CN106846315B - 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 PDFInfo
- Publication number
- CN106846315B CN106846315B CN201710071556.3A CN201710071556A CN106846315B CN 106846315 B CN106846315 B CN 106846315B CN 201710071556 A CN201710071556 A CN 201710071556A CN 106846315 B CN106846315 B CN 106846315B
- Authority
- CN
- China
- Prior art keywords
- image
- black
- calculating
- white
- pixels
- 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.)
- Expired - Fee Related
Links
- 239000002689 soil Substances 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 238000007605 air drying Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001687 destabilization Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (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
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 | 2.0393*10<sup>5</sup> |
白色像素个数 | 4.6665*10<sup>6</sup> |
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 (4)
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;
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体图像;
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;
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;
提取矩形图像中有值部分,计算有值像素个数,即为反色前土体图像中白色像素个数;
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,计算出土体图像中黑色像素个数。
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。
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 CN106846315A (zh) | 2017-06-13 |
CN106846315B true 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) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107655771B (zh) * | 2017-09-07 | 2020-12-11 | 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 |
CN107991212B (zh) * | 2017-10-26 | 2020-06-16 | 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 |
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 |
CN108153947B (zh) * | 2017-12-12 | 2021-05-28 | 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 |
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 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008072352A (ja) * | 2006-09-13 | 2008-03-27 | Sharp Corp | 画像処理方法、画像処理装置、原稿読取装置、画像形成装置及びコンピュータプログラム |
-
2017
- 2017-02-09 CN CN201710071556.3A patent/CN106846315B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (3)
Title |
---|
图形图像处理技术统计土体裂隙的应用分析;尹志毅;《山西建筑》;20121225;第80-81页 * |
土壤表面干缩裂隙形态定量分析及其数值模拟;朱磊;《农业工程学报》;20160715;第8-12页 * |
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》.2012,第80-81页. * |
Also Published As
Publication number | Publication date |
---|---|
CN106846315A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846315B (zh) | 一种基于土体图像计算土体裂隙率的方法 | |
EP3783374A1 (en) | Method for detecting corona discharge employing image processing | |
CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
CN109584240B (zh) | 滑坡后缘裂缝位移图像识别方法 | |
CN108257138B (zh) | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 | |
CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN114219773B (zh) | 一种桥梁裂缝检测数据集预筛选与标定方法 | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
CN114022403A (zh) | 检测显示面板不良的方法及装置 | |
CN108037142B (zh) | 基于图像灰度值的掩膜版光学缺陷检测方法 | |
CN107515227A (zh) | 基于缺陷无损的图像压缩方法及显示面板缺陷检测系统 | |
CN116342635B (zh) | 一种地质测绘中裂缝轮廓提取方法 | |
CN105701491A (zh) | 固定格式文档图像模版的制作方法及其应用 | |
CN109060813A (zh) | 基于图像优化分类的土石料级配自动检测方法 | |
CN114037691A (zh) | 一种基于图像处理的碳纤维板裂纹检测方法 | |
CN113228101A (zh) | 用于图像分割的系统和方法 | |
CN101655977B (zh) | 基于差分图像检测、多窗口滤波去除图像脉冲噪声的方法 | |
CN114418904A (zh) | 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法 | |
CN113570652B (zh) | 基于sem图像的砂岩储层矿物晶间孔的定量分析方法 | |
CN112634179B (zh) | 一种防摄像头抖动的变电设备图像变化检测方法和系统 | |
CN112102287B (zh) | 一种基于图像的生球裂纹自动检测与识别方法 | |
CN115861304A (zh) | 一种基于图像处理的钢中带状组织检测方法及系统 | |
CN114037832B (zh) | 一种卫星遥感图像中典型区域的提取方法及系统 | |
CN105303568A (zh) | 一种基于图像处理的牛奶体细胞计数方法 | |
CN112668405B (zh) | 一种土壤细菌数量的精确提取方法 |
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 |