不同种类的缺陷采用相应的算法进行缺陷检测，并采用指定的技术指标进行衡量，对比分析出适用于实际检测的算法。三、主要技术指标及研究方法软件环境：Matlab工具箱设计论文以图像处理的基本方法作为本设计的支持，同时也要包括对含有公路裂纹图像进行预处理、阈值分割和缺陷检测的源程序清单，应提供程序结构的描述，应用部分的算法或实现技巧以及关键理论等的说明。在理论上实现基于图像处理的公路裂纹检测；完成的仿真应能在指定的环境下运行，应有一定数量的实验数据，并给出仿真结果和评价。论文正文不少于1万字，查阅文献资料不少于10篇，其中外文文献2篇以上，翻译与课题有关的外文资料不少于3000汉字。四、应收集的资料及参考文献收集关于图像处理，以及Matlab工具箱的使用等方面的资料和参考文献。五、进度计划第1周第3周 收集资料，完成开题报告；第4周 需要和可行性调试；第5周第7周 概要设计；第8周 中期检查；第9周第12周 详细设计和代码设计；第13周第14周 论文审核定稿；第15周第16周 答辩。教研室主任签字时间毕业设计开题报告题 目基于图像处理的公路裂纹检测方法研究与实现学生姓名学号班级专业电子信息工程一、研究现状随着我国高速公路建设的快速发展，高速公路路基路面的质量监控体系越来越完善，要求的检测水平也越来越高。由于车辆在速级公路上行驶时，对路面的平整度、路面完好率要求很高，当路面出现凹凸、裂纹等病害时，应及时进行维修；否则，交通安全就会受到影响。目前，国内检测高速公路路况的手段主要是依靠人工丈量的方法，不但效率低、劳动强度大、检测速度慢、误差较大，不能满足高等级公路检测的要求，而且在高速公路上进行人工检测十分危险。CCD摄像机作为一种光电图像传感器，已广泛应用于几何尺寸测量、光谱测试、位移测量、速度测量、天文观测等领域。将CCD技术应用于高等级公路路况的检测，可解决人工丈量所存在的缺陷和不足。二、研究背景数字图像处理就是随着计算机技术的发展而迅速发展起来的。计算机的高速运算能力为数字图像处理提供了技术支持，使数字图像处理在工业中得到了广泛的应用。数字图像处理技术的应用是实现路面裂纹检测的最有效方法之一。近几年来国内外许多学者将数字图像处理技术运用到物体表面裂纹检测中并取得了较好的效果。如：PriyanGunat ilake设计的飞行器表面裂纹检测系统；J Pynn设计的道路表面裂纹自动检测系统；D.H.Ry u设计的疲劳裂纹检测系统；Atsushi Ito设计的混凝砖表面裂纹提取与测量系统；Paul W. Fieguth设计的地下管道表面裂纹检测系统等。在路面裂纹检测中，由于路面噪声、油污和黑斑在形状和分布的随机性，使图像处理算法的准确性难以保证，所以复杂背景噪声条件下的图像识别技术显得格外重要。公路面裂纹自动检测与识别过程中，图像处理算法在很大程度上影响检测与识别的效果和精度。其中关键是对公路面裂纹图像进行边缘检测、图像分割来获得公路面裂纹的特性。三、论文进行的主要工作 1. 采集路面裂纹图像，采集了损害程度严重的裂纹图像； 2. 针对图像预处理的问题，将每一个公路裂纹图像分检出来交给识别模块识别，这一过程称为图像预处理，预处理包括平滑、中值滤波、图像增强，对相关图像处理算法进行分析与讨论，并进行对比分析； 3. 图像分割采用的方法是最大熵阈值分割、迭代式阈值分割和Ostu法分割，通过仿真对比分析后选择Ostu法作为图像分割； 4. 总结过去路面检测中遇到的种种不理想情况，通过对公路面裂纹进行检测， 并结合数字图像的边缘检测采用的方法是 Canny 边缘检测、LOG算法和Prewitt算子，小波多尺度检测。检测后的图像进行处理，也能够很好地获得公路面裂纹的特性。四、采用的方法、手段 1. 图像预处理的具体方法，一是图像的增强，即增强构成图像像素，具体方法是灰度变换增强、高通滤波增强和灰度直方图均衡化，二是图像的平滑，即有均值滤波平滑、中值滤波平滑和同态滤波平滑；三是图像锐化，有拉普拉斯锐化、高斯滤波锐化和Sobel算子锐化。 2图像分割就是把图像空间分成一些有意义的区域，在此次的研究中将采用的分割方法是最大熵阈值分割、迭代式阈值分割和Ostu法阈值分割。 3数字图像边缘检测采用的方法是 Canny 边缘检测、LOG算法和Prewitt算子检测，小波多尺度检测。五、预期达到的结果1完成了MATLAB工具箱的运行环境及其仿真编程语言；2完成了图像增强、图像的平滑、图像锐化的基本算法，从而完成公路裂纹图像的预处理。3完成了图像分割的方法；4完成了图像的边缘检测，采用不同算法进行边缘检测，并对比分析出适用于实际检测是小波多尺度检测进行边缘检测。 指导教师签字 时 间 年 月 日摘 要随着我国高速公路建设的快速发展，高速公路路基路面的质量监控体系越来越完善，要求的检测水平也越来越高。因此本设计提出了基于图像处理的公路裂纹检测方法研究与实现。根据图像处理的公路裂纹检测方法研究与实现的基本原理，以数字图像处理方法为研究内容，在图像预处理、图像分割、图像边缘检测处理方面进行了研究，并结合公路裂纹图像的固有特点，利用Matlab程序仿真实现了公路裂纹自动检测方法的研究。图像预处理包括：图像增强、图像平滑和图像锐化。其中图像增强采用的方法是灰度变换增强、高通滤波增强和灰度直方图均衡化；图像平滑，采用均值滤波平滑、中值滤波平滑和同态滤波平滑；图像锐化采用，拉普拉斯锐化、高斯滤波锐化和Sobel算子锐化。图像分割采用的方法是最大熵阈值分割、迭代式阈值分割和Ostu法；边缘检测采用的方法是 Canny 边缘检测、LOG算法、Prewitt算子检测和小波多尺度检测。通过比较在预处理中选择了灰度变换增强、选择了中值滤波平滑、Sobel算子锐化并利用Ostu法阈值分割法进行分割；最后用了小波多尺度检测进行检测，在路面裂纹检测方法与研究中可以较好的实现路面裂纹图像的检测。关键词：数字图像处理 路面裂纹 图像增强 图像分割 边缘检测AbstractWith the rapid development of our country highway construction, highway roadbed quality monitoring system is more and more perfect,the requirements of the detection level is becoming more and more high.So the design proposes research research and lmplementation of road crack detection method based on lmage processing.Road crack detection method research and implementation of the basic principle based on image processing research the content of image processing,compose of image preprocessing,image segmentation, image edge detection processing,combined with the inherent characteristics of road crack image,use the Matlab simulated and implemented design of highway crack automatic detection method.Image preprocessing including:image enhancement,image smoothing and image sharpening.Image enhancement methods adopt high-pass filtering,gray-scale transformation enhancement and gray histogram equalization; The image smooth,use median filter smoothing,median filtering, smoothing and homomorphic filtering;Image sharpening,Laplace sharpening,gaussian filtering,sharpening and Sobel operator sharpening.Image segmentation cover the maximum entropy threshold segmentation method,iterative threshold segmentation and the Ostu method;Edge detection methods include Canny edge detection,the LOG algorithm and Prewitt operator,and the wavelet multi-scale detection.By comparing in the preprocessing choose gray level transformation,median filter smoothing, sharpening Sobel operator and use of Ostu segmentation as the image threshold segmentation method;Finally used the wavelet multi-scale detection test, can realize the road crack image detection in the study of road crack detection method.Key words：digital Image processing surface crack mage enhancement image segmentation crack classification目 录第1章 绪论11.1 研究目的及意义11.2 国内外研究现状21.3 研究的主要内容3第2章 公路裂纹图像的预处理52.1 公路裂纹的特点及图像处理质量评价52.2 公路裂纹图像的增强62.2.1 灰度直方图均衡化62.2.2 灰度变换82.2.3 高通滤波增强82.2.4 图像增强结果对比分析82.3 公路裂纹的平滑92.3.1 均值滤波平滑102.3.2 中值滤波平滑102.3.3 同态滤波平滑112.3.4 图像平滑对比结果分析112.4 公路图像的锐化122.4.1 拉普拉斯锐化132.4.2 Sobel算子132.4.3 高斯滤波锐化142.4.4 图像锐化对比结果分析14第3章 公路裂纹图像的分割163.1 图像分割描述163.2 最大熵阈值分割173.3 迭代式阈值分割173.4 Ostu法阈值分割183.5 图像分割结果对比分析19第4章 公路裂纹图像的边缘检测214.1 边缘检测论述214.2 传统的边缘算子214.2.1 Canny边缘检测214.2.2 LOG算法检测224.2.3 Prewitt算子检测234.3 小波多尺度边缘检测244.4 图像边缘检测结果对比分析25第5章 结论27参考文献28致谢29附录30附录A 外文资料30附录B 程序清单35II石家庄铁道大学四方学院毕业设计第1章 绪 论1.1 研究目的及意义高速公路对国家和地区的经济发展起到了关键性的作用，俨然已成为衡量一个国家现代化程度的标志，近几年我国高速公路的建设十分迅速，据官方资料1至2012年年底，我国高速公路总里程已经达到了4.1万公里，位居世界第二位，而在“十一五”期间全国又新建成高速公路2.4万公里，至此高速公路总里程达到6.5万公里。一大批高速公路的建成，为沿线地区的经济腾飞做出了巨大贡献，促进了国民经济的迅速发展，但是因为高速公路暴露于大气中，需长期承受着雨水的腐蚀、车辆的重压、人为的破坏等等，因此养护工作就显得格外重要，否则将严重影响到交通安全的状况。在公路养护中，路面裂纹是衡量道路质量最重要的一个指标，如果在裂纹出现的初期就能够及时的发现，并且对裂纹的发展情况给予实时的跟踪，那么公路的养护费将会极大的减少，同时还能够使得高速公路的行车安全得到保证。目前国内主要是依靠人工来检测高速公路的路况，已经不能够满足高速公路的检测要求，其主要的缺点有以下几点2：(1)人力耗费过大：基于人视觉的检测需要依靠养护工人到现场，使用眼睛来观察，然而一条高速公路里程数相当可观，因此工人的劳动强度过大。(2)时间耗费过长：虽然投入巨大的人力，但是由于是基于人的视觉特性，因此速度依然很慢。(3)精确度不高：判断裂纹易受人的主观因素影响，因此判定结果会因人而异。(4)影响正常的交通：检测路面病害时，需要将高速公路封闭，从而会影响到正常的交通。(5)危险：尽管检测路面病害时是封闭了车道，但是依然存在潜在的人身安全隐患。(6)花费过高：因为投入了巨大的人力和时间，所以花费很高。数字图像处理3，又称计算机图像处理，这是因为在一般情况下是用计算机来处理，它是指先将图像信号转换成数字信号，然后再用计算机对其加工处理的技术。在二十世纪六十年代的初期，数字图像处理成为一门学科，早期的数字图像处理主要是为了提高图像的质量，从而可以大大改善人的视觉效果，从七十年代中期开始，人工智能、计算机技术伴随着图像处理技术的进一步的发展而得到快速的发展，数字图像处理的技术开始向着更高层次发展，即计算机视觉，这种技术是利用计算机来模拟人类的视觉神经系统，通过描述各种图像来理解外面的世界。数字图像处理主要研究的内容有4：图像编码、图像增强、图像复原、图像分割，图像描述，图像识别等等。伴随着数字图像处理技术、大容量的存储器以及高性能CPU的不断发展，使得基于数字图像处理技术的路面裂纹检测技术成为可能，利用先进的图像采集技术，对公路路面图像采集，并将采集的数据存放到大容量的存储设备中，可以离线也可实时的对采集到的图像处理，当然如果是实时的处理图像，则会要求图像处理的算法更高效，相关的硬件设备性能更好。利用上述的新技术应用于公路裂纹的检测，不仅可以节省劳动力、去除人的主观因素影响，而且可以快速、准确地对公路的路况进行评价，显然是路面裂纹检测发展的必然趋势。综上所述基于数字图像处理技术的路面裂检测技术，是一门具有使用价值的高新兴技术。1.2 国内外研究现状高等级公路是国家现代化建设的重要基础设施，它不但是交通现代化的重要标志，也是国家现代化的标志。从1988年上海至嘉定高等级公路建成通车至今17年间，中国高等级公路总体上实现了持续、快速和有序的发展，特别是1998年以来，国家实施积极的财政政策，高等级公路得到快速发展，年均通车里程超过了4000公里，到2004年底，中国高等级公路通车里程已超过34万公里，继续保持世界第二。随着高等级公路里程的增加和使用时间的延长，公路的养护任务势必将越来越繁重；另外一方面，近年来许多公路建成后，受交通量迅速增长、车辆大型化、超载严重、行驶渠道化等影响，使高等级公路路面在使用过程中受到严重的考验。为使高等级公路逐步进入中修和大修期，养护工作必须向高科技、现代化方向发展。在整个公路养护工作中，路面养护工作是一个中心环节，这是因为路面是直接承受行车载荷和自然因素作用的结构层，关系着行车是否安全、快速、经济和舒适。因此，路面养护质量是公路养护质量考核的重点。随着公路网的扩大，已有公路的养护问题日渐突出。由于车荷载作用、外界环境影响以及施工中存在的不足，路基路面必然会出现各种破损。路面破损对路面的承载能力、耐久性，对车辆的行驶速度、燃油消耗、行车舒适性、交通安全等造成不利的影响。裂纹类病害是公路路面的主要病害之一。路面裂纹是一种比较难估计的破损状态，如果能及早发现路面裂纹并及时处理，那么维护费用将大大降低。目前国内检测高速公路路况的手段主要是人工检测的方法，通常由现场调查人员对破损位置及面积进行测量和记录，然后对数据进行统计和归类，并进行存档，以供评判。人工检测方法效率低、工作强度大、检测速度慢、精度较低，并且在高速公路上进行人工检测时，检测人员的人身安全也受到了影响。因此，研究高速公路路面破损自动检测与识别技术，从而高效、快速、准确地对公路路况进行评价不但能够为公路管理和养护部门的决策提供科学的依据，还可以提高公路养护部门的工作效率，减轻公路养护人员的劳动强度，具有重要的意义。数字图像处理的算法成千上万种，但是数字图像处理的对象和目的是各不相同的，在路面裂纹检测技术中，最为核心的是就是基于数字图像处理的路面裂纹检测算法，研究的对象主要就是路面裂纹，近些年来国内外为了研究路面裂纹的自动检测技术投入了大量的人力和物力，已经获得了大量的成果。常用的路面病害图像增强算法5，6主要有均值滤波、中值滤波和自适应平滑滤波等等，但是这些算法缺乏对整幅图像的理解，并且不能很好的保持住裂纹的边缘。Chou等7利用模糊技术对路面裂纹图像进行了增强，去除了不均匀光照引起的图像噪声，但是不能保持裂纹的边缘。马长霞8等提出基于NSCT的路面裂纹增强算法，不仅可以去除由不均匀光照等引起的噪声，还可以保持裂纹边缘，但是算法运行时间过长，不能满足实时性的要求。常用路面裂纹图像分割算法主要有基于边缘的分割算法（一阶梯度算子、二阶梯度算子 、canny 算子），直方图法等，但是因为图像中的裂纹不明显而效果不佳。Tsai等提出OSTU阈值分割算法，但因为路面裂纹的背景和目标大小之比有时过小，使得类间方差有可能呈双峰性，从而使得OSTU法失效。周帆帆等提出使用区域增长的方法来分割，取得了不错的效果。熊和金等9利用人工神经网络对裂纹进行分类，将网状裂纹的面积以及周长作为的输入特征。肖旺新等10提出破损密度因子的概念，通过统计裂纹像素和背景像素的关系，然后利用人工神经网络进行识别分类，取得了良好的效果。王殉11提出了基于人工神经网络的方法来判断路面的损害程度，结合了路面裂纹图像的灰度、纹理等特征，经实验证明该算法的效果远远好于人工判断的方法。闫茂德等基于数学形态学理论，设计了一套裂纹预处理、分割、检测、的方法，取得不错的效果。1.3 研究的主要内容 本论文结合公路裂纹的特点，重点研究和对比实现图像处理的公路裂纹检测方法。研究的主要内容如下：(1)对公路路面裂纹图像预处理，采用了三种预处理方法：公路裂纹图像的增强，公路裂纹的平滑，公路图像的锐化。公路裂纹图像的增强用的方法有：灰度直方图均衡化、灰度变换、高通滤波增强，并进行了灰度增强的对比结果分析，最后选择灰度变换作为图像的增强。公路裂纹的平滑采用的方法有：均值滤波平滑、中值滤波平滑、同态滤波平滑，经过对比分析选择中值滤波作为平滑。公路图像的锐化采用的方法有：拉普拉斯锐化、高斯滤波锐化、Sobel算子锐化，并进行了图像锐化的结果对比总结，选择Sobel算子作为锐化。(2)图像分割就是把构成图像的各个要素即像素进行分类。其目的就是将图像细分为它的子区域或者对象。分割的方法取决于所要解决的问题。本章图像分割方法主要分以下几类：最大熵阈值分割、迭代式阈值分割、Ostu法阈值分割，最后进行图像分割结果对比分析，Ostu法阈值分割效果最好，所以选择Ostu法阈值分割。(3)对图像进行边缘检测。图像的边缘是图像最基本的特征，边缘主要存在于目标与背景之间、目标与目标之间、基元与基元之间，是图像局部像素灰度变化最显著的部分。本设计对裂纹图像进行边缘检测的方法包括，传统的边缘算子：Canny 边缘检测、LOG 算子、Prewitt算子；小波多尺度检测，最后进行了图像边缘检测结果对比分析，得到小波多尺度检测效果最好，所以选择小波多尺度检测作为边缘检测。第2章 公路裂纹图像的预处理2.1 公路裂纹的特点及图像处理质量评价我国高速公路建设近年来取得了巨大的进步，但随之也出现了许多病害，如破损、裂纹、沉降等，其中裂纹是最常见，也是危害最大的一种。裂纹不仅影响路面美观、降低平整度，而且会影响整个道路的使用寿命，特别是当路面开裂后，雨水就会通过裂纹渗到路面基层、底基层甚至路基，这样会腐蚀混凝土路基，削弱基层、土基的强度，加速道路的破坏，缩短路面的使用寿命。因此，要及时对高速公路路面裂纹进行预处理。目前对图像处理质量评价主要有两类常用的方法：一类是人的主观评价，它由人眼直接观察图像效果，这种方法受人为主观因素的影响比较大。目前由于对人的视觉系统性质还没有充分的理解，对人的心理因素还没有找到定量分析方法。因此主观评价标准还只是一个定性的描述方法，不能作定量描述，但它能反映人眼的视觉特性。另一类是图像质量的客观评价。它是一种数学上统计的处理方法，其缺点是它并不是总能反映人眼的真实感觉。一种折衷的方法是在衡量图像“去噪”算法的优劣时，将主观与客观两种标准结合起来考虑。主观评价通常有两种：一种是作为观察者的主观评价，这是由选定的一组人对图像直接用肉眼进行观察，然后分别给出其对所观察的图像的质量好或坏的评价，再综合全组人的意见给出一个综合结论。它只是一种定性的方法，没有定量的标准，而且受到观察者的主观因素的影响，评价结果有一定的不确定性。另一种是随着模糊数学的发展，可以用模糊综合评判方法来尽量减少主观因素的影响，实现对图像质量近似定量的评价，不过它仍然没有完全消除主观不确定性的影响，目前通用的图像处理质量评价主要有5级评分的质量尺度和妨碍尺度，如表2-1所示。表2-1 图像主观评价尺度评分表效果得分质量尺度妨碍尺度5非常好丝毫看不出图像质量变坏4好能看出图像质量变坏，不妨碍观看3一般能清楚地看出图像质量变坏，对观看稍有妨碍2差对观看有妨碍1非常差非常严重地妨碍观看图像客观质量评价方法是先计算出被评价图像的某些统计参数和物理参数，最常用的是图像相似度的测量。图像相似度的测量通常是用处理后的图像与原图像之间的统计误差来衡量处理图像的质量，常用的图像相似度测量参数有均方根误差(RMSE)和峰值性噪比(PSNR)，若RMSE越小(或PSNR越大)，则从统计意义上来说，被评价图像与原图像的差异越小，图像的相似度越高，获得的质量评价也就越高，此种方法适用于黑白图像及灰度图像的质量评价。对于大小，量化级为0255的图像：(1)均方误差RMSE： (2-1)(2)峰值信噪比PSNR： (2-2)表示处理后的图像的灰度，表示原始图像的灰度，PSNR单位为db。2.2 公路裂纹图像的增强图像增强是指对图像的某些特征，如边缘，轮廓，对比度等进行强调或锐化，以便于显示，观察或进一步分析与处理。在获取图像的过程中，由于多种因素的影响，导致图像质量会有所退化。图像增强的目的在于：(1)采用一系列技术改善图像的视觉效果，提高图像的清晰度。(2)将图像转化成为一种更适合于人或机器进行分析处理的形式。增强的首要目标是使处理后的图像比原始图像更适合于特定应用。这里“特定”的意思很重要，所以图像增强的方法是因应用不同而不同的。例如，一种很适合增强X线射线图像的方法。不一定是增强由空间探测器发回的火星图像的最好的方法。图像增强的最大困难是很难对增强结果加以量化描述。图像增强的通用理论是不存在的。这与没有衡量图像增强质量通用和客观的标准有关。增强的结果一般要靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。2.2.1 灰度直方图均衡化直方图均衡化方法把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。当图像的直方图为一均匀分布时，图像的信息熵最大，此时图像包含的信息量最大，图像看起来就显得清晰。该方法以累计分布函数为基础，其变换函数取决于图像灰度直方图的累积分布函数。它对整幅图像进行同一个变换，也称为全局直方图均衡化。直方图均衡化的具体步骤有如下三步：第1步，根据公式(2-3)计算原图像的灰度直方图： (2-3)以其中为原图像像素总数，表示第个灰度级， 表示图像中灰度级出现的像素的个数，表示灰度级出现的概率。第2步，根据公式(2-3)计算原图像的灰度累计分布函数，并根据公式(2-4)求出灰度变换表： (2-4) (2-5) 其中为第个灰度级别变换后的灰度值，0.5的作用是四舍五入。第3步，根据灰度变换表，将原图像各灰度级映射为新的灰度级，即可完成直方图均衡化。大多数自然图像由于其灰度分布集中在较窄的区间，引起图像细节不够清晰。采用直方图均衡化后可使图像的灰度间距拉开或使灰度均匀分布，从而增大反差，使图像细节清晰，达到增强的目的。 原图的灰度集中在较小区域以至于视觉无法分辨图像内容，经过直方图均衡化增强后，细节清晰可辨。直方图均衡化方法有以下两个特点：(1)根据各灰度级别出现频率的大小，对各个灰度级别进行相应程度的增强，即各个级别之间的间距相应增大。(2)可能减少原有图像灰度级别的个数，即对出现频率过小的灰度级别可能出现简并现象。 （2-6）只有满足公式(2-6)时，第个灰度才会映射到与第个灰度不同的灰度级别上，即第个灰度出现频数小于时都可能与第个灰度映射到同一个灰度级别上，即简并现象。直方图均衡化的简并现象不仅使出现频数过大的灰度级别过度增强，还使关注的目标细节信息丢失，未能达到预期增强的目的。2.2.2 灰度变换灰度变换是图像处理最基本的方法之一，灰度变换可使图像动态范围加大，图像对比度增强，图像清晰，特征明显，是图像增强的重要手段。灰度变换在图像复制中也称为层次校正，印刷制版中的层次校正就是对印刷图像在成像过程中，扫描系统、光电转换系统、印刷工艺等诸多因素所造成的像质恶化进行校正，从而改善图像的质量。图像的灰度变换又称为灰度增强，是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。即设原图像像素的灰度值，处理后图像像素的捉度值，则灰度变换可表示为： (2-7)当灰度变换关系确定后，则确定了一个具体的灰度增强方法。通常是一个单值函数。2.2.3 高通滤波增强一个阶，截止频率为的巴特沃斯高通滤波器的传递函数为： (2-8) 与巴特沃斯低通的一样，一般情况下，常取使最大值降到某个百分百的频率为巴特沃斯高通滤波器的切断频率。图像经过高通滤波处理后，许多低频信号没有了，因此图像的平滑区基本上消失。对于这个问题可以用高频加强滤波来弥补。所谓高频加强滤波就是在设计滤波器传递函数时，加上一个大于0小于1的常数： (2-9) 用高频加强滤波可以取得比一般高通滤波效果好的增强图像。2.2.4 图像增强结果对比分析如表2-2和图2-2、图2-3和2-4所示为不同方法对图像进行增强后的仿真对比分析图。由仿真结果图可以看出，如图2-2所示直方图均衡化后的图像对比度降低，细节轮廓方面模糊；如图2-3所示经灰度变换增强后的峰值信噪比PSNR较大且均方根误差RMSE较小，如图所示2-4而用高通滤波增强后图像的亮度变暗，不利于图像的观看。故综合选择图2-3灰度变换作为公路裂纹图像的增强处理。表2-2 不同方法对图像增强后的PSNR和RMSE图像增强方法RMSEPSNR灰度直方图均衡化68.832211.3748灰度变换43.124615.4364高通滤波63.781512.0363 图2-1 原始图像 图2-2 灰度直方图均衡化后的图像 图2-3 灰度变换后的图像 图2-4 高通滤波增强后的图像2.3 公路裂纹的平滑 任何一幅未经处理的原始图像，都存在一定程度的噪声干扰，噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。图像平滑的主要目的就是去除或衰减混杂在图像上的噪声的干扰，改善图像的质量。图像平滑处理对图像细节是有衰减作用的，就同一种平滑方法而言，去除或衰减噪声的效果越好，图像就越模糊，即图像细节损失越多。因此，在对图像进行平滑处理的过程中，要二者兼顾。路面裂纹图像中一般具有两类对象：一类是背景（状况良好的路面），另一类是将要识别的目标（裂纹），相对应的数字图像中具有两类像素集：一类是代表背景的像素；一类是代表裂纹的像素。在较理想的情况下，背景是肯定没有裂纹暗的，但实际情况由于受多种因素的干扰会有所改变，具体情况如下所述：(1)由于会受到不规则的路面缝隙、不均匀光照以及采集设备的影响，因此路面裂纹图像中会有各种噪声；(2)路面裂纹图像的背景颜色存在着很大的不定性即变化性，这是因为路面材料具有不均匀的特性性，因而导致路面表面的纹理产生不均匀；(3)转换后得到的灰度路面裂纹图像中，未损坏路面的灰度值与裂纹部分的灰度值可能有重叠的部分；(4)路面裂纹图像中背景（即正常路面）的所有像素的数量远远大于目标（即裂纹）的所有像素的数量； (5)因为路面损坏的程度不同，所以路面裂纹的大小与面积也不尽相同，导致路面裂纹图像的颜色也有着比较大的变化，有的裂纹中还会出现一些大的诸如石子之类的物体，这些物体在路面裂纹图像中显示出的颜色可能会比图像的背景颜色更亮，同样会引起图像颜色的较大变化，但是从总体上看裂纹图像还是要比正常路面图像的暗。为了能够更好的去除各种干扰对检测路面裂纹的所产生的影响，我们要对裂纹图像进行增强处理，为后续的分割和识别做好准备。2.3.1 均值滤波平滑均值滤波法也称做域平均法，其基本思想是在原图中将一个像素的灰度值和它周围相邻的像素的灰度值相加并且求得平均值，在新图中这个像素的新灰度值即为求得的平均值，是一种线性的滤波算法。均值滤波算法采用了模板计算的思路，在数学中模板运算其实就是卷积运算，用模板操作来完成一个邻域运算，某个像素点的最终运算结果不仅与其本身的灰度值相关，并且与其相邻的像素的灰度值也相关。假设一幅图像 为阵列，滤波后的图像为，则根据算法，运算公式如式(2-11)所示： (2-10)在式(2-11)中，代表以为中心的所有邻域像素点的集合；是内所有像素点的总数；，的取值范围为0-1。2.3.2 中值滤波平滑在有序的一系列表中，中值是位于中心的值。中值滤波是一种可以减少边缘模糊的非线性平滑技术，它的思想是将数字图像当前的点的值用域中各点的中值代替，即让图像中所有像素点与其邻域中每一个像素点按灰度值的大小来排序，该像素点的输出灰度值最终为排序后的中间灰度值，因为每一像素相邻的像素值最终都会很接近于真实值，从而可以消除掉孤立噪声点。中值滤波算法的中心思想是：在图像中用一个滑动窗口逐点的滑动，此滑动窗口有奇数个点且窗口为方形或条形，将采样窗口内的像素点按像素值的大小进行排序，最后将窗口中心像素点的值设定为排序后的中值。假设原图像以(，)为中心，则中值滤波可用公式(2-11)所示： (2-11) 其中为滤波后的图像，为窗口的大小，就是窗口内像素灰度值，、为沿着窗口左上角开始的各个偏移中心点的位移。具体算法的步骤如下所示：(1)设定窗口的大小，尽量设定为奇数的；(2)窗口每滑动到新的位置，立即记下此时中心像素点所在的位置；(3)按照从大到小的顺序，对上述窗口内的每一个像素点的按灰度值的大小进行排序； (4)每当产生一个新的灰度值序列时，记下此序列的中间灰度值；(5)窗口内的中心位置上的像素用步骤(4)中选择的灰度值替代，作为该像素新的灰度值。2.3.3 同态滤波平滑同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的可用公式(2-12) 表示： (2-12) 2.3.4 图像平滑对比结果分析 为了能够更好的去除各种干扰对检测路面裂纹的所产生的影响，要对裂纹图像进行图像平滑处理，为后续的锐化做好准备。图像平滑效果图，如表2-3和图2-6、图2-7和图2-8所示为不同方法对图像进行平滑后的仿真对比分析图。表2-3 不同方法对图像平滑后的PSNR和RMSE图像平滑方法RMSEPSNR中值滤波4.237335.5890均值滤波7.419730.7231同态滤波63.785712.0363 图2-5 原始图像 图2-6 中值滤波平滑图像 图2-7 均值滤波平滑图像 图2-8 同态滤波平滑图像由上述仿真结果图可以看出，如图2-6所示中值滤波后的图像更接近原始图像；经平滑后的PSNR较大且均方根误差RMSE较小，如图所示2-8而用同态滤波强后图像的亮度变暗，不利于图像的观看。故综合选择图2-7均值滤波作为公路裂纹图像的平滑处理。2.4 公路图像的锐化在图像处理中，为了去除图像噪声，通常使用图像平滑技术，但是图像经过平滑后或多或少会使图像中的边界、轮廓变的模糊。图像锐化的目的就是为了减少这类不利效果的影响，使图像的边缘、轮廓线以及图像的细节变的清晰，以便人眼和机器的识别。平滑的图像变得模糊的根本原因是图像受到了平均或积分运算的原因，因此对图像进行逆运算(如微分运算)来使图像变得清晰。从频率域来考虑，图像模糊的实质是其高频分量被衰减，因此可以用高通滤波器来使图像清晰。从增强的目的看，它是与图像平滑相反的处理方法。本文研究了常用的拉普拉斯算子、Canny算子以及高通滤波法对公路裂纹图像进行锐化。2.4.1 拉普拉斯锐化拉普拉斯算子是一种线性锐化滤波器，它是一种二阶微分算子，强调图像中灰度的突变，突出细节。拉普拉斯算子是微分运算的线性组合，且是旋转不变性的线性运算。设原图像为，锐化后图像为，为拉普拉斯算子，则： (2-13)因为在图像中，微分就是差分。对于数字图像来讲，拉普拉斯算子定义为： (2-14) 式中 (2-15) 类似的可以求得 (2-16)所以 原数字图像，拉普拉斯锐化后为： (2-17)2.4.2 Sobel算子Sobel算子的基本思想是：以待增强的图像的任意像素为中心，截取一个33的像素窗口，如图2-3所示。分别计算窗口中心像素在方向上的梯度：(2-18)图2-3 Sobel算子图像窗口增强后图像在处的灰度值为 (2-19)可以看出，Sobel算子在计算方向和方向上的梯度时，不像普通梯度算子那样只用两个像素灰度差值来表示，而是采用两列或者两行像素灰度加权和的差值来表示，这使得Sobel算子具有如下两个优点：(1)由于引入了加权平均，因而对图像中的随机噪声具有一定的平滑作用。(2)由于Sobel算子采用间隔两行或者两列的差分，所以图像中边缘两侧的像素得到增强。Sobel算子得到的锐化图像的边缘显得粗而亮。2.4.3 高斯滤波锐化 高斯滤波锐化是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波锐化就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。引入高斯滤波锐化函数为： (2-20)该函数各向同性，其曲线是草帽状的对称图，该曲线对整个覆盖面积求积分为1。高斯滤波的思路就是：对高斯函数进行离散化，以离散点上的高斯函数值为权值，对我们采集到的灰度矩阵的每个像素点做一定范围邻域内的加权平均，即可有效消除高斯噪声。2.4.4 图像锐化对比结果分析为了去除图像噪声，使用图像锐化技术，但是图像锐化或多或少会使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘、轮廓线以及图像的细节变的清晰。图像锐化结果如表2-4和图2-10、图2-11和图2-12所示为不同方法对图像进行锐化后的仿真对比分析图。表2-4 不同方法对图像锐化后的PSNR和RMSE图像锐化方法RMSEPSNR拉普拉斯130.81715.7975Sobel算子130.77925.6030高斯滤波135.43935.4959 图2-9 原始图像 图2-10 拉普拉斯锐化图像 图2-11 高斯滤波锐化图像 图2-12 Sobel算子锐化图像 由仿真结果可看出如图2-12所示Sobel算子锐化图像不容易受噪声干扰，能够锐化到真正的弱边缘，并且客观评价均优于其他两种方法。如图2-11所示高斯滤波锐化图像可以看出裂纹模糊。所以选择Sobel算子进行下一章的图像分割。 第3章 公路裂纹图像的分割3.1 图像分割描述所谓的图像分割就是把构成图像的各个要素即像素进行分类。其目的就是将图像细分为它的子区域或者对象。分割的方法取决于所要解决的问题。在应用中，当目标对象已经被分离出来就停止分割。精确的分割决定着计算分析过程的成败。图像的分割是是图象处理中的一项关键技术，一直受到人们的高度重视。图像分割是图像处理中最困难的任务之一，至今尚无通用的图象分割的理论。现己提出上千种分割算法，提出的分割算法大都是针对具体问题的，并没有一种通用的适合所有图象的分割算法。从图像预处理到图像的识别和理解，中间必经的关键一步即为图像分割，因此图像分割在数字图像处理技术中有着极其重要的地位，这主要体现在：一图像分割是表示目标的前提，其影响着特征测量的结果；二原始的图像在经过分割后得到了目标，然后通过提取计算目标的特征参数使得目标可以被进一步转化为更高级的形式，为图像在更高层次的分析和理解奠定了坚实的基础。在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常被称为目标或前景，其它部分称为背景，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来。图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。人们在研究图像时一般都会有一个既定的目标，这个目标有可能是图像中的某一部分，也有可能是图像中的某些部分，而图像分割的目的就是为了把目标提取出来的，为后期进一步的研究奠定基础，本章主要介绍了图像分割的相关概念，研究了常用于路面裂纹图像的分割算法，有基于阈值分割的算法、基于边缘的分割算法，基于区域的分割算法，通过仿真实验分析了各自的优劣。图像分割中最具代表性的一种分割算法是阈值分割法，可以进一步将其分成两种方法，一种是全局阈值分割法，另一种是局部阈值分割法。全局阈值分割算法是指在分割处理时对图像所有的像素均使用同一个的阈值，这种方法一般只考虑像素本身的灰度值，不考虑空间特征，所以对噪声很敏感，对最佳阈值的选择比较经典的方法有Ostu法和最大熵值法，局部阈值分割算法是指在分割处理时像素使用的阈值不是都一样的，可以兼顾图像各处的情况来对图像各部分进行分别分割。3.2 最大熵阈值分割1980年T. Pun最先提出了由图像的灰度直方图的熵来自适应的得到分割的阈值这一想法，而后由Kapur等人在T.Pun的基础上提出了改进了的最Shannon熵法，大大的改进了算法适用的范围和效果，T.Pun和Kapur提出的算法均是一维最大熵法，而此算法容易受到噪声的干扰，因此图像的局部空间信息不能够被一维的灰度直方图所反映，于是1989年A.S.Abutale将一维最大熵法拓展到灰度级-邻域平均灰度级二维直方图，分割的效果取得明显改善。二维最大熵分割法的定义如下：将图像分成两类分别是目标和背景，目标用来表示，背景用来表示，而类和类有着不同的分布概率分别如式3-1、式3-2式所示， 为分割阈值的矢量。 (3-1) (3-2)其中：让目标类和背景类的后验熵最大是二维最大熵分割分割的最终目的，则与每个分布有关的熵被定义为式3-3与式3-4，如下所示： (3-3)