CN106651896A - 沥青混合料的ct图像的材质分类方法 - Google Patents

Abstract

本发明公开了沥青混合料的CT图像的材质分类方法，包括三个步骤：步骤一、图像获取；步骤二、图像处理；步骤三、三维重构；所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理。本发明完成CT扫描试验，并利用Matlab对CT扫描图像进行处理，也即完成数字图像处理技术中的前两个步骤——图像获取和图像处理，最终的目的是获得对应于每个试件的空隙、沥青砂浆和粗集料颗粒三类材质的图像，为数字图像处理技术的第三步——图像分析，提供清晰、准确的细观图形数据。

Description

沥青混合料的CT图像的材质分类方法

技术领域

本发明涉及沥青混合料的CT图像的材质分类方法，属于数字图像处理技术领域。

背景技术

据申请人了解，X射线具有穿透物质并使胶片感光的能力，这一发现很快被应用于临床诊断，促使了医用CT的诞生。由于工业工件与医学检测对象存在巨大差异，工业界对医用CT不断地改进，逐步发展为独立的体系，生产出了一系列工业CT设备。工业CT的检测对象比医用CT更为广泛，无论是集成电路、大型工件，还是低密度的木材到高密度的重金属材料都是工业CT的检测对象。目前国内外对沥青混合料的研究中，医用CT和工业CT均有采用，但是对于沥青混合料这类多相复合材料而言，采用辐射能力更强的工业CT更具有优势。

数字图像处理技术即用计算机对图像进行处理。数字图像处理技术在20世纪50年代首先应用于宇航领域，随着计算机技术的快速发展，该技术逐渐扩展到其它领域中，在卫星遥感、军事侦察、生物医学工程等方面取得了极大的成功。由于数字图像处理技术具有方便性、经济性、可利用信息量大和形象化存储等优点，其工程应用已成为国际土木工程领域的热门课题。数字图像处理技术包括图像获取、图像处理和图像分析三个步骤。

发明内容

本发明的目的在于：针对上述现有技术存在的问题，提出沥青混合料的CT图像的材质分类方法。

本发明完成CT扫描试验，并利用Matlab对CT扫描图像进行处理，也即完成数字图像处理技术中的前两个步骤——图像获取和图像处理，最终的目的是获得对应于每个试件的空隙、沥青砂浆和粗集料颗粒三类材质的图像，为数字图像处理技术的第三步——图像分析，提供清晰、准确的细观图形数据。

本发明具体技术方案如下：

本发明沥青混合料的CT图像的材质分类方法，包括三个步骤：

步骤一、图像获取；在图像获取这一环节中，利用工业CT对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像；

步骤二、图像处理；在图像处理这一环节中，采用OTSU阈值分割法对CT扫描图像进行材质分类，利用图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理；

步骤三、三维重构；利用VGStudio MAX 2.0对不同的材质进行了三维重构，并通过比较空隙率和粗集料颗粒体积的计算值与实测值，验证了材质分类的效果；

进一步地，所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理。

进一步地，所述步骤一中，所述图像获取包括试件制备和CT扫描试验；

进一步地，所述试件制备包括乳化沥青冷再生混合料试件制备和普通热拌沥青混合料试件制备；

进一步地，所述CT扫描试验为利用CT设备对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像。

进一步地，所述乳化沥青冷再生混合料试件制备包括如下步骤：步骤一、冷再生混合料级配设计；步骤二、确定最佳含水率；步骤三、确定最佳乳化沥青用量；步骤四、CT扫描试件成型。

进一步地，所述普通热拌沥青混合料试件制备包括如下步骤：步骤一、级配设计；步骤二、确定最佳油石比；步骤三、CT扫描试件成型。

进一步地，所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理，具体处理方法包括：对圆形截面图像的亮度不均匀问题的处理以及对矩形截面图像的亮度不均匀问题的处理。

进一步地，所述圆形截面图像的亮度不均匀问题的处理：将图像划分为若干个环形子图像，分别对它们进行材质分类，然后将提取出的材质图像合并，从而解决了亮度不均匀问题；将圆形截面图像划分为若干个个部分。

进一步地，将圆形截面图像划分为6个部分；其中，中心为圆形(S1)，另外5个部分为相互嵌套的圆环(S2-S6)，圆环的宽度与圆形的半径相等，分别计算每个部分的阈值T1和T2。

进一步地，所述对矩形截面图像的亮度不均匀问题的处理：采用亮度均衡技术来解决矩形截面图像的亮度不均匀问题，具体采用形态学变换中的底帽变换来达到亮度均衡的目的；膨胀和腐蚀是两种基本的形态学运算，它们都是利用一个称为结构元素的集合来实现图像的形态变换；

膨胀：在灰度图中，使用结构元素b对图像f做膨胀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最大值作为输出，随着结构元素在图像中的所有位置平移，最终得到膨胀后的图像；

腐蚀：使用结构元素b对图像f做腐蚀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最小值作为输出，随着结构元素在图像中的所有位置平移，最终得到腐蚀后的图像；

开运算和闭运算是膨胀和腐蚀的合成运算；

闭运算：使用结构元素b对图像f做闭运算记为f·b，定义为：

闭运算即图像f先被结构元素b膨胀，膨胀的结果再被b腐蚀。

本发明产生的技术效果如下：

本发明完成了数字图像处理技术中的前两个步骤——图像获取和图像处理。在图像获取这一环节中，利用工业CT对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得了大量清晰的CT扫描图像。在图像处理这一环节中，采用OTSU阈值分割法对CT扫描图像进行了材质分类，并针对存在亮度不均匀问题的CT扫描图像，对图像分割算法进行了改进，改进后的算法较好地解决了亮度不均匀问题。最后，利用VGStudio MAX 2.0对不同的材质进行了三维重构，并通过比较空隙率和粗集料颗粒体积的计算值与实测值，验证了材质分类的效果。通过三维重构得到了一些初步的分析结论：

(1)水泥乳化沥青砂浆在冷料中占有相当一部分的体积比例，而在热料中，体积比重较大的是粗集料颗粒。随着级配由细变粗，冷料和热料中粗集料颗粒的体积比重逐渐增大，沥青砂浆的体积比重逐渐减小。

(2)冷料中的空隙数量在两万以上，其中，体积小于1mm3的空隙数量较为庞大，占总数量的90％以上。热料的空隙数量不到一万，其中，体积较大的空隙数量相对较多。

(3)通过CT扫描得到的沥青混合料计算空隙率比实测空隙率小，主要是因为沥青混合料中含有部分CT扫描不能识别出的细小空隙，而在乳化沥青冷再生混合料中，这部分细小空隙更多，从而使其计算空隙率有较大的偏差。

本发明最终得到了冷料和热料的空隙、沥青砂浆和粗集料颗粒的图像，能够较好地反映混合料不同组成物质的细观结构，为后续三个章节的图像分析研究提供了丰富而准确的数据。

在沥青混合料的CT图像处理过程中，解决图像亮度不均匀问题是准确分割粗集料、沥青砂浆以及空隙的前提条件。因此，针对圆形截面CT图像的特点，采用了环形阈值分割法，使得分割效果大幅提升，为图像分析提供了重要的基础。

为了解决沥青混合料的矩形截面CT图像的不均匀问题，本发明比较了三种区域划分方式的分割效果，从而采用了形态学变化中的思路，针对沥青混合料的矩形截面CT图像的特点，给出了适合的图像分割方法及具体分割参数，包括如何获取准确清晰的粗集料图像等，突出效果就是提高了图像分割后粗集料、沥青砂浆以及空隙的准确性。

附图说明

下面结合附图对本发明作进一步的说明。

图1为乳化沥青冷再生混合料级配曲线。

图2为乳化沥青冷再生混合料CT扫描试件。

图3为普通热拌沥青混合料级配曲线。

图4为普通热拌沥青混合料CT扫描试件。

图5为典型的X-ray CT扫描系统。

图6为试件的二维断层灰度图像和三维立体模型(CIR-25A-M)。

图7为像素点(x,y)的3×3邻域。

图8为中值滤波的效果(CIR-13-X TOP106)。

图9为直接灰度变换(a)过程。

图10为直接灰度变换(b)过程。

图11为直接灰度变换(c)过程。

图12为直接灰度变换(d)过程。

图13为增强对比度的效果(CIR-13-X TOP106)。

图14为乳化沥青冷再生混合料CT扫描图像的灰度直方图(CIR-13-X TOP106)。

图15为OTSU法材质分类效果(CIR-13-X TOP106)(a)原图。

图16为OTSU法材质分类效果(CIR-13-X TOP106)(b)空隙。

图17为OTSU法材质分类效果(CIR-13-X TOP106)(c)水泥乳化沥青胶浆。

图18为OTSU法材质分类效果(CIR-13-X TOP106)(d)集料颗粒。

图19为圆形截面图像的亮度不均匀问题(CIR-25-M TOP059)(a)原图。

图20为圆形截面图像的亮度不均匀问题(CIR-25-M TOP059)(b)集料颗粒。

图21为矩形截面图像的亮度不均匀问题(CIR-25-J RIGHT283)(a)原图。

图22为矩形截面图像的亮度不均匀问题(CIR-25-J RIGHT283)(b)集料颗粒。

图23为环形区域划分示意(CIR-25-M TOP059)。

图24为基于环形区域和OTSU法的材质分类效果(CIR-25-M TOP059)(a)空隙。

图25为基于环形区域和OTSU法的材质分类效果(CIR-25-M TOP059)(b)水泥乳化沥青胶浆。

图26为基于环形区域和OTSU法的材质分类效果(CIR-25-M TOP059)(c)集料颗粒。

图27为矩形截面图像区域划分探索(CIR-25-J RIGHT283)(a)方式一。

图28为矩形截面图像区域划分探索(CIR-25-J RIGHT283)(b)方式二。

图29为矩形截面图像区域划分探索(CIR-25-J RIGHT283)(c)方式三。

图30为图像背景亮度的估计(CIR-25-J RIGHT283)。

图31为基于形态学变换和OTSU法的材质分类效果(CIR-25-J RIGHT283)(a)空隙。

图32为基于形态学变换和OTSU法的材质分类效果(CIR-25-J RIGHT283)(b)水泥乳化沥青胶浆。

图33为基于形态学变换和OTSU法的材质分类效果(CIR-25-J RIGHT283)(c)集料颗粒。

图34为颗粒分离的效果(CIR-20-X TOP520)。

图35为空洞填充的效果(CIR-20-X TOP200)。

图36为集料颗粒的二维筛分结果(CIR-20-X TOP300)(a)>2.36mm。

图37为集料颗粒的二维筛分结果(CIR-20-X TOP300)(b)2.36mm-4.75mm。

图38为集料颗粒的二维筛分结果(CIR-20-X TOP300)(c)4.75mm-9.5mm。

图39为集料颗粒的二维筛分结果(CIR-20-X TOP300)(d)9.5mm-13.2mm。

图40为集料颗粒的二维筛分结果(CIR-20-X TOP300)(e)13.2mm-19.0mm。

图41为集料颗粒的二维筛分结果(CIR-20-X TOP300)(f)19.0mm-26.5mm。

图42为(a)空隙的三维重构效果(CIR-25A-M)。

图43为(b)水泥乳化沥青砂浆的三维重构效果(CIR-25A-M)。

图44为(c)粗集料颗粒的三维重构效果(CIR-25A-M)。

图45为乳化沥青冷再生混合料的体积组成(a)CIR-13-X。

图46为乳化沥青冷再生混合料的体积组成(b)CIR-20-X。

图47为乳化沥青冷再生混合料的体积组成(c)CIR-25-X。

图48为乳化沥青冷再生混合料的体积组成(d)CIR-25A-X。

图49为普通热拌沥青混合料的体积组成(a)AC-13。

图50为普通热拌沥青混合料的体积组成(b)AC-20。

图51为普通热拌沥青混合料的体积组成(c)AC-25。

图52为体积大于10mm³的空隙频数分布直方图。

图53为体积在1mm³-10mm³之间的空隙频数分布直方图。

具体实施方式

本发明沥青混合料的CT图像的材质分类方法，包括三个步骤：步骤一、图像获取；在图像获取这一环节中，利用工业CT对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像；步骤二、图像处理；在图像处理这一环节中，采用OTSU阈值分割法对CT扫描图像进行材质分类，利用图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理；步骤三、三维重构；利用VGStudio MAX 2.0对不同的材质进行了三维重构，并通过比较空隙率和粗集料颗粒体积的计算值与实测值，验证了材质分类的效果；所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理。

本发明所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理。所述步骤一中，所述图像获取包括试件制备和CT扫描试验；所述试件制备包括乳化沥青冷再生混合料试件制备和普通热拌沥青混合料试件制备；所述CT扫描试验为利用CT设备对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像。所述乳化沥青冷再生混合料试件制备包括如下步骤：步骤一、冷再生混合料级配设计；步骤二、确定最佳含水率；步骤三、确定最佳乳化沥青用量；步骤四、CT扫描试件成型。所述普通热拌沥青混合料试件制备包括如下步骤：步骤一、级配设计；步骤二、确定最佳油石比；步骤三、CT扫描试件成型。所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理，具体处理方法包括：对圆形截面图像的亮度不均匀问题的处理以及对矩形截面图像的亮度不均匀问题的处理。所述圆形截面图像的亮度不均匀问题的处理：将图像划分为若干个环形子图像，分别对它们进行材质分类，然后将提取出的材质图像合并，从而解决了亮度不均匀问题；将圆形截面图像划分为若干个个部分。将圆形截面图像划分为6个部分；其中，中心为圆形(S1)，另外5个部分为相互嵌套的圆环(S2-S6)，圆环的宽度与圆形的半径相等，分别计算每个部分的阈值T1和T2。所述对矩形截面图像的亮度不均匀问题的处理：采用亮度均衡技术来解决矩形截面图像的亮度不均匀问题，具体采用形态学变换中的底帽变换来达到亮度均衡的目的；膨胀和腐蚀是两种基本的形态学运算，它们都是利用一个称为结构元素的集合来实现图像的形态变换；

膨胀：在灰度图中，使用结构元素b对图像f做膨胀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最大值作为输出，随着结构元素在图像中的所有位置平移，最终得到膨胀后的图像；

腐蚀：使用结构元素b对图像f做腐蚀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最小值作为输出，随着结构元素在图像中的所有位置平移，最终得到腐蚀后的图像；

开运算和闭运算是膨胀和腐蚀的合成运算；

闭运算：使用结构元素b对图像f做闭运算记为f·b，定义为：

闭运算即图像f先被结构元素b膨胀，膨胀的结果再被b腐蚀。下面结合具体的实施例对本发明全部过程进行细致的阐述。

一、图像获取；

本发明乳化沥青冷再生混合料试件制备

1.冷再生混合料级配设计：

本发明所用的回收沥青路面材料(RAP)来源于南京机场高速公路改造工程，是原路面三层结构的铣刨料。该工程采用沥青路面就地冷再生异地利用的方式，将机场高速公路K0+000-K1+190南京市区至禄口机场方向的RAP现场再生后，运输至南京南站综合枢纽站东路，作为K1+790-K2+250全幅8cm的下面层使用。

为了能够更好地使用和推广乳化沥青就地冷再生技术，江苏省交通厅和东南大学联合编制了《乳化沥青就地冷再生施工技术规程》(以下简称“规程”)。“规程”中规定了四种级配类型：粗粒式、中粒式、细粒式A和细粒式B。由于细粒式A和细粒式B差异较小，本发明只对前三种级配类型进行研究，对于细粒式B不作考虑，前三种级配类型的范围见表2-1。

表2-1冷再生混合料工程设计级配范围

按照上述三种级配范围设计乳化沥青冷再生混合料，为了让级配曲线尽量靠近级配范围中值，得到典型级配的冷再生混合料，将所有RAP筛分为四档：1#(9.5mm以上)、2#(9.5mm-4.75mm)、3#(4.75mm-2.36mm)和4#(2.36mm以下)，根据每档RAP的筛分结果调整四档RAP的用量比例，得到细粒式A、中粒式和粗粒式的典型级配，本发明将其分别称为：CIR-13、CIR-20和CIR-25。由于1#RAP中粗集料较少，通过调整四档RAP的用量比例也无法得到满意的粗粒式级配。本发明向CIR-25级配中加入用量为15％的新集料，重新调整四档RAP的用量比例，最后得到较为理想的粗粒式级配，并将其称为CIR-25A，所用的新集料的筛分结果见表2-2。最终设计出的CIR-13、CIR-20、CIR-25和CIR-25A四种级配的级配曲线如图1所示。

表2-2新集料的筛分结果

由图1可以明显地看到，CIR-13、CIR-20和CIR-25三种级配有较大的差别，但CIR-25级配与CIR-20级配在筛孔尺寸较大时的通过率接近。通过加入新集料调整级配，形成CIR-25A级配，使其成为典型的粗粒式级配。值得一提的是，沥青路面材料经过长期的交通荷载作用以及铣刨设备的机械破碎后，粗集料颗粒的数量变少，这是乳化沥青就地冷再生工程中经常遇到的情况，为此添加新集料来调整冷再生混合料的级配是常用的手段。本发明对两种粗粒式级配进行研究，不仅是考虑到两者存在一定的差异，也是考虑到添加新集料在实际工程中较为常见，新集料的添加对乳化沥青冷再生混合料的细观结构是否有影响？有什么样的影响？这也是本发明需要回答的问题。

2.确定最佳含水率

“规程”采用拌和试验来确定乳化沥青冷再生混合料的最佳含水率，具体方法为：称取200gRAP和新集料(若添加)，先加入水泥人工拌和30s，再加入一定量(如2.5％)的外掺水拌和30s，最后加入确定用量(如3.0％)的乳化沥青拌和1min之后，将拌和物在白纸上堆成圆锥体，每隔15min观察白纸吸附水的面积，同理，按照一定的间隔(如0.3％)变化外掺水量，重复上述试验过程，根据拌和过程的难易程度、冷再生混合料的最终状态(裹覆面积、粘结强度等)及白纸吸附水的面积来确定最佳外掺水量。最佳含水率即为确定用量的乳化沥青中的水和最佳外掺水量之和。

由于拌和试验结果受主观判断影响较大，级配对其影响较小，本发明仅对中粒式级配进行拌和试验，试验结果直接用于其它级配。试验中，乳化沥青用量采用3.5％(固含量为64.8％)，水泥用量为1.5％，外掺水量分别为2.5％、3.0％和3.5％，最终确定最佳外掺水量为3.0％，最佳含水率＝3.5％×(1-64.8％)+3.0％＝4.232％。不同乳化沥青用量下的外掺水量根据最佳含水率不变计算确定。

3.确定最佳乳化沥青用量

乳化沥青就地冷再生混合料采用专门配制的慢裂型乳化沥青，不仅需要有较好的裹覆能力和RAP配伍性，还需要有较高的固含量以保证破乳后能在RAP表面形成较厚的沥青膜。本发明所用的乳化沥青技术指标见表2-3。

表2-3慢裂型乳化沥青(CSS-1)技术指标

本发明采用海螺P.O 42.5普通硅酸盐水泥，用量统一为工程上常用的1.5％，其技术指标见表2-4。

表2-4海螺P.O 42.5普通硅酸盐水泥技术指标

针对不同的级配，预设3-5个乳化沥青用量，并计算相应的外掺水量，与RAP和水泥在常温下拌和均匀后，用旋转压实仪压实30次成型。对压实成型后的乳化沥青冷再生混合料试件进行养生，具体的步骤为：先于常温下静置12小时，然后放入60℃鼓风烘箱中48小时，取出后再于常温下静置12小时，养生完毕。

最佳乳化沥青用量主要根据马歇尔试验或劈裂试验结果来确定。将同一乳化沥青用量的平行试件分为两组，一组置于40℃恒温水浴箱中1小时后进行马歇尔稳定度试验，另外一组置于15℃恒温水浴箱中1小时后进行劈裂试验。综合比较不同乳化沥青用量下的马歇尔试验和劈裂试验结果，确定最佳乳化沥青用量，并进行性能验证试验。不同冷再生级配的最佳乳化沥青用量如表2-5所示。

表2-5不同冷再生级配的最佳乳化沥青用量

级配	CIR-13	CIR-20	CIR-25	CIR-25A
					最佳乳化沥青用量	3.8％	3.7％	3.5％	3.7％

4.CT扫描试件成型

本发明采用三种方式来成型乳化沥青冷再生混合料的CT扫描试件，分别为马歇尔击实、旋转压实和静压。马歇尔试件的直径为101.6mm，控制高度为63.5±1.3mm，成型过程根据《公路沥青路面再生技术规范》(JTG F41-2008)的规定进行，具体方法为：双面击实50次初始成型，待60℃养生结束后立即双面击实25次，脱模后成型完毕。旋转试件的直径为100.0mm，控制高度为63.5±1.3mm，成型过程与前文一致。静压试件底面尺寸为80.0mm×80.0mm，控制高度为60.0±1.3mm，采用ARCAN试件的模具，用压力机压实成型。所有试件均采用与前文相同的养生方法。

为了保证CT扫描试件的质量，对同一成型方式和级配，成型3个平行试件，然后根据试件的尺寸和外观，从中优选出一个作为CT扫描试件。本发明总共成型了36个试件，最终选出了12个试件进行CT扫描。为了便于区分，将马歇尔试件编号为CIR-13-M、CIR-20-M、CIR-25-M和CIR-25A-M，将旋转试件编号为CIR-13-X、CIR-20-X、CIR-25-X和CIR-25A-X，将静压试件编号为CIR-13-J、CIR-20-J、CIR-25-J和CIR-25A-J。另外，本发明从南京南站综合枢纽站东路取回一个冷再生路面芯样参与CT扫描试验，该芯样为中粒式级配，直径为100mm，高度为87.8mm，将其编号为core。所有乳化沥青冷再生混合料CT扫描试件如图2所示。

普通热拌沥青混合料试件制备

1.级配设计

与乳化沥青冷再生混合料相对应，选择工程上广泛应用的AC-13、AC-20和AC-25三种级配类型进行对比性研究。三种级配类型的取值范围参考现行规范《公路沥青路面施工技术规范》(JTG F40-2004)，在设计级配曲线时，同样尽量使其靠近级配范围中值，以得到典型的级配曲线。其中，AC-13级配采用玄武岩，AC-20级配和AC-25级配采用石灰岩。本发明所设计的三种级配曲线如图3所示。

2.确定最佳油石比

根据实际工程的设计方案，AC-13级配采用PG76-22SBS改性沥青，AC-20级配和AC-25级配采用PG64-2270#沥青。采用马歇尔设计方法确定三种级配的最佳油石比，结果见表2-6。

表2-6不同级配的最佳油石比

级配	AC-13	AC-20	AC-25
				最佳油石比	4.8％	4.1％	3.6％

3.CT扫描试件成型

对每个级配，采用双面击实75次的方式各成型3个马歇尔试件，试件直径为101.6mm，控制高度为63.5±1.3mm，然后从中优选出一个作为CT扫描试件。本发明总共成型了9个普通热拌沥青混合料试件，最终进行CT扫描的三个试件如图4所示。

CT扫描试验

1.工业CT基本构成

工业CT系统主要包括以下几个基本部件：射线源、探测器和瞄准仪，以及配套的数据采集系统、扫描机械系统、计算机系统(硬件和软件)和辅助系统(辅助电源和辅助安全系统)等。一个典型的X-ray CT扫描系统如图5所示。

工业CT最常见的射线源是X射线机和直线加速器，统称电子辐射发生器。X射线机与直线加速器产生X射线的原理基本相同，都是利用高速电子轰击靶物质，电子突然减速而产生轫致辐射。但两者加速电子的原理有所不同，X射线机的峰值射线能量和强度都是可以调节的，市面上X射线机的峰值射线能量一般为10kV-450kV，而直线加速器的峰值射线能量一般不可调。对X射线机的基本要求除了合适的最高电压以外，还要有足够的电流强度、较小的焦点、良好的稳定性和可靠性。

探测器是用来探测X射线辐射强度的部件，按照物理形态可分为两种类型：分立探测器和面探测器。分立探测器为传统的线性探测器阵列，每个探测器单元之间具有较明显的独立性。面探测器为一块完整的探测器，其辐射探测效率比分立探测器高，适合于透视成像和三维成像。

瞄准仪分为前瞄准仪和后瞄准仪两种，其作用是遮挡多余的X射线，通常由铅、钨甚至贫铀等重金属材料制成。对工业CT而言，后瞄准仪一般要比前瞄准仪狭窄，因而X射线束的有效尺寸是由后瞄准仪决定的。合理调整前后瞄准仪的组合能够改善CT系统的成像质量，对平衡CT系统的各项技术指标具有决定性意义。

工业CT系统按照扫描方式，可分为平移-旋转(TR)扫描方式、只旋转(RO)扫描方式和螺旋扫描方式三类，其中，最常见的是TR和RO两种扫描方式；按照重构算法，可分为平行束重构、扇形束重构和锥形束重构三类，其中，锥形束重构算法相对比较复杂，对应的扫描方式为螺旋扫描方式。

2.工业CT成像原理

与光学成像原理不同，CT扫描图像是根据物质密度的不同来成像的。工业CT的成像过程为：射线源向探测平台上的工件放射出X射线，X射线在穿透工件内部的过程中会被部分吸收，最终探测器上接收到的是光强衰减后的X射线，由于不同密度的物质对X射线的吸收系数不同，随着探测平台做匀速旋转，探测器会连续不断地接收到不同旋转角度时，不同位置处的剩余X射线，与此同时，数据采集系统将探测器感应到的剩余X射线光强信息实时地传输给计算机系统，计算机系统利用锥形束重构算法反算工件的吸收系数矩阵，通过吸收系数矩阵可反映出工件内部的密度分布情况，从而实现CT扫描的成像。

在上述过程中，CT扫描实现成像的关键是不同密度的物质对X射线具有不同的吸收系数。X射线穿透被检测的工件时，其光强服从下述方程：

式中：I₀——X射线穿透被检测物质前的光强；

I——X射线穿透被检测物质后的光强；

——被检测物质单位质量的X射线吸收系数；

ρ——被检测物质的密度；

x——入射X射线的穿透长度。

一般情况下，只与入射X射线的波长有关，为了处理的方便，按照下式引入μ作为某物质对X射线的吸收系数。

在对CT扫描图像进行分析时，人们更关注工件内部不同位置之间的密度差异，而不是密度本身，并且直接用吸收系数矩阵并不能明显地反映不同材料之间的差异。因此，上世纪六十年代末，CT技术的发明人英国工程师亨斯菲尔德(Godfrey N.Hounsfield)采用CT数来代替吸收系数矩阵，其定义为：

CT数以水为标准，通过对比某物质和水的吸收系数的不同来计算该物质的CT数。CT数的单位为HU(Housfield Unit)，1000为HU的分度因数。根据公式2-2可知，水的CT数为0，空气的CT数接近于-1000。

CT数可间接地反映物质的密度，物质的密度越大，则CT数越高，物质的密度越小，则CT数越低。由于沥青混合料中空隙、沥青胶浆和集料颗粒三者的密度呈由小到大的顺序排列，且相互之间有较大的差异，因而通过CT扫描可将它们清楚地识别出来。

3.CT扫描的过程

本发明使用的是长安大学特殊地区公路工程实验室购置的德国YXLON公司Compact-225型工业CT设备。该设备的探测平台采用螺旋扫描方式，并利用锥形束重构算法生成CT扫描图像，具有较高的空间分辨率，能够对尺寸较大的试件进行扫描，代表了目前国际上较高的工业CT技术水平。其主要技术指标见表2-7。

表2-7德国YXLON公司Compact-225型工业CT设备主要技术指标

在对沥青混合料试件进行CT扫描之前，需要进行一系列的准备工作和参数设置：

(1)将试件安放到旋转台。为了让X射线能够照射整个试件，在旋转台上放置一个轻质木块或者泡沫块，再把试件置于其上，并确保试件在移动和旋转的过程中与旋转台保持相对静止。后续处理中可通过选取研究区域将木块或泡沫块的成像部分去除。

(2)调整滤波片数量。滤波片能够吸收低能射线，减少其在X射线中所占的比例，提高CT扫描的成像质量，但是滤波片数量过多时会起反作用。滤波片的数量存在一个最佳范围，需要通过反复的调试来确定。

(3)关闭射线防护门，调整试件、焦点、旋转台和探测器的水平、垂直位置，以获得最佳的成像效果。将旋转台旋转360度，并观察试件轮廓是否超出成像窗口范围，如果有超出的部分，则需要重新调整试件位置，最终使得在任何角度上试件的轮廓都处于成像窗口范围内。

(4)调节X射线能量、束电流和焦点。提高X射线能量能够得到更好的穿透效果，但是探测器不能过调，并且需要尽可能地使用较高的电流。使用小焦点可以提高成像的分辨率，但是最大电流会随之而变小。

(5)调节积分时间。较长的积分时间可提高成像的对比度并降低噪音，但是会使得扫描的过程较为漫长，增加设备的工作负荷。

(6)设置投影数。提高投影数会得到更高的成像分辨率，但是会增加扫描和数据重建所耗的时间。

通过合理设置各个参数，能够使CT扫描过程在较短的时间内完成，并获得具有较高辨识度的CT扫描图像。Compact-225型工业CT设备配套有专用的YXLON操作软件，上述所有参数均可在该软件的用户界面内进行设置，通过该软件也可实时监视CT扫描的整个过程。

由YXLON生成的CT扫描原始数据为沥青混合料试件的体素数据(CT,MRI格式)，用一般的软件不方便对其进行处理。采用Volume Graphics公司开发的三维可视化软件VGStudio MAX 2.0可对大量的体素数据进行处理分析，生成二维图像和三维立体模型，进行各种操作和效果渲染，输出各类格式的数据文件和图片，不仅操作方便、显示直观，而且处理过程较为快捷，利用一般的计算机即可完成数据处理分析的过程，是目前比较流行的与CT扫描试验配套使用的视觉化处理软件。

将沥青混合料试件的体素数据导入VGStudio MAX 2.0中，按需要选取研究区域后，即可在用户界面中显示出沥青混合料试件TOP、FRONT和RIGHT三个方向的二维断层灰度图像，通过调整坐标值，可以连续查看不同位置处的断层图像。同时，VGStudio MAX 2.0能够根据自己的算法重构出沥青混合料试件的三维立体模型，并可以对其进行任意旋转和剖分，具有强大的视觉展示功能。图6展示的是CIR-25A-M试件的二维断层灰度图像和三维立体模型。根据工业CT的成像原理，在二维断层灰度图像中，明亮的部分(灰度值较大)为集料颗粒，较暗的部分(灰度值为中等水平)为水泥乳化沥青胶浆，黑色的部分(灰度值较小)为空隙和背景。通过图6的显示结果能够方便、清楚地观察乳化沥青冷再生混合料试件内部结构的全貌。

除了视觉展示之外，VGStudio MAX 2.0还可以利用灰度阈值来对沥青混合料的CT扫描图像进行材质分类，简单地说，就是预先设定两个合理的灰度阈值，得到三个灰度范围，根据这三个灰度范围分别提取出空隙、沥青胶浆和集料颗粒三种材质，从而量化其尺寸。但是本发明在研究的过程中发现，VGStudio MAX 2.0的阈值分割功能只能满足粗略的分析要求，其分割精度有待验证，并且不能对CT扫描图像做进一步的处理，无法进行深入的研究。

本发明利用VGStudio MAX 2.0将所有试件TOP、FRONT和RIGHT三个方向的CT扫描图像全部导出，保存为256级灰度图像，在后续的研究过程中，将利用Matlab对这些CT扫描图像进行处理和分析，深入研究乳化沥青冷再生混合料的细观结构。至此，完成了数字图像处理技术中的第一步——图像获取。这一环节获得了大量的数据，见表2-8，其中，由于每次扫描所设定的参数不全相同，最终的图像精度也不全一致，但基本保持在0.11mm/pixel左右，利用图像精度可将CT扫描图像中的各种图形换算为实际尺寸，对细观结构的研究具有重要的意义。另外，TOP、FRONT和RIGHT所对应的确切方位因CT扫描时试件的实际摆放方式而异，在研究的过程中应根据需要选择相应的图像进行处理分析。

表2-8 CT扫描试验获得的数据汇总

二、图像处理；

CT扫描图像材质分类

1.图像增强

图像增强的目的是为了改善图像的显示效果，有目的地突出图像的整体或局部的特征，将原来不清晰的细节变得清晰，并抑制不感兴趣的特征。图像增强一般是图像处理的第一步工作。按照处理角度的不同，图像增强的方法主要分为两大类：频域处理和空间域处理。频域处理是用正交变换先将原图像f(x,y)变换到变换域中为F(u,v)，再根据需要对F(u,v)进行处理得到G(u,v)，最后将G(u,v)反变换到空间域中形成增强图像g(x,y)。频域处理是以修改原图像的傅氏变换为基础的。

相对于频域处理而言，空间域处理的运算过程不需要进行频域变换，只需要在空间域中对原图像的像素点直接进行处理即可。空间域处理的定义式为：

g(x，y)＝T[∫(x，y)] (2-6)

式中：f(x，y)——原图像；

g(x，y)——处理后的图像；

T——对f的操作，定义在(x,y)的邻域。

像素点(x,y)的邻域(以3×3为例)如图7所示，是一个以(x,y)点为中心的正方形或矩形小区域。在空间域处理的过程中，随着小区域的中心从一个像素向下一个像素移动，T操作对每一个(x,y)点进行处理得到对应的输出g(x,y)，当小区域便览完整个原图像时，空间域处理也结束。

本发明采用空间域处理的图像增强方法，先用中值滤波去除图像噪声，提高图像质量，然后用直接灰度变换的方法增强图像的对比度，增大沥青混合料CT扫描图像中空隙、沥青胶浆和集料颗粒三种材质的灰度值差异，有助于提高后续图像分割的准确性。

2.滤波去噪

噪声是图像在生成过程中产生的无用信息，一幅沥青混合料CT扫描图像中可能存在着各种噪声，使得图像局部质量退化。按照噪声源的不同，噪声可分为三类：电子噪声、光电子噪声和记录噪声。按照性质的不同，噪声可分为两类：一类是点状尖峰形颗粒噪声，另一类是分布噪声，如高斯噪声。沥青混合料CT扫描图像中的噪声主要为点状尖峰形颗粒噪声。

通常可采用图像平滑的方法消除噪声，具体算法可采用邻域平均法、加权平均法、选择平均法、多幅平均法以及空间滤波等。经研究发现，属于空间滤波的中值滤波在沥青混合料CT扫描图像的噪声处理中具有较好的效果。中值滤波的目的只是把干扰去除，而不是刻意让图像模糊，这种方法对滤除脉冲干扰和图像扫描噪声都很有效，而且中值滤波具有较好的抗噪能力。Matlab中中值滤波操作的函数为medfilt2(f)，效果如图8所示。

3.增强对比度

对于灰度图像，可采用灰度变换的方法来改善图像质量，增强图像的显示效果。灰度变换主要包括直方图处理和直接灰度变换两种技术。直方图处理是非线性变换，根据直方图的特点来对灰度图像进行处理。直方图处理中应用较为广泛的是直方图均衡化，其原理是将原图像的直方图变换成为均匀分布的形式，这样就扩大了像素灰度值的动态范围，使得原图像中看不清楚的细节变得清晰，从而达到增强图像整体对比度的效果。但是本发明应用的效果不佳，对后续图像分割的效果有一定的影响。

另技术是直接灰度变换，它有多种手段来提高图像质量，如图像求反、增强对比度、动态范围压缩和灰度切分，其中，增强对比度的方法对沥青混合料的CT扫描图像较为适合。增强对比度的结果是增强了原图像不同材质之间的差异，操作中常常是通过增加原图像中某两个灰度值之间的动态范围来实现的。直接灰度变换的形式如图9-12所示，其中，图10为典型的增强对比度的过程。可以看到，通过减小原图像中0到s1和s2到L-1之间的范围，s1到s2之间的动态范围增加了，从而这个范围内的对比度增强了。根据实际需要，s1，s2，t1，t2可取不同的组合，进而取得不同的效果。图9、11和12为其它直接灰度变换的过程.

Matlab中增强对比度的函数为imadjust(f,[low_in,high_in],[low_out,high_out])，该函数将low_in至high_in之间的灰度值映射到low_out至high_out之间，并剪切掉low_in以下和high_in以上的灰度值，从而突出low_in至high_in之间的灰度信息。上述参数取归一化的灰度值，其中low_out和high_out缺省时分别为0和1。沥青混合料CT扫描图像中，空隙的灰度值较低，集料颗粒的灰度值较高，沥青胶浆的灰度值介于两者之间，增强沥青胶浆的灰度信息后，空隙和集料颗粒的图像也将得到增强，因此low_in和high_in应分别取沥青胶浆灰度值范围的低值和高值。本发明结合图像分割的效果进行了大量的测试，最终确定low_in取40/255，high_in取225/255。增强对比度的效果如图13所示。

4.图像分割方法的选择

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。图像分割技术没有适用于一切图像的最优方法，分割的效果也没有绝对的标准。在选择具体的图像分割方法时，需要综合考虑图像的特点和算法实现的难易程度。在上述四种方法中，阈值分割法具有算法简单、直观和分割效果较好的优点，大多数学者都采用该方法来对沥青混合料CT扫描图像进行材质分类。

阈值分割法是并行区域处理技术，是图像分割技术中应用最为广泛的一类。阈值分割法实际上是输入图像f(i,j)到输出图像g(i,j)的如下变换：

其中，T为事先设定的阈值。通过上式所达到的效果为：如果点(i,j)的灰度值f(i,j)大于T，则输出图像中该点的灰度值g(i,j)等于1，反之，则等于0。由此可见，阈值分割法的关键是确定阈值，如果能确定一个合适的阈值，就可以准确地把感兴趣的目标从原图像中提取出来。阈值分割法一般采用全局阈值和局部阈值来对图像进行处理。全局阈值是指整幅图像使用同一个阈值，适用于目标与背景有明显对比度的图像。该方法只考虑像素点的灰度值，并不考虑像素点的空间特性，因而对噪声、亮度不均匀等图像质量问题很敏感。局部阈值是事先将一幅图像划分为若干幅子图像，然后对每个子图像选取相应的阈值进行分割。该方法同时考虑了像素点的灰度值和空间特性，应用范围比全局阈值更为广泛，但是可能会在相邻子图像的边界处产生灰度不连续的情况。

一幅与背景有明显对比度的物体的图像，其灰度直方图具有双峰特性，其中一个波峰属于背景，另外一个波峰属于物体。针对这一类图像的特点，Prewitt等人于六十年代中期提出选取两峰之间的波谷对应的灰度值作为阈值来分割图像，可以把错分的概率降到最低，该方法称为“双峰法”(也称“mode法”)，是典型的全局阈值分割方法。大量的实践经验表明，沥青混合料CT扫描图像的灰度直方图也呈现明显的双峰分布，如图14所示。在图中有两个相连的波峰，波峰之间有一个波谷，共同占据了相当一部分的灰度值范围，在其左侧另有一段平坦低矮的波谷，一直延伸到灰度值为0处，灰度值为0处则为一个频数很高的尖峰，从图上并不能明显的看出来。按照双峰法的理念，选取左侧波谷最低处对应的灰度值作为阈值T1，选取两峰之间波谷最低处对应的灰度值作为阈值T2，那么灰度值在0-T1之间的为背景和空隙，灰度值在T1-T2之间的为沥青胶浆，灰度值在T2-255之间的为集料颗粒，通过阈值T1和T2就可以把一幅沥青混合料CT扫描图像中的空隙、沥青胶浆和集料颗粒三种材质分别提取出来。

如前所述，阈值分割法最关键的是阈值的确定，阈值是否合理直接影响分割效果的好坏。双峰法虽然能够实现沥青混合料CT扫描图像的材质分类，但是需要通过反复的调试才能确定最合理的阈值，受研究者主观判断的影响较大，并且阈值确定的过程不能自动进行，无法应用到大量图像的批量处理中。

5.OTSU法简介

日本学者大津于1979年提出最大类间方差法，是阈值分割法中非常重要并且沿用至今的方法，也叫“大津法”，简称为“OTSU法”。该方法的基本原理是：通过一个设定的阈值将图像分为目标和背景两个部分，两类之间的方差越大，说明两类的差别越大，错分的概率越小，因此通过试算寻找两类之间方差的最大值，对应的阈值即为最佳阈值。算法的具体实现过程如下：

假定一个离散化的概率密度函数：

式中：ni——灰度值为i的像素个数；

L——可能的最大灰度值；

N——图像中像素的总个数。

设定一个初始阈值K，将所有像素分为灰度值为0～K-1和K～L-1的两部分，最大类间方差的定义为：

式中：

初始阈值K通常取1，依次计算当K＝1,2,…,L-2时的最大类间方差使最大类间方差取最大值时的阈值K为最终的计算结果。

OTSU法的理念与双峰法类似，同样是以最大差异分界处的阈值为最佳阈值，同时它是自适应的阈值分割算法，能够针对每一张图像的特点自动计算相应的最佳阈值，与双峰法相比，更适合于图像的批量处理中。

之前的叙述中已经介绍过，从沥青混合料CT扫描图像中提取出三类材质需要两个阈值T1和T2，而OTSU法只能计算出一个阈值，因此需要对其进行改进。首先以整幅图像的像素为对象，用OTSU法计算出阈值T1，然后以灰度值在T1+1-255之间的像素为对象，用OTSU法计算出阈值T2。阈值T1可将空隙和背景区分出来，并把沥青胶浆和集料颗粒划为一类，阈值T2可将集料颗粒区分出来，并把空隙、背景和沥青胶浆划为一类，通过一系列的图像加减运算可得到空隙、沥青胶浆和集料颗粒各自的图像。

6.图像分割效果

对CT扫描图像进行图像增强处理后，把OTSU算法写成Matlab代码计算灰度阈值，并用Matlab自带的函数im2bw(f,T)对CT扫描图像做二值化处理，最终得到图15-18所示的效果。二值化图是只有0和1两个值的逻辑矩阵，其中，0为纯黑，1为纯白。图像实现二值化后，有利于对其中的图形进行识别和测量，方便后续的图像分析研究。

7.图像分割的难点及算法的改进

CT扫描图像的亮度不均匀问题

本发明在对所有试件的CT扫描图像进行材质分类的过程中，发现部分试件的CT扫描图像无法实现正常的图像分割，如图19-20和图21-22所示，其中，图19-20为圆形截面的情况，图21-22为矩形截面的情况。可以看到，利用OTSU阈值分割法提取出的集料颗粒图像，中间有一块黑色区域，说明该区域内本来属于集料颗粒的材质被错误识别为空隙和背景，而已提取出的集料颗粒图像又过度地连接在一起，说明本来属于沥青胶浆的材质被错误识别为集料颗粒，这些问题都导致了图像分割的失败，无法进行下一步的图像分析研究。

从原图来看，我们用肉眼可以清楚地分辨出空隙、沥青胶浆和集料颗粒三种材质，但却不能用阈值分割法将它们区分开来。这是因为原图的整体亮度不均匀，导致同材质在不同的位置处具有不同的灰度值，不同位置处不同材质的灰度值相互混淆，阈值分割法失效。比如说，当一颗位于图像中心处的集料与图像边缘处的沥青胶浆的灰度值相同时，用全局阈值就不能区分出两者，只会将集料颗粒识别为沥青胶浆或者将沥青胶浆识别为集料颗粒。

亮度不均匀问题广泛存在于一般的图像中，主要是由于光照的不均匀导致。对于CT扫描图像，扫描的参数设置不当，X射线的穿透力不强，设备老化等因素都会引发亮度不均匀问题。目前在车牌识别、指纹识别等领域上提出了一些解决该问题的办法，具有代表性的是局部阈值分割技术和亮度均衡技术。

8.基于环形区域和OTSU法的图像分割方法

对于圆形截面图像的亮度不均匀问题，相关文献提出了基于环形区域和OTSU法的图像分割方法，该方法是局部阈值分割技术，能够取得较好的效果。仔细观察图19可以发现，圆形截面中心处整体灰度值较低，图像较暗，沿半径方向向外整体灰度值逐渐提高，图像变亮。根据这一特点，将图像划分为若干个环形子图像，分别对它们进行材质分类，然后将提取出的材质图像合并，从而解决了亮度不均匀问题。

本发明参考该方法，通过大量的测试发现将圆形截面图像划分为6个部分效果最佳。其中，中心为圆形(S1)，另外5个部分为相互嵌套的圆环(S2-S6)，圆环的宽度与圆形的半径相等，如图23所示。分别计算每个部分的阈值T1和T2，见表2-9。可以看到，环形区域划分后，除了S5，其它部分的阈值都与原图有较大的差别，并且从S1到S6，阈值T1和T2均呈逐渐增大的趋势，说明环形区域划分的方法是正确的，能够较好地适应圆形截面图像的亮度不均匀分布规律。最终的材质分类效果如图24-26所示。

表2-9环形区域划分各部分的图像分割阈值(CIR-25-M TOP059)

图像类别	原图	S1	S2	S3	S4	S5	S6
								阈值T1	87	66	70	72	77	87	99
阈值T2	179	132	136	143	156	175	198

9.基于形态学变换和OTSU法的图像分割方法

受环形区域划分方法的启发，本发明对矩形截面图像采取了三种区域划分方式，但是图像分割的效果都不理想，不同区域之间的灰度值不连续，同时还存在错误分割的情况，如图27-29所示。其原因在于矩形截面图像的亮度不均匀分布特点比较复杂，亮度较低的区域呈沙漏形，简单的区域划分方式无法适应其整体灰度值的渐变规律。而复杂的区域划分方式不仅不容易实现，而且会对图像分割效果产生不利的影响。

本发明采用亮度均衡技术来解决矩形截面图像的亮度不均匀问题。所谓的亮度均衡就是对图像中不同亮度的区域进行亮度补偿，使得整幅图像的背景亮度趋于一致后，再用阈值分割法进行图像分割。实现亮度均衡的方法有很多种，如同态滤波和局部亮度调整等。本发明采用形态学变换中的底帽变换来达到亮度均衡的目的。

膨胀和腐蚀是两种基本的形态学运算，它们都是利用一个称为结构元素的集合来实现图像的形态变换。在灰度图中，使用结构元素b对图像f做膨胀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最大值作为输出，随着结构元素在图像中的所有位置平移，最终得到膨胀后的图像。使用结构元素b对图像f做腐蚀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最小值作为输出，随着结构元素在图像中的所有位置平移，最终得到腐蚀后的图像。

开运算和闭运算是膨胀和腐蚀的合成运算，两者的运算顺序有所区别，产生的效果也不一样。在灰度图中，使用结构元素b对图像f做开运算记为∫ob，定义为：

开运算即图像f先被结构元素b腐蚀，腐蚀的结果再被b膨胀。开运算通常用于去除比结构元素更小的明亮细节，同时相对地保持图像整体的灰度值和较大的明亮区域不变。使用结构元素b对图像f做闭运算记为f·b，定义为：

闭运算即图像f先被结构元素b膨胀，膨胀的结果再被b腐蚀。闭运算通常用于去除比结构元素更小的暗细节，并相对地保持明亮部分不受影响。

采用合适的结构元素对图像进行开运算或闭运算都可以产生对整幅图像背景亮度的合理估计，从原图像中减去该亮度估计即可获得亮度均匀的图像。其中，采用开运算的方法称为“顶帽变换”，采用闭运算的方法称为“底帽变换”。通过测试发现，底帽变换更适合于本发明的CT扫描图像。采用大小为50的disk(圆盘形)结构元素对矩形截面图像进行闭运算后，得到的亮度估计如图30所示，可以看到，该亮度估计成功地把沙漏形的亮度不均匀特点识别出来。用原图像减去图30后，再用OTSU法计算出的两个全局阈值T1和T2进行材质分类，最终的效果如图31-33所示。Matlab中底帽变换也可以通过函数imbothat(f,b)直接实现。

10.图像后处理

集料颗粒连接的分离

由于集料颗粒之间相互嵌挤，接触点处的沥青胶浆较少，图像灰度值在这些部位往往呈连续过渡的状态，导致提取出的集料颗粒相互连接在一起，在图形识别的过程中，Matlab会将几个相连的集料颗粒认定为同一个颗粒，影响图像分析结果的准确性。图形连接可采用分水岭变换来解决，但是将该方法用在具有丰富尺寸和形状的集料颗粒图像上会产生过度分割的问题。形态学变换中的开运算应用于二值图时，能够平滑图形轮廓，断开连接，并去除较小的独立点，能够较好地解决图形连接的问题。本发明采用大小为2的disk结构元素来对集料颗粒图像做开运算，颗粒分离效果较好，如图34所示。Matlab中开运算的函数为imopen(f,b)，其中，b为结构元素，需要预先定义。

11.集料颗粒的空洞填充

集料颗粒图像中出现空洞是常见的现象，主要是由于灰度信息的异常造成，在进行颗粒测量前需要对空洞进行填充。Matlab中可用函数imfill(f,4,’holes’)来填充集料颗粒图像中的空洞，如图35所示。

12.粗集料颗粒的识别与二维筛分

本发明采用等效直径法来衡量集料颗粒的尺寸，即用与颗粒面积相等的圆形的直径来代表颗粒的粒径。等效直径法的计算公式为：

式中：Feretmeter——等效直径；

Aren——集料颗粒的面积。

通过图像精度先将像素尺寸换算为实际长度，然后利用Matlab中的图形测量函数把不同粒径的集料颗粒单独分离出来，如图36-41所示，其中图36为所有粗集料颗粒，图37-41为各档粗集料颗粒。虽然二维下的集料颗粒尺寸并不能代表其真实的三维尺寸，研究结果与实际情况依旧存在一定的差距，但是与传统的研究方法相比，对集料颗粒的二维图像进行分析本身也是一个较大的进步，在目前的技术条件下同样具有研究意义。此外，需要说明的是，提取出粗集料颗粒后，通过图像运算将其余的细集料颗粒并入沥青胶浆图像中，可以形成沥青砂浆图像。

三、三维重构与材质分类效果评价

不同材质的三维重构

本发明用VGStudio MAX 2.0对CIR-25A-M试件进行了三维重构，由于该软件的材质分类功能较为粗略，本发明并未对其做更多的应用。通过利用Matlab对CT扫描图像进行一系列的图像处理操作，实现了对空隙、沥青砂浆和粗集料颗粒三种材质的分类，此时再将不同材质的图像导入VGStudio MAX 2.0中进行三维重构，得到的三维立体模型更为准确。CIR-25A-M试件不同材质的三维重构效果如图42-44所示。

上图中三种物质的三维立体模型采用了不同的渲染方式，能够较好地突出各自的空间结构特点。从图42可以看到，乳化沥青冷再生混合料的空隙在整个试件中分布广泛而密集，其中白色的为较大的空隙，黑色的为较小的单体空隙；图43中，水泥乳化沥青砂浆的三维模型与试件整体的形状相似，但是由于缺少了空隙和粗集料颗粒的存在，模型内部存在许多空洞，呈现出空间网状结构；图44展示的是不同粒径的粗集料颗粒在乳化沥青冷再生混合料中悬浮、嵌挤的空间分布状态。

VGStudio MAX 2.0可以对三维立体模型中的体素个数进行统计，并利用图像精度将体素个数换算为实际的体积大小，从而分别得到空隙、沥青砂浆和粗集料颗粒的总体积。表2-10列出了乳化沥青冷再生混合料和普通热拌沥青混合料中三种组成物质的总体积计算结果，其中，选择了具有代表性的乳化沥青冷再生混合料旋转压实试件进行对比分析。图2-27和2-28根据表2-10中的数据分别展示了上述两类混合料的体积组成状况。

表2-10冷料和热料中空隙、沥青砂浆和粗集料颗粒的总体积计算结果

从图45-48和49-51可知，冷料的空隙率与热料有较大差异，前者的空隙率较大，在10％以上，后者的空隙率较小，在4％-5％之间。对于冷料，水泥乳化沥青砂浆在混合料总体积中所占比重较大，CIR-13和CIR-20两个级配的水泥乳化沥青砂浆的体积甚至超过了粗集料颗粒，其中，CIR-13级配的水泥乳化沥青砂浆达到了混合料总体积的50.3％，其余两个粗粒式级配的水泥乳化沥青砂浆也占据了混合料总体积的40％以上。对于热料，粗集料颗粒为主要的体积组成，体积比例达到60％以上，而沥青砂浆的体积比例只有30％左右。随着混合料的级配由细变粗，冷料和热料的粗集料颗粒所占体积均逐渐变大，沥青砂浆所占体积均逐渐变小，这是较细的级配含有更多的细集料，于是形成的沥青砂浆也较多的缘故。

VGStudio MAX 2.0根据自带的重构算法重构出空隙的三维模型后，能够识别和区分出所有的空隙，并测量出空隙的一些基本几何参数，见表2-10。

表2-10空隙的测量结果(CIR-20-X)

其中：Volume——空隙的体积；

Voxel——空隙所包含的体素；

Pos X、Pos Y、Pos Z——空隙在X、Y、Z三个方向的位置；

Size X、Size Y、Size Z——空隙在X、Y、Z三个方向的尺寸；

Surface——空隙的表面积。

统计CIR-20-X和AC-20两个试件的空隙，其中，CIR-20-X试件的空隙总数为27369个，最大空隙的体积为4159.07mm3，最小空隙的体积为0.01mm3，空隙的平均体积为1.16mm3；AC-20试件的空隙总数为9079个，最大空隙的体积为2286.08mm3，最小空隙的体积为0.01mm3，空隙的平均体积为0.64mm3。上述两个试件中体积大于10mm3的空隙数量分别为123个和91个，绘制出其频数分布直方图，如图52所示。

CIR-20-X和AC-20两个试件中体积在1mm3-10mm3之间的空隙数量分别为1453个和543个，绘制出其频数分布直方图，如图53所示。

体积小于1mm3的空隙数量很多，在CIR-20-X和AC-20两个试件中分别为25793个和8445个，分别占空隙总数量的94.2％和93.0％。

以上两个频数分布直方图可对乳化沥青冷再生混合料和普通热拌沥青混合料的空隙分布特性进行初步分析：与普通热拌沥青混合料相比，乳化沥青冷再生混合料具有更多的空隙，主要由于体积小于1mm3的空隙数量远远超出前者。而普通热拌沥青混合料的大空隙(大于100mm3)数量更多。在第三章中将对空隙分布特性进行深入的分析。

材质分类效果评价

将三维重构得出的体积数据与实测的体积数据做比较，即可对材质分类的效果进行评价。本发明主要对空隙率和粗集料颗粒的体积进行验证，通过对比计算值与实测值的偏差来检验图像分割过程中阈值T1和T2的合理性。用表干法测量试件的空隙率，然后进行抽提试验，并用分度值为10mL的500mL量杯对筛分出的粗集料颗粒进行排水测量，即可测量出每个试件的粗集料颗粒的体积。所有数据汇总于表2-11。

表2-11空隙率和粗集料颗粒体积的验证

从表2-11中可以看到，所有试件的计算空隙率均小于实测空隙率，但偏差很小，其中，乳化沥青冷再生混合料的空隙率偏差在-1.0％左右，而普通热拌沥青混合料的空隙率偏差在-0.1％左右。结合之前对空隙分布特性的分析结论，空隙率产生上述偏差规律的原因可能是由于两种混合料中都还有部分细小的空隙未被CT扫描试验识别出来，而乳化沥青冷再生混合料中的这些细小空隙更多，从而产生了更大的计算偏差。所有试件计算的粗集料颗粒体积同样都小于实测值，偏差值都小于-5.0％，这可能是由于二维筛分的过程使得粗集料颗粒的体积减少导致。

通过上述分析可知，空隙和粗集料颗粒的提取较为准确，误差大小均在可接受的范围之内，说明阈值T1和T2都比较合理，材质分类的效果较好。

本发明完成了数字图像处理技术中的前两个步骤——图像获取和图像处理。在图像获取这一环节中，利用工业CT对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得了大量清晰的CT扫描图像。在图像处理这一环节中，采用OTSU阈值分割法对CT扫描图像进行了材质分类，并针对存在亮度不均匀问题的CT扫描图像，对图像分割算法进行了改进，改进后的算法较好地解决了亮度不均匀问题。最后，利用VGStudio MAX 2.0对不同的材质进行了三维重构，并通过比较空隙率和粗集料颗粒体积的计算值与实测值，验证了材质分类的效果。通过三维重构得到了一些初步的分析结论：

(1)水泥乳化沥青砂浆在冷料中占有相当一部分的体积比例，而在热料中，体积比重较大的是粗集料颗粒。随着级配由细变粗，冷料和热料中粗集料颗粒的体积比重逐渐增大，沥青砂浆的体积比重逐渐减小。

(2)冷料中的空隙数量在两万以上，其中，体积小于1mm3的空隙数量较为庞大，占总数量的90％以上。热料的空隙数量不到一万，其中，体积较大的空隙数量相对较多。

(3)通过CT扫描得到的沥青混合料计算空隙率比实测空隙率小，主要是因为沥青混合料中含有部分CT扫描不能识别出的细小空隙，而在乳化沥青冷再生混合料中，这部分细小空隙更多，从而使其计算空隙率有较大的偏差。

本发明最终得到了冷料和热料的空隙、沥青砂浆和粗集料颗粒的图像，能够较好地反映混合料不同组成物质的细观结构，为后续三个章节的图像分析研究提供了丰富而准确的数据。

本发明将其分别称为：CIR-13、CIR-20和CIR-25。由于1#RAP中粗集料较少，通过调整四档RAP的用量比例也无法得到满意的粗粒式级配。本文向CIR-25级配中加入用量为15％的新集料，重新调整四档RAP的用量比例，最后得到较为理想的粗粒式级配，并将其称为CIR-25A，所用的新集料的筛分结果见表2-2。”

1#、2#、3#、4#四档RAP料的筛分结果，以及CIR-13、CIR-20、CIR-25、CIR-25A四种级配中四档RAP料的用量比例如下所示：

表1 1#RAP料的筛分结果

表2 2#RAP料的筛分结果

表3 3#RAP料的筛分结果

表4 4#RAP料的筛分结果

表5 新集料的筛分结果

表6 CIR-13、CIR-20、CIR-25、CIR-25A四种级配中四档RAP料的用量比例

注：CIR-13是将1#RAP料中的19mm筛孔以上的集料直接去除后再配比。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (8)

1.沥青混合料的CT图像的材质分类方法，其特征在于：包括三个步骤：

步骤一、图像获取；在图像获取这一环节中，利用工业CT对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像；

步骤二、图像处理；在图像处理这一环节中，采用OTSU阈值分割法对CT扫描图像进行材质分类，利用图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理；

步骤三、三维重构；利用VGStudio MAX 2.0对不同的材质进行了三维重构，并通过比较空隙率和粗集料颗粒体积的计算值与实测值，验证了材质分类的效果；

所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理。

2.根据权利要求1所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述步骤一中，所述图像获取包括试件制备和CT扫描试验；

所述试件制备包括乳化沥青冷再生混合料试件制备和普通热拌沥青混合料试件制备；

所述CT扫描试验为利用CT设备对乳化沥青冷再生混合料试件和普通热拌沥青混合料试件进行了无损伤断层扫描，获得清晰的CT扫描图像。

3.根据权利要求2所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述乳化沥青冷再生混合料试件制备包括如下步骤：步骤一、冷再生混合料级配设计；步骤二、确定最佳含水率；步骤三、确定最佳乳化沥青用量；步骤四、CT扫描试件成型。

4.根据权利要求2所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述普通热拌沥青混合料试件制备包括如下步骤：步骤一、级配设计；步骤二、确定最佳油石比；步骤三、CT扫描试件成型。

5.根据权利要求1所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述步骤二中，利用改进的图像分割算法对存在亮度不均匀问题的CT扫描图像进行处理，具体处理方法包括：对圆形截面图像的亮度不均匀问题的处理以及对矩形截面图像的亮度不均匀问题的处理。

6.根据权利要求5所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述圆形截面图像的亮度不均匀问题的处理：将图像划分为若干个环形子图像，分别对它们进行材质分类，然后将提取出的材质图像合并，从而解决了亮度不均匀问题；将圆形截面图像划分为若干个个部分。

7.根据权利要求6所述的沥青混合料的CT图像的材质分类方法，其特征在于：将圆形截面图像划分为6个部分；其中，中心为圆形(S1)，另外5个部分为相互嵌套的圆环(S2-S6)，圆环的宽度与圆形的半径相等，分别计算每个部分的阈值T1和T2。

8.根据权利要求6所述的沥青混合料的CT图像的材质分类方法，其特征在于：所述对矩形截面图像的亮度不均匀问题的处理：采用亮度均衡技术来解决矩形截面图像的亮度不均匀问题，具体采用形态学变换中的底帽变换来达到亮度均衡的目的；膨胀和腐蚀是两种基本的形态学运算，它们都是利用一个称为结构元素的集合来实现图像的形态变换；

膨胀：在灰度图中，使用结构元素b对图像f做膨胀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最大值作为输出，随着结构元素在图像中的所有位置平移，最终得到膨胀后的图像；

腐蚀：使用结构元素b对图像f做腐蚀运算记为定义为：

上式的实质是以结构元素为模板，求像素邻域灰度值的最小值作为输出，随着结构元素在图像中的所有位置平移，最终得到腐蚀后的图像；开运算和闭运算是膨胀和腐蚀的合成运算；

闭运算：使用结构元素b对图像f做闭运算记为f·b，定义为：

闭运算即图像f先被结构元素b膨胀，膨胀的结果再被b腐蚀。