CN106846315A - 一种基于土体图像计算土体裂隙率的方法 - Google Patents

一种基于土体图像计算土体裂隙率的方法 Download PDF

Info

Publication number
CN106846315A
CN106846315A CN201710071556.3A CN201710071556A CN106846315A CN 106846315 A CN106846315 A CN 106846315A CN 201710071556 A CN201710071556 A CN 201710071556A CN 106846315 A CN106846315 A CN 106846315A
Authority
CN
China
Prior art keywords
image
soil
soil body
body image
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710071556.3A
Other languages
English (en)
Other versions
CN106846315B (zh
Inventor
曹雪山
唐中军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201710071556.3A priority Critical patent/CN106846315B/zh
Publication of CN106846315A publication Critical patent/CN106846315A/zh
Application granted granted Critical
Publication of CN106846315B publication Critical patent/CN106846315B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于土体图像计算土体裂隙率的方法，包括以下步骤：步骤S1，对原始彩色图像调整阈值，将其转换为黑白图；步骤S2，将黑白图像转化为二值图；步骤S3，计算圆形土体图像中黑白像素的个数，黑色像素个数与黑白像素之和的比值即为裂隙率。本发明方法先对原始彩色图像调整阈值转换为黑白图；然后计算圆形土体黑白图像中黑白像素的个数，即可获得裂隙率，方法过程简单，免去了二值化处理过程。

Description

一种基于土体图像计算土体裂隙率的方法
技术领域
本发明涉及土木工程技术领域，具体涉及一种基于土体图像计算土体裂隙率的方法。
背景技术
膨胀土体的裂隙性对其工程性质影响极大。一方面，裂隙的存在破坏土体的整体性，使其强度大为削弱；另一方面，裂隙也加剧了大气对土体的影响，使水分的入侵与土体的风干更为剧烈。因此，研究裂隙的演化规律及其对膨胀土体工程性质的影响，将有助于揭示膨胀土边坡失稳破坏机制，同时，也为制订膨胀土边坡处理措施奠定基础。
一直以来，关于膨胀土裂隙发展的试验中，有各种各样的方式去反映裂隙的发展程度，其中有一种方式为图像法，即通过对土样进行拍照，之后通过一系列后处理来统计裂隙的发育程度。但现有技术中从图像中提取裂隙值均需要对图像进行二值化处理，并且处理步骤较多。
发明内容
本发明的目的在于克服现有技术中的不足，提供了一种基于土体图像计算土体裂隙率的方法，先对原始彩色图像调整阈值转换为黑白图；然后计算圆形土体黑白图像中黑白像素的个数，即可获得裂隙率，方法过程简单，免去了二值化处理过程。
为解决上述技术问题，本发明提供了一种基于土体图像计算土体裂隙率的方法，其特征是，包括以下步骤：
步骤S1，对原始彩色图像调整阈值，将其转换为黑白图；
步骤S2，将黑白图像转化为二值图；
步骤S3，计算圆形土体图像中黑白像素的个数，黑色像素个数与黑白像素之和的比值即为裂隙率。
进一步的，在photoshop中对原始彩色图像调整阈值。
进一步的，黑白图保存为png格式。
进一步的，在matlab中将黑白图像转化为单通道图，即为二值图。
进一步的，计算圆形土体图像中黑白像素个数的具体过程为：
步骤S31，根据黑白像素值确定包含裂隙的最大矩形图，该矩形内最大内切圆即为对应的圆形土样图像；
步骤S32，计算出矩形图中黑白像素个数，进而计算获得圆形土体图像中黑白像素个数。
进一步的，确定矩形图的具体过程为：首先对二值图中像素值进行反色处理；然后对图像中黑白像素值进行行列求和，根据列的和值确定矩形左右边界，根据行的和值确定矩形上下边界，截取图像中有值的部分即为矩形图。
进一步的，提取矩形图像中有值部分，计算有值像素个数，即为反色前土样图像中白色像素个数。
进一步的，对矩形图像再次反色，提取有值部分，即为包含矩形边界四个角的黑色像素，并计算黑色像素个数，根据圆形土体图像与矩形图面积比，计算出土样图像中黑色像素个数。
与现有技术相比，本发明所达到的有益效果是：1)图像只需调整阈值即可进行处理，免去了手动进行二值化这一过程。2)拍摄图像为矩形，土体图像为圆形，该方法免去了处理前需要把矩形图像裁剪为圆形的麻烦，简化步骤。3)统计结果精确明了，对问题的反映更为真实具体。
附图说明
图1是本发明方法的流程示意图；
图2是实施例中原始土体图像；
图3是实施例中调整阈值后的黑白图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的一种基于土体图像计算土体裂隙率的方法，如图1所示，包括以下处理步骤：
步骤S1，对原始彩色图像调整阈值，将其转换为黑白图。
现有技术中拍摄的图像为矩形，而实际原始土体图像为矩形中圆形的彩色图像，如图2所示。现有技术中对比原始彩色图像处理通常需要先将矩形图像裁剪出圆形土体图像，然后将此图像进行手动二值化转换为黑白图。
本发明采用在photoshop中对原始矩形彩色图像调整阈值，将其图像转换为黑白图，并保存为png格式。对原始彩色土体图像只需调整阈值即可进行处理，免去了手动进行二值化这一过程，也免去了处理前需要把矩形图像裁剪为圆形的麻烦。
步骤S2，将调整后图像转化为二值图。
运用matlab将调整后图像(png格式)转化为单通道图，即为二值图，其中黑白像素对应的灰度值分别为255和0。黑色像素点为裂隙，白色为非裂隙区域。
步骤S3，计算圆形土体图像中黑白像素的个数，黑色像素个数与黑白像素之和的比值即为裂隙率。
已知裂隙度为裂隙面积与土样总面积的比值，因此计算土体圆形图像中黑白像素的个数，黑色像素个数与黑白像素之和的比值即为裂隙率。此过程也是在matlab中完成。
计算圆形土体图像中黑白像素个数的具体过程为：
1)首先对二值图中像素值进行反色处理，以便于统计；
2)然后对图像中黑白像素值进行行列求和，根据列的和值确定矩形左右边界，根据行的和值确定矩形上下边界，截取图像中有值的部分即为矩形图。此矩形图为包含裂隙的最大矩形图，土体的图像为矩形中最大内切圆，取矩形图长宽中最大值作为圆形土体的半径。
3)提取矩形图像中有值部分(白色像素)，计算有值像素个数(白色像素值求和再除以255)，即为反色前土样图像中白色像素个数。
4)对矩形图像再次反色，提取有值部分，即为包含矩形边界四个角的黑色像素，并计算黑色像素个数，根据圆形土体图像与矩形图面积比(比值为π/4)，计算出土样图像中黑色像素个数(即矩形边界内黑色像素个数乘以比值)。
实施例
处理前原始土体彩色图片如图2所示，依据本发明方法在PS中对原始图片进行阈值调整处理，处理后的图片如图3所示。再计算圆形土体图像中黑白像素个数，黑白像素的个数和裂隙率如下表格所示。
表1：黑白像素值及裂隙率
黑色像素个数
白色像素个数
裂隙率 0.04187
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (8)

1.一种基于土体图像计算土体裂隙率的方法，其特征是，包括以下步骤：
步骤S1，对原始彩色图像调整阈值，将其转换为黑白图；
步骤S2，将黑白图像转化为二值图；
步骤S3，计算圆形土体图像中黑白像素的个数，黑色像素个数与黑白像素之和的比值即为裂隙率。
2.根据权利要求1所述的基于土体图像计算土体裂隙率的方法，其特征是，在photoshop中对原始彩色图像调整阈值。
3.根据权利要求1所述的基于土体图像计算土体裂隙率的方法，其特征是，黑白图保存为png格式。
4.根据权利要求1所述的基于土体图像计算土体裂隙率的方法，其特征是，在matlab中将黑白图像转化为单通道图，即为二值图。
5.根据权利要求1所述的基于土体图像计算土体裂隙率的方法，其特征是，计算圆形土体图像中黑白像素个数的具体过程为：
步骤S31，根据黑白像素值确定包含裂隙的最大矩形图，该矩形内最大内切圆即为对应的圆形土样图像；
步骤S32，计算出矩形图中黑白像素个数，进而计算获得圆形土体图像中黑白像素个数。
6.根据权利要求5所述的基于土体图像计算土体裂隙率的方法，其特征是，确定矩形图的具体过程为：首先对二值图中像素值进行反色处理；然后对图像中黑白像素值进行行列求和，根据列的和值确定矩形左右边界，根据行的和值确定矩形上下边界，截取图像中有值的部分即为矩形图。
7.根据权利要求5所述的基于土体图像计算土体裂隙率的方法，其特征是，提取矩形图像中有值部分，计算有值像素个数，即为反色前土样图像中白色像素个数。
8.根据权利要求5所述的基于土体图像计算土体裂隙率的方法，其特征是，对矩形图像再次反色，提取有值部分，即为包含矩形边界四个角的黑色像素，并计算黑色像素个数，根据圆形土体图像与矩形图面积比，计算出土样图像中黑色像素个数。
CN201710071556.3A 2017-02-09 2017-02-09 一种基于土体图像计算土体裂隙率的方法 Expired - Fee Related CN106846315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710071556.3A CN106846315B (zh) 2017-02-09 2017-02-09 一种基于土体图像计算土体裂隙率的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710071556.3A CN106846315B (zh) 2017-02-09 2017-02-09 一种基于土体图像计算土体裂隙率的方法

Publications (2)

Publication Number Publication Date
CN106846315A true CN106846315A (zh) 2017-06-13
CN106846315B CN106846315B (zh) 2020-04-03

Family

ID=59122147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710071556.3A Expired - Fee Related CN106846315B (zh) 2017-02-09 2017-02-09 一种基于土体图像计算土体裂隙率的方法

Country Status (1)

Country Link
CN (1) CN106846315B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107655771A (zh) * 2017-09-07 2018-02-02 河海大学 一种模拟边坡现场岩体崩解的试验装置及其试验方法
CN107991212A (zh) * 2017-10-26 2018-05-04 青岛海洋地质研究所 一种含水合物沉积物有效孔隙的分形维数测算方法
CN108061697A (zh) * 2017-12-06 2018-05-22 石家庄铁道大学 土体三维孔隙率计算方法
CN108153947A (zh) * 2017-12-12 2018-06-12 河海大学 一种基于软岩现场状态的崩解特征的描述方法
CN108765370A (zh) * 2018-04-24 2018-11-06 汕头大学 一种基于Python语言的定量不饱和土壤中裂纹数量的方法
CN111476850A (zh) * 2020-04-08 2020-07-31 华东交通大学 一种裂隙土裂隙率计算方法
CN115217084A (zh) * 2022-07-22 2022-10-21 中国华能集团清洁能源技术研究院有限公司 一种库区膨胀土表面裂隙率检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080062483A1 (en) * 2006-09-13 2008-03-13 Satoshi Morimoto Image processing method, image processing apparatus, manuscript reading apparatus, image forming apparatus and recording medium
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN102096906A (zh) * 2010-12-13 2011-06-15 汉王科技股份有限公司 用于全景二值图像的反白处理方法和装置
CN104330474A (zh) * 2014-10-22 2015-02-04 中国地质大学（武汉） 一种岩石损伤裂隙系统标定方法
CN105093352A (zh) * 2015-08-11 2015-11-25 武汉迈格睿地质环境科技有限公司 一种野外现场测量统计岩体体裂隙率的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080062483A1 (en) * 2006-09-13 2008-03-13 Satoshi Morimoto Image processing method, image processing apparatus, manuscript reading apparatus, image forming apparatus and recording medium
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN102096906A (zh) * 2010-12-13 2011-06-15 汉王科技股份有限公司 用于全景二值图像的反白处理方法和装置
CN104330474A (zh) * 2014-10-22 2015-02-04 中国地质大学（武汉） 一种岩石损伤裂隙系统标定方法
CN105093352A (zh) * 2015-08-11 2015-11-25 武汉迈格睿地质环境科技有限公司 一种野外现场测量统计岩体体裂隙率的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尹志毅: "图形图像处理技术统计土体裂隙的应用分析", 《山西建筑》 *
朱磊: "土壤表面干缩裂隙形态定量分析及其数值模拟", 《农业工程学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107655771A (zh) * 2017-09-07 2018-02-02 河海大学 一种模拟边坡现场岩体崩解的试验装置及其试验方法
CN107991212A (zh) * 2017-10-26 2018-05-04 青岛海洋地质研究所 一种含水合物沉积物有效孔隙的分形维数测算方法
CN108061697A (zh) * 2017-12-06 2018-05-22 石家庄铁道大学 土体三维孔隙率计算方法
CN108061697B (zh) * 2017-12-06 2020-09-25 石家庄铁道大学 土体三维孔隙率计算方法
CN108153947A (zh) * 2017-12-12 2018-06-12 河海大学 一种基于软岩现场状态的崩解特征的描述方法
CN108765370A (zh) * 2018-04-24 2018-11-06 汕头大学 一种基于Python语言的定量不饱和土壤中裂纹数量的方法
CN111476850A (zh) * 2020-04-08 2020-07-31 华东交通大学 一种裂隙土裂隙率计算方法
CN111476850B (zh) * 2020-04-08 2023-04-18 华东交通大学 一种裂隙土裂隙率计算方法
CN115217084A (zh) * 2022-07-22 2022-10-21 中国华能集团清洁能源技术研究院有限公司 一种库区膨胀土表面裂隙率检测方法及系统
CN115217084B (zh) * 2022-07-22 2023-07-28 中国华能集团清洁能源技术研究院有限公司 一种库区膨胀土表面裂隙率检测方法及系统

Also Published As

Publication number Publication date
CN106846315B (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN106846315A (zh) 一种基于土体图像计算土体裂隙率的方法
CN110175964A (zh) 一种基于拉普拉斯金字塔的Retinex图像增强方法
WO2005097490A3 (en) Adjusted stroke rendering
CN105654438A (zh) 基于局部直方图均衡的灰度图像拟合增强方法
EP1484717A3 (en) Enhancement of radiographic images
CN105374015A (zh) 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法
CN101408985A (zh) 一种圆形光斑亚像素中心提取方法及装置
CN104732578B (zh) 一种基于倾斜摄影技术的建筑物纹理优化方法
CN103606137A (zh) 保持背景和细节信息的直方图均衡化方法
CN104983436B (zh) 一种x射线成像装置及方法
CN103996178A (zh) 一种沙尘天气彩色图像增强方法
CN108109157B (zh) 一种基于数字式全景钻孔图像的岩体评估分析方法
CN107220950A (zh) 一种自适应暗通道先验的水下目标探测图像增强方法
CN104809709A (zh) 基于域变换与带权四叉树分解的单幅图像自适应去雾方法
CN103606134A (zh) 一种弱光照视频图像的增强方法
CN103295206A (zh) 一种基于Retinex的微光图像增强方法和装置
CN108305232A (zh) 一种单帧高动态范围图像生成方法
CN107392879A (zh) 一种基于参考帧的低照度监控图像增强方法
CN104159001A (zh) 基于高精度大幅面扫描仪系统的图像多点分区域校正方法
CN105279745B (zh) 遥感影像色彩归一化的多特征点约束直方图规整方法
CN105513015A (zh) 一种雾天图像的清晰化处理方法
CN104361566B (zh) 一种优化暗部区域的图像处理方法
CN105160661A (zh) 基于中心像素相似权的彩色图像边缘提取方法
CN101621607A (zh) 数码相机消除影像阴影的方法
CN104240242A (zh) 一种遥感图像最大信噪比测量方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200403