CN102385702A - 去除路面图像中刻槽的方法 - Google Patents

Abstract

本发明公开了一种去除路面图像中刻槽的方法，包括：将路面图像的像素点进行二值化处理，确定像素点中的边缘点；为二值化处理后的像素点建立坐标系，将每个边缘点的位置坐标采用hough变换方式转换为参数空间的相应直线；筛选参数空间中相交于同一点的各条直线，在二值化后的边缘点中获得各条直线所对应的构成一条线段的各个边缘点；将-15°≤α≤15°、且30≤ρ≤1.31×m的线段作为刻槽删除；其中，α为线段与坐标系的水平方向夹角，ρ为构成线段的像素点数量，m为路面图像水平方向的像素点的个数。本发明的方法采用hough方式提取刻槽，获得裂缝图像，从而提高了路面图像中裂缝的识别，进而提高了后续计算的路面破损率的准确度，从而可采用最佳的路面养护手段。

Description

去除路面图像中刻槽的方法

技术领域

本发明涉及图像处理技术领域，特别是指一种去除路面图像中刻槽的方法。

背景技术

对路面进行养护工程中，需要预先采集路面的图像数据。通过采用现代化的检测技术和图像识别处理技术的应用，使得路面技术状况检测和分析变得更加高效、安全和环保。图像检测设备采集路面图像，用识别设备对路面图像进行自动损坏识别，经过计算得到路面破损率，为路况分析提供数据依据。

路面图像损坏识别的结果对于后期数据分析结果影响很大，准确的识别结果才能提供客观的数据依据。水泥路面出于抗滑性能和降低噪音的考虑，以及公路路面施工工艺的发展，在水泥混凝土路面施工时，刻槽方式不再是传统的等间距刻槽，同时增加了大量横向不等间距的刻槽路面，给刻槽水泥路面图像识别带来困难。人工或设备刻槽与实际路面裂缝无论在灰度值还是形态上，都存在某些相似的特征，给路面实际裂缝的识别造成许多干扰。

由于路面图像中存在很多刻槽的干扰，从而影响了路面图像中裂缝图像的识别，进而导致后续计算的路面破损率存在误差。

发明内容

有鉴于此，本发明在于提供一种去除路面图像中刻槽的方法，以解决上述路面图像中存在很多刻槽的干扰，影响了路面图像中裂缝图像识别的问题。

为解决上述问题，本发明提供一种去除路面图像中刻槽的方法，包括：

将路面图像的像素点进行二值化处理，确定所述像素点中的边缘点；

为所述二值化处理后的像素点建立坐标系，将每个所述边缘点的位置坐标采用hough变换方式转换为参数空间的相应直线；

筛选所述参数空间中相交于同一点的各条直线，在所述二值化后的边缘点中获得所述各条直线所对应的构成一条线段的各个边缘点；

重复所述筛选操作，在所述路面图像的坐标系中获得多条线段；

将-15°≤α≤15°、且30≤ρ≤1.31×m的所述线段作为刻槽删除；其中，所述α为所述线段与所述坐标系的水平方向夹角，ρ为构成所述线段的像素点数量，m为所述路面图像水平方向的像素点的个数。

优选地，所述删除操作包括：

统计具有相同所述夹角α线段的数量，判断具有相同所述夹角α线段的数量；

如果具有相同所述夹角α线段的数量大于3，则将所述线段作为所述刻槽删除；

如果所述线段的数量不大于3、且同时满足夹角-5°≤α≤5°和长度大于300像素时，则将所述统计到的线段作为所述刻槽删除。

优选地，所述删除刻槽之后还包括：

将所述路面图像中像素个数不大于10个的连续像素点作为噪声点去除。

优选地，获得二值化处理后的路面图像的过程包括：

将拍摄的路面图像转换为图像矩阵；

对所述图像矩阵进行平滑处理；

运算所述平滑处理后的图像矩阵中每个像素点的梯度值，根据所述梯度值与阈值的比较结果，将所述像素点的值置为1或0。

优选地，所述平滑处理的过程包括：

S[i，j]＝G*I[i，j]

其中，所述 $G=\frac{1}{115}\left[\begin{array}{ccccc}2& 4& 5& 4& 2\\ 4& 9& 12& 9& 4\\ 5& 12& 15& 12& 5\\ 4& 9& 12& 9& 4\\ 2& 4& 5& 4& 2\end{array}\right],$ I(i，j)为所述图像矩阵，*为卷积，S[i，j]为卷积后的图像矩阵。

优选地，还包括：运算所述平滑处理后的图像矩阵中每个像素点的梯度方向值

其中，

Gx、Gy为矩阵中的像素点(i，j)的两个偏导数；

如果判断出所述平滑处理后的图像矩阵中像素点梯度值小于与其梯度方向上前后相邻两个像素点的梯度值，则将该像素点的值置为0。

优选地，设定阈值，根据所述梯度值与阈值的比较结果，将所述像素点的值置为1或0的过程包括：

如果所述梯度值小于低阈值0.2，则将该像素点的值置为0；

如果所述梯度值大于高阈值0.5，则将该像素点的值置为1。

优选地，还包括：

如果所述梯度值介于0.2至0.5之间，且该像素点的8邻域范围内存在值为1的点，则将该像素点的值置为1。

本发明的方法采用hough方式提取刻槽，获得裂缝图像，从而提高了路面图像中裂缝图像的识别，进而提高了后续计算的路面破损率的准确度，从而可采用最佳的路面养护手段。

附图说明

图1示出了拍摄的路面图像的示意图；

图2示出了实施例一的流程图；

图3示出了拍摄的路面图像在x-y坐标系的示意图；

图4示出了x-y空间的像素点与a-b空间的直线对应关系的示意图；

图5示出了实施例二的流程图；

图6示出了路面图像二值化后的示意图；

图7示出了路面图像中刻槽的示意图；

图8示出了去除刻槽后的路面图像示意图；

图9示出了去除噪点图像后的路面图像示意图。

具体实施方式

为清楚说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。

实施例一

采用图像采集设备拍摄路面的图像，获得采集到的路面图像，如图1所示，采集到的图像中，包括裂缝11、刻槽12和噪点13等，实施例中通过以下步骤去除刻槽12，包括：

S21：对拍摄的路面图像进行二值化处理；

可采用多种方式对拍摄的路面图像进行二值化处理，如采用canny方法获得二值化的处理结果，在这些像素点中，确定处理后的像素点中的边缘点，该边缘点构成图像中的裂缝、刻槽、或噪声等。

S22：为所述二值化处理后的像素点建立坐标系，将每个所述边缘点的位置坐标采用hough变换方式转换为参数空间的相应直线；

参见图3，为路面图像的像素点建立x-y坐标系，在图3中，路面图像共有m个横向像素点、n个纵向像素点。

参见图4，在x-y的坐标系内，每个边缘点均可转换为a-b参数空间的一条直线；另外，a-b参数空间相交于同一点的两条直线，分别对应x-y空间在同一条直线上的两个边缘点。

S23：筛选所述a-b参数空间中相交于同一点的各条直线，在所述x-y坐标系中获得所述各条直线所对应的构成一条线段的各个边缘点；

S24：重复所述筛选操作，在所述x-y坐标系中获得多条线段；

S25：将-15°≤α≤15°、且30≤ρ≤1.31×m的所述线段作为刻槽删除；其中，所述α为所述线段与所述坐标系的水平方向夹角，ρ为构成所述线段并作为边缘点的像素点的数量，也可定义为线段的长度，m为所述路面图像水平方向的像素点的个数。

通过上述的步骤，可去除路面图像中的刻槽，由于在路面图像的拍摄过程中，图像设备所拍摄的路面图像的水平方向与作为刻槽的线段会呈现一定的夹角a，发明人经过大量的实验，最后确定夹角的范围在-15°≤α≤15°之间、且线段的长度在30个像素点至1.31×m个像素点之间时，刻槽的识别率最好，从而去除图像中的检测出刻槽，获得图像中的裂缝，从而提高了路面图像中裂缝的识别，进而提高了后续计算的路面破损率的准确度，从而采用最佳的路面养护手段。

本发明还提供一个实施例二，参见图5，该实施例包括以下步骤：

S31：获得拍摄的路面图像；

用路面图像检测设备配备的数字相机拍摄刻槽水泥路面的路面图像，检测车沿车行方向、道路中线检测，获得图1的图像中，刻槽12表现为近乎水平排列，并相互平行，刻槽间无排列规律。

将刻槽路面图像读入图像识别设备，该设备内具有采用如GDI c++语言编写的图像识别软件，可将图像识别为一个具有m×n个像素点的二维矩阵I(m，n)，m为图像宽度，n为图像高度。第i行，第j列的像素点表示为I(i，j)，每一个像素点I(i，j)有其灰度值g，g大于等于0且小于等于255，0代表黑色，255为白色。裂缝和刻槽部分的灰度值比路面背景的灰度值要低，并且刻槽与裂缝的灰度值往往很接近。

在下面的步骤中用canny算法对路面图像进行边缘检测。

S32：平滑识别后的路面图像；

用高斯滤波器平滑图像，I(i，j)为输入的水泥刻槽路面图像.G为高斯滤波器，做图像与高斯平滑滤波器的卷积，获得卷积结果S[i，j]：

其中，S[i，j]＝G*I[i，j]；

高斯滤波器的形式为：

此实例实施中，采用5×5的离散形式滤波算子，该滤波算子可调整设定：

$G=\frac{1}{115}\left[\begin{array}{ccccc}2& 4& 5& 4& 2\\ 4& 9& 12& 9& 4\\ 5& 12& 15& 12& 5\\ 4& 9& 12& 9& 4\\ 2& 4& 5& 4& 2\end{array}\right]$

S33：对平滑后的路面图像二值化；

1)计算S[i，j]中的每个点在x方向和y方向的偏导数G_x与G_y：

G_x(i，j)≈(S[i，j+1]-S[i，j]+S[i+1，j+1]-S[i+1，j])/2

G_y(i，j)≈(S[i，j]-S[i+1，j]+S[i，j+1]-S[i+1，j+1])/2

2)用G_x与G_y计算图像S[i，j]中每个点的梯度幅值和方向；

梯度幅值： $\left|G(i,j)\right|=\sqrt{G_x{(i,j)}^2+G_y{(i,j)}^2}$

方向值：

3)对梯度幅值应用非极大值抑制：

S[i，j]中每个点与其梯度方向

上前后相邻两个像素各自的|G(i，j)|相比，如果该点的|G(i，j)|不是最大的，则将该点|G(i，j)|值置为0。

具体可表示为：

4)按照设定的阈值对图像N[i，j]边缘检测；

设定低阈值0.2，高阈值0.5，对图像N[i，j]进行边缘检测，得到裂缝边缘提取结果E[i，j]：

对N[i，j]中的每一个像素点，根据设定的阈值判断其梯度|G(i，j)|，|G(i，j)|大于0.5的点是边缘点，其值置为1，|G(i，j)|小于0.2的点，不是边缘点，其值置为0。

优选地，当一个点的梯度值介于0.2和0.5之间时，如果该点周围的8邻域范围内存在边缘点时，则将该点判断为边缘点，值置为1。8邻域是指N[i，j]中，被检测的点周围的8个像素点。

最后获得图6所示的检测后的图像裂缝提取结果E[i，j]；

其中，E[i，j]＝th(N[i，j])。

S34：对二值化后的结果E[i，j]采用hough变换检测刻槽，并去除刻槽；

对于经过路面图像中的刻槽的二值图像E[i，j]上的点(x_i，y_i)，可以表示为参数空间中的一条直线。其中，x_i、y_i为该点的行、列坐标。

参见图4，经过二值图E[i，j]上的一个点(x_i，y_i)的一条直线可以表示为

y_i＝α·x_i+b

等式变换为a-b参数空间的直线为：

b＝-x_i·α+y_i

可以理解为a、b做为变量，x、y做为参数的方程。该方程在a-b空间内表现为一条直线。由此，图像E[i，j]上的每一点(x_i，y_i)，都对应a-b参数空间的一条直线。

将图像E[i，j]中的每一个点对应于a-b参数空间中的直线画出，x-y空间中同一条直线上的所有点，对应于a-b参数空间中的一组相交于同一点的直线。对a-b空间中的每一点，对经过该点的直线进行计数，有ρ条直线相交于一点，则说明，原图像E[i，j]中，有ρ个点位于同一条直线上。

在x-y空间内找到ρ个点，构成了图像E[i，j]中的一条线段，该线段的长度可表示为ρ个像素点长。

由于拍摄过程中，拍摄设备的偏转，拍摄角度的偏转，再加上路面刻槽施工时刻槽并非完全水平，可能存在着微小误差，这些偏转在视觉上可能感觉不到，但是用直线表示刻槽时，这些偏转体现为直线在x-y坐标系内表现为与水平方向的坐标轴存在夹角α。判断出的线段在x-y坐标系的位置，可获得线段相对于坐标内水平方向的夹角α。

将路面图像拍摄设备偏转记为α_v，拍摄造成的偏转角度记为α_p，刻槽施工与水平线夹角误差记为α_t，则刻槽直线与水平方向夹角α可以表示为：

α＝α_v+α_p+α_t

本发明通过查找500幅水泥刻槽路面内的所有直线，并人为判断每条直线的属性，划分是刻槽或是裂缝或噪声，发现95％的刻槽直线都落在角度-15°≤α≤15°内，于是选定用-15°≤α≤15°作为角度阈值来判定刻槽直线。

对于线段的长度，经过发明人大量的实践，如果路面图像宽度为m个像素点，图像高度为n个像素点，ρ为刻槽长度。由于图像拍摄的偏转，拍摄到的刻槽可能比图像横向宽度要长，根据设定的最大偏转角度，最长的刻槽长度ρ_max＝m/|cos15°|＝1.31×m；由于路面磨损，刻槽可能不是完全连续，故设定最小刻槽长度ρ_min＝30，得到刻槽直线长度阈值为：30≤ρ≤1.31×m。

重复地查找a-b空间内的具有多条直线相交的点，就可找到x-y空间内可能为刻槽的线段。

用角度阈值筛选，保留与水平夹角满足-15°≤α≤15°的线段，用线段长度筛选，保留满足30≤ρ≤1.31×m的直线。记录寻找到的每条线段的角度α、长度ρ及所包含像素点的坐标。记寻找到的全部线段为L(i，j)，获得的线段图像如图7所示，

L(i，j)＝hough(E(i，j))

将寻找到的直线按照角度α进行分组，同角度的平行直线为一组，记寻找到的全部M条直线为l₁、l₂...l_M，对应直线的角度为α₀、α₁...α_N，α₀为平行线数量最多的角度，按照直线数量排序。

l·α₀：{α(l_i)＝α₀}............l·α_N：{α(l_i)＝α_N}

裂缝检测结果图E[i，j]中，首先寻找角度为α₀的直线l·α₀：{α(l_i)＝α₀}，将这些直线上的所有点的值用0替换，再寻找角度为α₁的全部直线，将直线上的所有点的值用0替换，依此类推删除所有直线。

由于接近水平的裂缝也有可能被检测为直线，但是裂缝的直线数量和角度都没有规律，不会发生平行直线的情况。为了避免将裂缝删除，当同角度的直线数量小于3时，需要同时满足角度大于-5°且小于5°且长度大于300时才将其作为刻槽删除。删除后结果见图8。删除直线的过程可以表示为：

CRACK(i，j)＝del(E[i，j]，L(i，j))

CRACK(i，j)表示删除后的结果，del表示删除过程，E[i，j]为裂缝提取二值化结果图，L(i，j)为直线提取结果。

S35：去除小面积噪声，得到最终裂缝识别结果。

CRACK(i，j)后获得的图8所示图像中，存在着许多小的噪声点，这些噪声点是在拍摄过程中由于相机噪声或者路面污渍干扰导致的，如图1所拍摄的噪声点13，在处理过程中这些噪声点也会存在于图8中的处理结果内。图8中的噪声点表现为与周围白色点不连接、且面积较小，故通过面积阈值将其去除。经过发明人大量的实验发现，当小面积区域中的像素点的个数小于10个时，可认为是噪声。这些噪声的像素点数量较少、且相互连续，但与裂缝图像的像素点之间断开。

计算小面积区域中包含的像素点，作为小区域的面积，删除面积小于10个像素点的小面积区域，获得如图9所示的最终裂缝识别结果。该处理过程可表示为：

$\mathrm{Result}(i,j)=\left\{\begin{array}{c}\mathrm{CRACK}(i,j)\\ \begin{array}{cc}0,& \mathrm{area}<10\end{array}\end{array}\right.$

图9所示的路面图像示出了最终的处理结果，可以看出，用本发明实施例中的步骤有效地去除了刻槽及噪声干扰，同时保留了裂缝识别结果，在水泥刻槽路面图像的识别中，可以准确地识别出裂缝，并同时避免刻槽误识别，为路面状况分析提供更精确的路面破损数据依据。

对于本发明各个实施例中所阐述的方法，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。

Claims (8)

1.一种去除路面图像中刻槽的方法，其特征在于，包括：

将路面图像的像素点进行二值化处理，确定所述像素点中的边缘点；

为所述二值化处理后的像素点建立坐标系，将每个所述边缘点的位置坐标采用hough变换方式转换为参数空间的相应直线；

筛选所述参数空间中相交于同一点的各条直线，在所述二值化后的边缘点中获得所述各条直线所对应的构成一条线段的各个边缘点；

重复所述筛选操作，在所述路面图像的坐标系中获得多条线段；

将-15°≤α≤15°、且30≤ρ≤1.31×m的所述线段作为刻槽删除；其中，所述α为所述线段与所述坐标系的水平方向夹角，ρ为构成所述线段的像素点数量，m为所述路面图像水平方向的像素点的个数。

2.根据权利要求1所述的方法，其特征在于，所述删除操作包括：

统计具有相同所述夹角α线段的数量，判断具有相同所述夹角α线段的数量；

如果具有相同所述夹角α线段的数量大于3，则将所述线段作为所述刻槽删除；

如果所述线段的数量不大于3、且同时满足-5°≤α≤5°和线段长度ρ大于300，则将所述统计到的线段作为所述刻槽删除。

3.根据权利要求1所述的方法，其特征在于，所述删除刻槽之后还包括：

将所述路面图像中像素个数不大于10个的连续像素点作为噪声点去除。

4.根据权利要求1所述的方法，其特征在于，获得二值化处理后的路面图像的过程包括：

将拍摄的路面图像转换为图像矩阵；

对所述图像矩阵进行平滑处理；

运算所述平滑处理后的图像矩阵中每个像素点的梯度值，根据所述梯度值与阈值的比较结果，将所述像素点的值置为1或0。

5.根据权利要求4所述的方法，其特征在于，所述平滑处理的过程包括：

S[i，j]＝G*I[i，j]

其中，所述 $G=\frac{1}{115}\left[\begin{array}{ccccc}2& 4& 5& 4& 2\\ 4& 9& 12& 9& 4\\ 5& 12& 15& 12& 5\\ 4& 9& 12& 9& 4\\ 2& 4& 5& 4& 2\end{array}\right],$ I(i，j)为所述图像矩阵，*为卷积，S[i，j]为卷积后的图像矩阵。

6.根据权利要求4所述的方法，其特征在于，还包括：运算所述平滑处理后的图像矩阵中每个像素点的梯度方向值

其中，

G_x、G_y为矩阵中的像素点(i，j)在x，y方向的两个偏导数；

如果判断出所述平滑处理后的图像矩阵中像素点梯度值小于与其梯度方向

上前后相邻两个像素点的梯度值，则将该像素点的值置为0。

7.根据权利要求6所述的方法，其特征在于，根据所述梯度值与阈值的比较结果，将所述像素点的值置为1或0的过程包括：

如果所述梯度值小于低阈值0.2，则将该像素点的值置为0；

如果所述梯度值大于高阈值0.5，则将该像素点的值置为1。

8.根据权利要7所述的方法，其特征在于，还包括：

如果所述梯度值介于0.2至0.5之间，且该像素点的8邻域范围内存在值为1的点，则将该像素点的值置为1。

Images