一种基于图像边缘的混凝土表面粗糙度的检测方法技术

本发明专利技术公开了一种基于图像边缘的混凝土表面粗糙度的检测方法；该检测方法包括以下步骤：1）对已知混凝土粗糙度数值的样块表面进行图像采集；2）对采集的图像进行预处理；3）对预处理后彩色图像进行灰度化；4）对灰度图像进行处理；5）对处理后灰度图像进行像素级和亚像素级边缘检测；6）对边缘图像逻辑或运算；7）计算边缘频率；8）最小二乘法拟合边缘频率和粗糙度曲线；对于未知粗糙度的混凝土图像，重复上述步骤1）至步骤7），计算出边缘频率，就能够获得其粗糙度值。本发明专利技术能够在便携的手机设备下，对混凝土表面粗糙度进行检测，简单高效，并到达较高的精度。达较高的精度。达较高的精度。

【技术实现步骤摘要】
一种基于图像边缘的混凝土表面粗糙度的检测方法


[0001]本专利技术属于图像处理
，具体地说是一种基于图像边缘的混凝土表面粗糙度的检测方法。

技术介绍

[0002]浇注不同龄期的混凝土，以此来新建、修复或改造混凝土结构，需要混凝土铸件之间有足够的粘结。不同铸件之间的粘结强度归因于表面粗糙度。表面粗糙度可以通过多种方式实现，例如喷砂、拉毛、印花等。目前，对于混凝土表面粗糙度常见的检测方法有灌砂法、机械探针法、轮廓纹理仪法等。面对成千上万的混凝土待测试块，这些传统的检测混凝土表面粗糙的方法十分的费时，操作较为复杂，操作设备不易便携，检测成本昂贵。

技术实现思路

[0003]本专利技术所要解决的技术问题就是提供一种基于图像边缘的混凝土表面粗糙度的检测方法，能够在便携的手机设备下，简单高效进行检测，并到达较高的精度。
[0004]本专利技术采用如下技术方案：
[0005]一种基于图像边缘的混凝土表面粗糙度的检测方法，包括以下步骤：
[0006]步骤1：图像采集
[0007]对已知混凝土粗糙度数值的样块表面进行图像采集，粗糙度数值由三维激光扫描仪检测所得；
[0008]步骤2：彩色图像预处理
[0009]对彩色图像进行预处理，对图像因光照的不均匀引起的亮度不均匀和图像不清晰问题进行校正；
[0010]步骤3：彩色图像灰度化
[0011]对预处理后的彩色图像，通过计算每一个像素R、G和B分量的加权和，将像素RGB值转换为灰度值，得到灰度图像；<br/>[0012]步骤4：灰度图像处理
[0013]对灰度图像进行均值滤波，得到滤波后的图像，利用某像素点周边像素的平均值来实现平滑噪声的效果；其次，对所有像素值最低的1％和最高的1％进行饱和处理，从而提高输出图像的对比度；
[0014]步骤5：像素级和亚像素级边缘检测
[0015]对步骤4处理后的灰度图像，分别采用Canny算子实现像素级边缘检测，用Zernike矩实现亚像素级边缘检测，分别得到像素级和亚像素级的边缘图像；
[0016]步骤6：边缘图像逻辑或运算
[0017]对Canny边缘检测和亚像素级Zernike边缘检测出的边缘图像进行逻辑或运算；
[0018]步骤7：计算边缘频率
[0019]定义对逻辑或运算后的新图像中，白色边缘像素点数与总像素的比值为边缘频
率，假设图像分辨率为X*Y，则边缘频率EF为：
[0020][0021]其中，N(1)为白色像素，N(0)为黑色像素；
[0022]步骤8：采用最小二乘法拟合边缘频率和粗糙度曲线
[0023]基于对所有采集到的已知表面粗糙度的混凝土图像的粗糙度数据以及计算得到的相应边缘频率数据，采用最小二乘法拟合出边缘频率和粗糙度曲线；
[0024]进一步对于未知粗糙度的混凝土图像，只需要重复上述步骤2至步骤7，计算出边缘频率，那么基于曲线就获得其相应的粗糙度数值。
[0025]本专利技术中，步骤2中，对彩色图像预处理的方法如下：
[0026]首先，通过亮通双边滤波提取光照变量，将RGB三通道彩色图像转换为HSV通道，并从V通道估计出光照分量；
[0027]再构造一种二维Gama伽马函数，利用光照分布特性调整二维伽马函数的参数，降低光照过强区域的亮度值，提高光照过暗区域图像的亮度值，实现对光照不均匀图像的自适应校正。
[0028]和现有技术相比，本专利技术的有益效果在于：
[0029]本专利技术能够在便携的手机设备下，通过图像处理的方法对光照不均匀的图像自适应的校正，利用两级边缘检测并做逻辑或运算，得到更加完整的图像的边缘，并提出一个新的与粗糙度相对应的边缘频率来进行简单高效的检测。通过有限已知粗糙度的混凝土表面图像来预测更多未知的混凝土表面粗糙度，并有较高的检测精度。
附图说明
[0030]图1是本专利技术的原混凝土粗糙度面采集图像。
[0031]图2是本专利技术对原始彩色图像进行预处理后图像。
[0032]图3是本专利技术采用Canny检测边缘后的图像。
[0033]图4是本专利技术采用Zernike矩检测边缘后的图像。
[0034]图5是本专利技术对Canny和Zernike矩做逻辑或运算后的图像。
[0035]图6是本专利技术拟合出的边缘频率与粗糙度的曲线。
[0036]图7是本专利技术图像检测值与实际值的偏差图。
[0037]图8是基于Canny边缘检测值与实际值的偏差图。
[0038]图9是基于Zernike亚像素边缘检测值与实际值的偏差图。
具体实施方式
[0039]下面结合附图和实施例对本专利技术作进一步说明，但不应以此限制本专利技术的保护范围。
[0040]本专利技术中，提供一种基于图像边缘的混凝土表面粗糙度的检测方法，该方法包括以下步骤：
[0041]步骤1：图像采集
[0042]利用1200万像素以上的安卓智能手机，对已知混凝土粗糙度数值的样块表面进行
图像采集，所述粗糙度数值由三维激光扫描仪检测所得。
[0043]步骤2：彩色图像预处理
[0044]由于光源不均匀的照射在粗糙面上，为了获取光照均匀的图像。首先，通过亮通双边滤波提取光照变量，将RGB三通道彩色图像转换为HSV通道，并从V通道估计出光照分量g(i):
[0045][0046][0047][0048][0049]其中，f(i)表示在i像素位置的V通道,空间核ω(i)是高斯的，是单边高斯，θ、σ为各自的标准差，Ω范围是[
‑
ω,+ω]2。
[0050]再构造一种二维Gama伽马函数，利用光照分布特性调整二维伽马函数的参数，降低光照过强区域的亮度值，提高光照过暗区域图像的亮度值，实现对光照不均匀图像的自适应校正；
[0051][0052][0053]其中，F(i)为输入RGB图像，g(i)为光照分量，为光照分量的亮度均值，二维伽马函数O(i)通过调节增强指数γ实现光照的不均匀校正。
[0054]步骤3：彩色图像灰度化
[0055]对处理后的彩色图像，通过计算每一个像素R、G和B分量的加权和，将像素RGB值转换为灰度值，得到灰度图像：
[0056]gray＝0.2989*R+0.5870*G+0.1140*B
[0057]步骤4：灰度图像处理
[0058]对灰度图像进行3*3的均值滤波，得到滤波后的图像u(x,y)，利用某像素点周边像素的平均值来实现平滑噪声的效果；其次，对所有像素值最低的1％和最高的1％进行饱和处理，将小于255*0.01的灰度值设置为0，将大于255*0.99的灰度值设置为255，从而提高输出图像的对比度；
[0059][0060]其中，p(s,t)表示灰度图像，S
xy
表示中心点在(x,y)处，大小为3*3的滤波窗口，u
(x,y)表示均值滤波后得到的图像；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像边缘的混凝土表面粗糙度的检测方法，其特征在于，包括以下步骤：步骤1：图像采集对已知混凝土粗糙度数值的样块表面进行图像采集，粗糙度数值由三维激光扫描仪检测所得；步骤2：彩色图像预处理对彩色图像进行预处理，对图像因光照的不均匀引起的亮度不均匀和图像不清晰问题进行校正；步骤3：彩色图像灰度化对预处理后的彩色图像，通过计算每一个像素R、G和B分量的加权和，将像素RGB值转换为灰度值，得到灰度图像；步骤4：灰度图像处理对灰度图像进行均值滤波，得到滤波后的图像，利用某像素点周边像素的平均值来实现平滑噪声的效果；其次，对所有像素值最低的1％和最高的1％进行饱和处理，从而提高输出图像的对比度；步骤5：像素级和亚像素级边缘检测对步骤4处理后的灰度图像，分别采用Canny算子实现像素级边缘检测，用Zernike矩实现亚像素级边缘检测，分别得到像素级和亚像素级的边缘图像；步骤6：边缘图像逻辑或运算对Canny边缘检测和Zernike亚像素边缘检测出的边缘图像进行逻辑或运算；步骤7：计算边缘频率在逻辑或运算后的新图像中，定义白色边缘像素点数与总像素的比值为边缘频率，假设图像分辨率为X*Y，则边缘频率EF为：其中，N(1)为白色像素，N(0)为黑色像素；步骤8：采用最小二乘法拟合边缘频率和粗糙度曲线基于所有采集到的已知表面粗糙度的混凝土图像的粗糙度数据以及计算得到的相应边缘频率数据，采用最小二乘法拟合出边缘频率和粗糙度的关系曲线；进一步对于未知粗糙度的混凝土图像，只需要重复上述步骤2至步骤7，计算出...

【专利技术属性】
技术研发人员：左健存，马佳军，李光洁，詹强，吴丹丹，常远培，薛颖，张宇，
申请(专利权)人：上海第二工业大学，
类型：发明
国别省市：