基于图像处理的桥梁表面病害智能检测方法

1.本发明涉及图像处理技术领域，具体涉及一种基于图像处理的桥梁表面病害智能检测方法。


背景技术：

2.随着交通事业蓬勃发展，以高速公路、一级公路为主的高等级公路数量逐年增加，我国公路事业开始进入以建设高等级公路为重点的新阶段，在高速公路的建设施工中道路桥梁建设是非常重要的，其次，施工完成之后，也需要不断的对道路桥梁进行养护。
3.对于道路桥梁，其上不断有车辆通行，且其在长期暴露在不同的天气环境下，长此以往，受风吹日晒雨淋及车辆通行产生的振动的影响，会导致桥梁上产生裂缝，严重时会导致混凝土内的钢筋外露，钢筋外露的危害性巨大，严重影响桥梁的承重力和耐久力，这种钢筋外露病害会使得道路桥梁成为危桥，不仅阻碍了社会的发展，也在一定程度上对人们的人身以及财产安全产生了威胁，所以，对于桥梁的钢筋外露情况需要进行检测，并及时做好桥梁加固处理措施，越严重的钢筋外露，越需要尽早进行加固，这样可以减少对交通造成的影响，以使得桥梁加固后，延长桥梁的使用寿命，使用少量的投资，满足交通量的需要，减轻桥梁投资的集中，防止和避免因桥梁倒塌而造成的人员和财产损失。
4.由于，桥梁面积比较大，现有技术中都是通过采集桥梁图像，然后采用阈值分割和边缘检测的方法获取钢筋外露的区域，但出现钢筋外露时，受风化以及空气水分锈蚀，外露钢筋颜色与混凝土上附着的钢筋产生的锈蚀，两者的颜色相似，故通过现有技术的阈值分割和边缘检测都容易造成外露区域的检测不准确，从而影响后续的修补加固。


技术实现要素：

5.本发明提供一种基于图像处理的桥梁表面病害智能检测方法，以解决现有的钢筋外露区域的检测不准确的问题。
6.本发明的一种基于图像处理的桥梁表面病害智能检测方法采用如下技术方案：获取桥梁图像；获取桥梁图像中每个像素点的像素值与铁锈红色的颜色相似度，根据颜色相似度获取桥梁图像中钢筋外露的疑似钢筋像素点及疑似钢筋区域；将疑似钢筋像素点的坐标转换至霍夫空间得到疑似钢筋像素点在不同角度方向上对应的极坐标，根据疑似钢筋像素点的坐标及其在每个方向上对应的极坐标获取对应的疑似钢筋直线；根据疑似钢筋直线的斜率获取疑似钢筋直线的倾斜角度，将倾斜角度对应的疑似钢筋直线数量最多的倾斜角度作为所有疑似钢筋直线的主方向，根据疑似钢筋直线的斜率和主方向获取疑似钢筋直线中的初始钢筋区域直线；对初始钢筋区域直线密度最大一侧的最边缘的初始钢筋区域直线作垂线，并得到垂线与其他初始钢筋区域直线的交点，根据最边缘的初始钢筋区域直线与交点之间的距离
及钢筋的直径获取最终钢筋区域直线，并得到钢筋外露区域。
7.优选的，获取疑似钢筋区域的步骤为：以任意一个疑似钢筋点为中心点；获取中心点邻域内是否存在疑似钢筋点；若存在，则将两点连通为一个区域，并以这个区域为中心，获取区域的邻域内是否存在疑似钢筋点，如存在则进行连通得到更新区域；直至更新区域的邻域内无可能缺陷点时，则将此时的更新区域作为疑似钢筋区域；以此类推，从剩余的疑似钢筋点中重新选取任意一个，获取以该疑似钢筋点为中心得到的疑似钢筋区域，直至获取所有疑似钢筋区域；其中，将孤立的疑似钢筋点排除。
8.优选的，获取桥梁图像中每个像素点的像素值与铁锈红色的颜色相似度的步骤为：获取每个像素点的像素值对应三通道值与铁锈红色对应的三通道值；计算像素点的像素值对应的通道值与铁锈红色对应的相同通道的通道值差值，并对三个通道对应的通道值差值求均值；对均值进行归一化得到颜色相似度。
9.优选的，获取的疑似钢筋直线的步骤为：根据极坐标获取极角相同的疑似钢筋点；对每个方向上的极坐标进行逆映射得到每个疑似钢筋像素点所在的疑似钢筋直线，其中，极角相同的疑似钢筋点位于同一疑似钢筋直线上。
10.优选的，获取所有疑似钢筋直线的主方向的步骤为：以每个倾斜角度为横坐标，以每个倾斜角度对应的疑似钢筋直线的频数为纵坐标，构建频率直方图；从频率直方图中获取最大频数对应的倾斜角度作为所有疑似钢筋直线的主方向。
11.优选的，获取疑似钢筋直线中的初始钢筋区域直线的步骤为：获取疑似钢筋直线的倾斜角度与所有疑似钢筋直线的主方向的差值；将差值进行归一化得到每个疑似钢筋直线为初始钢筋区域直线的可能性值；根据可能性值与预设的可能性阈值获取疑似钢筋直线中的初始钢筋区域直线。
12.优选的，获取最终钢筋区域直线的步骤为：当每条钢筋区域直线对应的交点到最边缘钢筋区域直线的距离小于或者等于钢筋的直径时，则对应的钢筋区域直线为最终钢筋区域直线；当每条钢筋区域直线对应的交点到最边缘钢筋区域直线的距离大于钢筋的直径时，则对应的钢筋区域直线为不属于最终钢筋区域直线。
13.本发明的一种基于图像处理的桥梁表面病害智能检测方法的有益效果是：通过与铁锈红色进行颜色相似度计算，从而根据颜色像素点确定疑似钢筋区域，然后在基于疑似钢筋区域的基础上利用霍夫直线检测的方法确定疑似钢筋像素点的构成的所有疑似钢筋直线的主方向，再根据钢筋的直线形状特征与疑似钢筋直线的主方向获取疑似钢筋直线中的初始钢筋区域直线，进一步的在结合钢筋的直径从初始钢筋区域直线确
定最终钢筋区域直线，从而得到精确的钢筋外露区域，实现了对钢筋外露区域的准确确定，便于后续外露区域的修补加固。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
15.图1为本发明的一种基于图像处理的桥梁表面病害智能检测方法的实施例的流程图。
具体实施方式
16.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
17.本发明的一种基于图像处理的桥梁表面病害智能检测方法的实施例，如图1所示，具体的，本实施例包括：由于，钢筋是包覆在混凝土里面的，当出现钢筋外露时，则外露出来的钢筋区域仍满足钢筋直线和锈蚀颜色的固有特征，而混凝土颜色杂乱，且不构成多线宽的直线，故，本实施例主要以锈蚀颜色的铁锈红色及钢筋外形的直线特征对外露的区域进行提取。
18.s1、获取桥梁图像。
19.具体的，使用无人机上搭载高清摄像机采集桥梁各区域的桥梁图像，并将桥梁图像传输至计算机的终端设备，终端设备先对桥梁图像进行高斯滤波降噪处理，滤除拍摄过程中受到的机械噪声和图像传输过程中受到的脉冲噪声。
20.s2、获取桥梁图像中每个像素点的像素值与铁锈红色的颜色相似度，根据颜色相似度获取桥梁图像中钢筋外露的疑似钢筋像素点及疑似钢筋区域。
21.由于，钢筋外露后被锈蚀，颜色呈现铁锈红色，故在桥梁图像中的所有颜色与铁锈红色相似的区域都可能为缺陷区域，故，本实施例先获取桥梁图像中每个像素点的像素值与铁锈红色的颜色相似度，需要说明的是，本实施例中的桥梁图像为rgb图像，故在计算颜色相似度时，先获取每个像素点在每个通道的通道值及铁锈红色在每个通道的通道值，然后根据每个通道的通道值及铁锈红色在每个通道的通道值计算颜色相似度，具体的，计算颜色相似度的步骤为：计算像素点的像素值对应的通道值与铁锈红色对应的相同通道的通道值差值，并对三个通道对应的通道值差值求均值；对均值进行归一化得到颜色相似度，其中，颜色相似度的计算公式为：式中，表示像素点的颜色值与铁锈红色的颜色相似度；
表示像素点在r通道的通道值；表示像素点在g通道的通道值；表示像素点在b通道的通道值；表示铁锈红色在r通道的通道值；表示铁锈红色在g通道的通道值；表示铁锈红色在b通道的通道值；表示以自然常数e为底的指数函数，目的是对相似度进行归一化处理，使得颜色相似度的取值位于0到1之间，便于选取合适的颜色相似度阈值；需要说明的是，颜色相似度的计算公式中以每个像素点在r、g、b三个通道的通道值与铁锈红色对应的通道值之间的差值均值，来表示颜色相似度，当差值均值越小，则颜色相似度值越大，越能表示像素点的像素值与铁锈红色相似，在利用指数函数对颜色相似度进行归一化后，其的取值只能在0到1之间，故，本实施例设定颜色相似度阈值为0.7，当颜色相似度大于或者等于0.7时，则说明该像素点为疑似钢筋像素点。
22.具体的，获取疑似钢筋区域的过程为：以任意一个疑似钢筋点为中心点；获取中心点邻域内是否存在疑似钢筋点；若存在，则将两点连通为一个区域，并以这个区域为中心，获取区域的邻域内是否存在疑似钢筋点，如存在则进行连通得到更新区域；直至更新区域的邻域内无可能缺陷点时，则将此时的更新区域作为疑似钢筋区域；以此类推，从剩余的疑似钢筋点中重新选取任意一个，获取以该疑似钢筋点为中心得到的疑似钢筋区域，直至获取所有疑似钢筋区域；其中，需要说明的是，将孤立的疑似钢筋点的排除，其单独一个疑似钢筋点不构成疑似钢筋区域。
23.s3、将疑似钢筋像素点的坐标转换至霍夫空间得到疑似钢筋像素点在不同角度方向上对应的极坐标，根据疑似钢筋像素点的坐标及其在每个方向上对应的极坐标获取对应的疑似钢筋直线。
24.由于，钢筋是直线形状的，因此，使用霍夫直线检测钢筋区域的像素点更加方便，然后对检测出来的直线分析多条直线构成的多线直线的宽度与钢筋的直径大小进行比较，以及这些检测出来的直线的角度是否相同，从而确定这些检测出来的直线是否为钢筋区域的直线。
25.故，对疑似钢筋区域进行霍夫直线检测，基于疑似钢筋区域的疑似钢筋点，首先已经排除了其他不相似像素点的干扰，故，一定程度上减少了霍夫直线检测时的计算量，由于疑似钢筋像素点只是根据颜色相似度获取的，故其并不一定都是钢筋外露的缺陷像素点，即在疑似钢筋区域可能存在非钢筋外露的点，即，本实施例中，利用霍夫直线检测从一个疑似钢筋像素点开始，选取该疑似钢筋像素点各个方向的疑似钢筋像素点进行霍夫直线检测，对于其各个方向的非疑似钢筋点不需要进行遍历检测，根据极坐标获取极角相同的疑似钢筋点；对每个方向上的极坐标进行逆映射得到每个疑似钢筋像素点所在的疑似钢筋直线，其中，极角相同的疑似钢筋点位于同一疑似钢筋直线上，具体的，图像从直角坐标系转换为极坐标系，因为，每个疑似钢筋像素点转换为极坐标系后都对应一个极角和极径，
将转换后的极坐标进行空间量化，得到相同极坐标的累加数量，即对于坐标为的疑似钢筋像素点，遍历各个疑似钢筋像素点的180度内各个角度方向上的疑似钢筋像素点，即得到疑似钢筋像素点在不同角度方向上对应的极坐标，通过疑似钢筋像素点的坐标与每个角度方向上的极坐标确定对应的由疑似钢筋像素点构成的疑似钢筋直线，具体的，疑似钢筋直线方程的公式为：式中，表示疑似钢筋直线的斜率；表示疑似钢筋直线的截距；表示疑似钢筋直线的点在角度方向上的极坐标。
26.s4、根据疑似钢筋直线的斜率获取疑似钢筋直线的倾斜角度，将倾斜角度对应的疑似钢筋直线数量最多的倾斜角度作为所有疑似钢筋直线的主方向，根据疑似钢筋直线的斜率和主方向获取疑似钢筋直线中的初始钢筋区域直线。
27.由于，钢筋是直线形状的，所以疑似钢筋直线是属于钢筋区域的直线，那么这些疑似钢筋直线的方向是指向同一个方向的；相反如果图像中检测出铁锈附着在混凝土上的颜色构成的直线，这些直线不是钢筋区域的直线，且这些直线的方向不是统一的，而是沿着各个方向杂乱分布，故，依据直线的分布方向获取疑似钢筋直线中的初始钢筋区域直线。
28.具体的，在s3步骤中得到了疑似钢筋直线的方程，即得到了疑似钢筋直线的斜率，以x轴为方向与疑似钢筋直线的夹角疑似钢筋直线的倾斜角度，其中，通过斜率即可得到每个疑似钢筋直线的倾斜角度，在获取所有疑似钢筋直线的主方向时，以每个倾斜角度为横坐标，以每个倾斜角度对应的疑似钢筋直线的数量占比为纵坐标，构建频率直方图；从频率直方图中获取最大频数对应的倾斜角度作为所有疑似钢筋直线的主方向，频数最大，说明该倾斜角度下的疑似钢筋直线的数量占比最大，故该说明该倾斜角度为所有疑似钢筋直线的主方向。
29.具体的，根据疑似钢筋直线的斜率和主方向获取疑似钢筋直线中的初始钢筋区域直线的过程为：获取疑似钢筋直线的倾斜角度与所有疑似钢筋直线的主方向的差值；将差值进行归一化得到每个疑似钢筋直线为初始钢筋区域直线的可能性值，其中，第条疑似钢筋直线为初始钢筋区域直线的可能性值的计算公式为：式中，表示所有疑似钢筋直线的主方向；表示第条疑似钢筋直线的斜率；表示以自然常数e为底的指数函数，目的是对可能性值进行归一化处理，使得可
能性值的取值位于0到1之间，便于选取合适的可能性阈值，具体的，本实施例中，可能性阈值选择，当疑似钢筋直线为初始钢筋区域直线的可能性值大于或者等于0.7时，则本实施例认为该疑似钢筋直线为初始钢筋区域直线，当疑似钢筋直线为初始钢筋区域直线的可能性值小于0.7时，则本实施例认为该疑似钢筋直线剔除，不再进行后续的处理。
30.s5、对初始钢筋区域直线密度最大一侧的最边缘的初始钢筋区域直线作垂线，并得到垂线与其他初始钢筋区域直线的交点，根据最边缘的初始钢筋区域直线与交点之间的距离及钢筋的直径获取最终钢筋区域直线，并得到钢筋外露区域。
31.在步骤s4中，只选出了方向一致的初始钢筋区域直线，由于钢筋生锈后，锈迹可能沿着钢筋的长度方向分布，故这部分沿着钢筋的长度方向分布在混凝土上的初始钢筋区域直线并不是钢筋区域的直线，故，还需要进行二次筛选。
32.由于，钢筋直线应该紧密地分布在一起，并且这些直线组成的宽度不会超过钢筋的直径；反之从某条直线开始，粗线的直径大于钢筋的直径时说明这条直线以及这条直线之后的直线都不是钢筋区域的直线，依据此，本实施例，对初始钢筋区域直线密度最大一侧的最边缘的初始钢筋区域直线作垂线，并得到垂线与其他初始钢筋区域直线的交点，根据最边缘的初始钢筋区域直线与交点之间的距离及钢筋的直径获取最终钢筋区域直线，即当每条钢筋区域直线对应的交点到最边缘钢筋区域直线的距离小于或者等于钢筋的直径时，则对应的钢筋区域直线为最终钢筋区域直线；当每条钢筋区域直线对应的交点到最边缘钢筋区域直线的距离大于钢筋的直径时，则对应的钢筋区域直线为不属于最终钢筋区域直线。
33.基于得到的最终钢筋区域直线获取最终钢筋区域直线连通得到钢筋外露区域，根据钢筋外露区域的面积获取优先修补等级，并根据优先修补等级对钢筋外露区域进行修补加固，即本实施例对根据钢筋外露区域的面积的大小，按照从大到小进行排序，并设定面积阈值范围，将所有钢筋外露区域划分为三个优先修补等级，本实施例设定第一面积阈值和第二面积阈值，将大于第二面积阈值的钢筋外露区域作为优先修补等级一，将大于第一面积阈值且小于第二面积阈值的钢筋外露区域作为优先修补等级二，小于第一面积阈值的钢筋外露区域作为优先修补等级三，并按照优先修补等级的等级顺序给对应的钢筋外露区域进行修补。
34.本发明的一种基于图像处理的桥梁表面病害智能检测方法，通过与铁锈红色进行颜色相似度计算，从而根据颜色像素点确定疑似钢筋区域，然后在基于疑似钢筋区域的基础上利用霍夫直线检测的方法确定疑似钢筋像素点的构成的所有疑似钢筋直线的主方向，再根据钢筋的直线形状特征与疑似钢筋直线的主方向获取疑似钢筋直线中的初始钢筋区域直线，进一步地在结合钢筋的直径从初始钢筋区域直线确定最终钢筋区域直线，从而得到精确的钢筋外露区域，实现了对钢筋外露区域的准确确定，便于后续外露区域的修补加固。
35.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。