CN107871317A - 一种基于图像处理技术的砂浆饱满度检测方法 - Google Patents

一种基于图像处理技术的砂浆饱满度检测方法 Download PDF

Info

Publication number
CN107871317A
CN107871317A CN201711098635.XA CN201711098635A CN107871317A CN 107871317 A CN107871317 A CN 107871317A CN 201711098635 A CN201711098635 A CN 201711098635A CN 107871317 A CN107871317 A CN 107871317A
Authority
CN
China
Prior art keywords
mrow
mortar
region
msub
brick
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
CN201711098635.XA
Other languages
English (en)
Other versions
CN107871317B (zh
Inventor
王毅刚
田凯
陈曦
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201711098635.XA priority Critical patent/CN107871317B/zh
Publication of CN107871317A publication Critical patent/CN107871317A/zh
Application granted granted Critical
Publication of CN107871317B publication Critical patent/CN107871317B/zh
Active 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于图像处理技术的砂浆饱满度检测方法。砂浆饱满度是建筑行业砌体工程质量验收中一项重要的指标，以砖与砂浆接触面面积和对应砖面面积的百分比表示。目前从业人员测量砂浆饱满度的方法为手工测量法，费时耗力。本发明首先通过手机对待测砖块进行拍照，然后利用砖块与砂浆的特征信息识别出图像中的砖块区域并得到砖块图像，其次在砖块图像中提取出砂浆区域，最后根据砂浆区域在砖块图像中所占的百分比得到砂浆饱满度。本发明通过手机对待测砖块进行拍照就可以得到准确的测量结果，实现了砂浆饱满度的全自动检测，相对于目前的其他方法，本发明大大提高了砂浆饱满度的检测效率。

Description

一种基于图像处理技术的砂浆饱满度检测方法
技术领域
本发明属于建筑行业砌体工程质量验收领域，提出了一种基于图像处理技术的砂浆饱满度检测方法。
背景技术
砌体工程是建筑工程中一项重要的部分，是指将砖与砂浆粘结并按照一定方式组织而成的结构。砌体工程作为传统的结构形式，在我国建筑工程中已有广泛的应用。现存的住宅、办公楼等民用建筑、工业产房以及其他建筑结构中，有数亿平米的建筑结构为砌体结构，并且在一些城镇中，仍有大量的砌体结构正在建设当中。
为保证砌体结构的质量，需要检测砌体结构的砂浆饱满度。砂浆饱满度是指砌体结构灰缝中砂浆与砖的有效粘结程度，以砖与砂浆的接触面积和砖面面积的百分比表示。砂浆饱满度是砌体结构中尤为重要的一项检测指标，砌体结构的砂浆饱满度对砌体抗压强度及抗剪强度有着重要的影响。根据现行国家标准《砌体结构工程施工质量验收规范》(GB50203-2011)中的规定，普通砖墙水平灰缝砂浆饱满度不得低于80％、砖柱水平灰缝和竖直灰缝砂浆饱满度不得低于90％、蒸加气混凝土砌块水平和竖直灰缝砂浆饱满度不得低于80％。
目前从业人员检测砂浆饱满度的方法为：拆下墙中的砖，使其检查面朝上，放上百网格，数出砖上粘有砂浆的格子数，每处检查三块砖，取其平均值。但是在砌体工程中，所用砖的类型多种多样，砖的类型不同，砖块各个面的尺寸也就不同，因此从业人员必须配备各种尺寸的百网格以匹配不同尺寸的砖面。同时，在记录格子数量的过程中，从业人员在遇到格子未被砂浆占满的情况时，很难做出处理，从而增大误差。显然，目前检测砂浆饱满度的方法费时费力。
发明内容
针对现有技术的不足，本发明提供了一种基于图像处理技术的全自动砂浆饱满度检测方法。本发明首先通过手机对待测砖块进行拍照，然后利用砖块与砂浆的特征信息识别出图像中的砖块区域并得到砖块图像，其次在砖块图像中提取出砂浆区域，最后根据砂浆区域在砖块图像中所占的百分比得到砂浆饱满度。
本发明的一种基于图像处理技术的砂浆饱满度检测方法，具体包括以下步骤：
步骤1：获取砂浆饱满度待测砖块的原始图像；
步骤2：利用砂浆的纹理和颜色信息粗略提取原始图像中的砂浆区域；
具体实现步骤如下：
步骤2.1：对原始图像进行边缘检测，得到边缘提取后的图像；
步骤2.2：在边缘提取后的图像中找出两个坐标轴方向上穿过边缘像素点最多的直线；以上述两直线的交点为中心选取单位长度的正方形区域作为砂浆样本区域；
步骤2.3：将砂浆样本区域每一个像素点的R、G、B值代入公式(1)，计算得到R、G、B两两之间的比例关系k1、k2、k3；
其中：n表示样本区域像素点的个数，R(i)、G(i)、B(i)分别表示样本区域像素点i的红色通道值、绿色通道值、蓝色通道值，k1、k2、k3分别表示G与R间的比例关系、B与R间的比例关系、B与G间的比例关系；
创建ROG坐标系，并将样本区域像素点的R、G值绘制到坐标系中，构建以k1作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；创建BOR坐标系，并将样本区域像素点的B、R值绘制到坐标系中，构建以k2作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；创建BOG坐标系，并将样本区域像素点的B、G值绘制到坐标系中，构建以k3作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；
根据R、G、B值比例关系k1、k2、k3，以及ROG、BOR、BOG坐标系中四条直线的信息，得到阈值公式(2)：
其中，bgr1和bgr2、rgr1和rgr2分别表示ROG坐标系中对应直线与G、R坐标轴的截距，bbr1和bbr2、rbr1和rbr2分别表示BOR坐标系中对应直线与B、R坐标轴的截距，bbg1和bbg2、gbg1和gbg2分别表示BOG坐标系中对应直线与B、G坐标轴的截距；
步骤2.4：遍历原始图像中的每个像素点，将像素点的R、G、B值代入阈值公式(2)，如果不等式成立，表示该像素点属于砂浆区域，保留该像素点；如果不等式不成立，表示该像素点不属于砂浆区域，剔除该像素点；从而构建出粗略砂浆区域图像；
步骤3：对原始图像和步骤(2)粗略砂浆区域图像进行旋转校正；
具体实现步骤如下：
步骤3.1：将粗略砂浆区域图像在90°内等间隔的顺时针或逆时针旋转，每次旋转均记录水平、垂直方向上图像中砂浆区域的最小外接矩形面积，选择使得外接矩形面积最小的旋转角度作为图像的旋转矫正角度；
步骤3.2：根据步骤3.1获取的图像旋转矫正角度，对原始图像和粗略砂浆区域图像进行旋转校正，分别得到校正后的原始图像和校正后的粗略砂浆区域图像；
步骤4：对步骤(3.2)校正后的原始图像提取未被砂浆覆盖的砖块区域；
具体实现步骤如下：
步骤4.1：在步骤(3.2)校正后的粗略砂浆区域图像中找出平行于x轴的直线y0，使得直线y0上的砂浆像素点总数在该方向上取得最大值；同样找出平行于y轴的直线x0，使得直线x0上的砂浆像素点总数在该方上向取得最大值；
步骤4.2：取两条平行于x轴的直线y1、y2分别从上、从下逼近砂浆区域，当直线上的砂浆像素点个数大于该方向上最大值的百分之a时，其中初始值设定a＝a0，停止逼近；a0为经验值，可以是30；同样的方法找出两条平行于y轴的直线x1、x2；从而构建出被四条直线围合的砂浆区域；
步骤4.3：在步骤(4.2)被四条直线围合的砂浆区域内选出一个单位长度的正方形区域，使得该区域内砂浆像素点所占的比例小于百分之b，b为经验值，可以是5,作为未被砂浆覆盖的砖块样本区域位置；若无法找寻到样本区域位置，则跳转到步骤4.2，并设置a＝a-s，直至a≤10结束；s为经验值，可以是5；
步骤4.4：如果找到未被砂浆覆盖的砖块样本区域位置，利用该位置在步骤(3.2)校正后的原始图像中找出砖块样本区域，用提取砂浆区域的阈值公式，即步骤(2.3)，获取提取砖块区域的阈值公式，并跳转到步骤(4.5)；如果没有找出未被砂浆覆盖的砖块样本区域位置，认为砖块都被砂浆覆盖，没有未被砂浆覆盖的砖块区域，并跳转到步骤(5)；
步骤4.5：遍历矫正后的原始图像中的每个像素，将像素点的R、G、B值代入砖块区域阈值公式，如果不等式成立，表示该像素点属于砖块区域，保留该像素点；如果不等式不成立，表示该像素点不属于砖块区域，剔除该像素点，从而得到未被砂浆覆盖的砖块区域图像；
步骤5：利用步骤(3)校正后的粗略砂浆区域图像和步骤(4)未被砂浆覆盖的砖块区域图像，在矫正后的原图像中标定出砖块区域位置，并得到砖块图像；若步骤(4)未被砂浆覆盖的砖块区域没有找到，则用步骤(3)校正后的粗略砂浆区域图像，在矫正后的原图像中标定出砖块区域的位置，得到砖块图像；
步骤6：在步骤(5)砖块图像中精确提取砂浆区域；
具体实现步骤如下：
步骤6.1：对步骤(5)砖块图像采用步骤(2)方法再次进行砂浆区域粗提取；
步骤6.2：剔除无效的砂浆区域；判断步骤(6.1)得到的图像中砂浆区域各像素点在上、下、左、右四个方向上在指定长度(可以是单位长度)内是否存在砂浆像素点，若四个方向均存在砂浆像素点，则保留该像素点，否则认为该像素点是无效砂浆区域像素点，剔除之；
步骤6.3：将步骤(6.2)处理后的图像进行膨胀处理，然后将膨胀后的图像中的砂浆区域联通，得到精确的砂浆区域；
步骤7：计算步骤6获得的精准砂浆区域在步骤(5)砖块图像中所占的百分比，得到砂浆饱满度。
本发明的优点在于：
(1)本发明通过手机对待测砖块进行拍照就可以得到准确的测量结果，实现了砂浆饱满度的全自动检测。
本发明适用于各种砖块的砂浆饱满度检测，只需对砖块进行拍照就能立刻得到砖块的砂浆饱满度。
本发明相对于目前的其他方法，大大提高了砂浆饱满度的检测效率。
(2)本发明在砖块图像的提取过程中。首先，利用砂浆的纹理和颜色信息粗略提取出图像中的砂浆区域。其次，根据提取出的砂浆区域对图像进行旋转校正。最后，对校正后的图像采用特定的算法提取出未被砂浆覆盖的砖块区域。整合提取出的砂浆区域和未被砂浆覆盖的砖块区域标定出图像中的砖块区域，并得到砖块图像。本发明的砖块图像提取方法相比传统的边缘检测，霍夫直线提取等方法，可以更加有效并准确的标定出图像中的砖块区域。
(3)本发明在提取砖块图像上砂浆区域的过程中。首先利用砂浆的颜色信息粗略地提取出砖块图像中的砂浆区域，然后剔除误提取的砂浆区域并对图像进行去噪，其次利用形态学的膨胀方法处理图像并将砂浆区域联通，最后得到精确的砂浆区域。本发明的砖块图像上提取砂浆区域的方法相比传统的阈值法、区域生长等方法，可以更加精确的提取出砖块图像中的砂浆区域。
附图说明
图1为本发明的砂浆饱满度检测方法的整体步骤流程图。
图2为自然光下拍摄的砖块图像。
图3为样本区域RG、RB和GB的数据关系图。
图4为R分量与G分量的阈值直线图。
图5为砂浆区的域提取过程图。
图6为砖块样本区域选取图。
图7为未被砂浆覆盖的砖块区域图。
图8为砖块砂浆区域提取方法比较图。
图9为样例的实验过程图。
具体实施方式
下面将结合附图和实例对本发明作进一步的详细说明。
砂浆饱满度是建筑行业砌体工程质量验收中一项重要的指标，以砖与砂浆接触面面积和对应砖面面积的百分比表示。目前从业人员测量砂浆饱满度的方法为手工测量法，费时耗力。为了提高砂浆饱满度的测量效率，本发明提出了一种基于图像处理技术的砂浆饱满度检测方法。
本发明通过手机对待测砖块进行拍照就可以得到准确的测量结果，实现了砂浆饱满度的全自动检测。本发明首先对待测砖块进行拍照，然后利用砖块与砂浆的特征信息识别出图像中的砖块区域并得到砖块图像，其次在砖块图像中提取出砂浆区域，最后根据砂浆区域在砖块图像中所占的百分比得到砂浆饱满度并返回检测结果。对各种样例进行了实验，结果表明了该方法是可行的。
本发明的实现流程图如图1所示，具体的实现步骤如下所示：
步骤1：获取砂浆饱满度待测砖块的原始图像。
原始图像要求：图像内只有一个涂有砂浆的砖块，且砂浆面必须呈正面；涂有砂浆的砖块占整个图像面积的百分之二十以上。
步骤2：利用砂浆的纹理和颜色信息粗略提取原始图像中的砂浆区域。
砖块图像的特征分析如下：
以自然光下拍摄的待测砖块图像为例，如图2所示。选取图像上任意一块砂浆区域或者未被砂浆覆盖的砖块区域，检测该区域所有像素的R、G、B值，并绘制R分量与G分量、R分量与B分量和G分量与B分量的数据关系图，如图3所示。分析数据得到，虽然由于光照强度的影响会导致样本区域不同像素点R、G、B的值相差较大，但是三个分量两两之间非常接近正比关系。它们之间的关系可以表示为如下公式：
其中，R表示红色通道值，G表示绿色通道值，B表示蓝色通道值，k1、k2、k3分别代表它们之间的比例系数。
图像分割的阈值范围选定方法如下：
为了提取出图像中的砂浆区域或者砖块区域，需要对图像进行阈值分割，然后标定出目标区域。本发明采用的方法是，选取图像中的砂浆或砖块样本区域，通过样本区域特征得出图像分割的阈值公式。
选取图像中的砂浆或者砖块样本区域，根据砖块图像的特征分析可以知道，样本区域三个颜色分量两两之间成正比关系，把样本区域每一个像素点的R、G、B值带入公式2，可以计算出样本区域三个颜色分量两两之间的比例系数，在二维坐标系中代表斜率。
其中，n表示样本区域像素点的个数，i代表样本区域不同的像素点，R(i)、G(i)和B(i)分别代表样本区域中i像素点的红色通道值、绿色通道值和蓝色通道值。
以G分量和R分量的关系为例，选取如图4所示的四条直线，使得这四条直线所围成的区域恰好包含所有采样点。这表示样本区域像素点的R分量与G分量都集中在这个区域。同理，可以根据B分量与R分量和B分量与G分量的关系得到各自所对应的四条直线。
由于样本区域特征可以代表目标区域特征，所以目标区域每个像素点值的只也基本满足如上选定的范围，于是可以得到如下阈值公式：
其中，bgr1和bgr2、rgr1和rgr2分别表示ROG坐标系中对应直线与G、R坐标轴的截距，bbr1和bbr2、rbr1和rbr2分别表示BOR坐标系中对应直线与B、R坐标轴的截距，bbg1和bbg2、gbg1和gbg2分别表示BOG坐标系中对应直线与B、G坐标轴的截距。
粗略提取图像中砂浆区域的方法如下：
为了提取出图像中的砂浆区域，首先需要在图像中选出砂浆样本区域，然后根据样本区域得出图像分割的阈值公式，进而提取出砂浆区域。研究发现，图像中的砂浆区域呈现密密麻麻的颗粒状，对图像进行边缘检测，可以将砂浆区域的纹理提取出来，从而得到具有一定特征的砂浆区域。砂浆区域的提取过程如图5所示，首先对原图进行边缘检测，得到边缘提取后的图像。然后在边缘提取后的图像中找出两个坐标轴方向上穿过边缘最多的直线，选取两个直线的交点，以该点为中心选取单位长度的正方形区域作为砂浆样本区域，并根据砂浆样本区域得到图像分割的阈值公式。最后遍历图像中的每个像素，将该像素点的R、G、B值代入阈值公式3，如果不等式成立，表示该像素点属于砂浆区域，如果不等式不成立，表示该像素点不属于砂浆区域，从而提取出图像中的砂浆区域，得到粗略砂浆区域图像。
步骤3：对原始图像和粗略砂浆区域图像进行旋转校正。
粗略提取出的砂浆区域可以大致的表示出砖块区域，为了提取出未被砂浆覆盖的砖块区域，需要对图像进行旋转矫正。砂浆区域最小外接矩形的四条边分别与砖块的四条边平行，得到了砂浆区域最小外接矩形四条边与坐标轴平行的图像就得到了砖块四条边与坐标轴平行的图像。本发明利用求砂浆区域最小外接矩形的方法来计算出图像所需要旋转的角度，该方法是将图像在90°内等间隔的旋转，每次旋转都记录水平、垂直方向砂浆区域外接矩形的面积，选出面积最小的旋转角度作为图像的旋转矫正角度，并对原图像和粗略砂浆区域图像进行旋转校正，得到校正后的原始图像和校正后的粗略砂浆区域图像；。
步骤4：对校正后的原始图像提取未被砂浆覆盖的砖块区域；
为了提取出更准确的砖块区域，需要在提取出砂浆区域的基础上，继续提取出未被砂浆覆盖的砖块区域。根据提取出的砂浆区域和未被砂浆覆盖的砖块区域可以得到更精确的砖块区域。
具体实现步骤如下：
4.1)如图6所示，找出平行于x轴的直线y0，使得直线y0上的砂浆像素点总数在该方向上取得最大值。同样找出平行于y轴的直线x0，使得直线x0上的砂浆像素点总数在该方上向取得最大值。
4.2)取两条平行于x轴的直线y1、y2分别从上、从下逼近砂浆区域，当直线上的砂浆像素点个数大于直线y0上的百分之a时，停止逼近，a初始化为30。同样的方法找出两条平行于y轴的直线x1、x2。
4.3)寻找样本区域。以直线x2为例，设直线中心为ox2。取矩形模板在区域内部沿着直线从中心分别向上、向下遍历，当矩形模板内砂浆像素点所占的比例小于百分之五时，停止遍历，并标记该区域为样本区域，当矩形模板超出四条直线所围成的区域时，同样停止遍历。以同样的方式选取其余三条直线所对应的样本区域。
4.4)如果找出了样本区域，进入下一步步骤4.5。如果没有，跳到步骤4.2，并设置a＝a-5。直至a≤10结束，进入下一步步骤5。
4.5)如果找出了样本区域，用提取砂浆区域的方法提取未被砂浆覆盖的砖块区域。如果没有找出砖块样本区域，那么认为没有未被砂浆覆盖的砖块区域。
用上述方法提取出的未被砂浆覆盖的砖块区域的图像如图7所示。
步骤5：利用校正后的粗略砂浆区域图像和未被砂浆覆盖的砖块区域图像，在矫正后的原图像中标定出砖块区域位置，并得到砖块图像；若未被砂浆覆盖的砖块区域没有找到，则用校正后的粗略砂浆区域图像，在矫正后的原图像中标定出砖块区域的位置，得到砖块图像；
步骤6：在砖块图像中精确的提取出砂浆区域。
图8中a是将砖块单独提取出来的图像。为了计算出砂浆饱满度，需要精确的提取出砖块图像上的砂浆区域。
利用前面提取砂浆区域的方法可以粗略的提取出砖块图像中的砂浆区域。该方法所存在的误差主要表现在以下两个方面。
第一，从业人员在实际测量的过程中，会将稀薄的砂浆区域算作无效砂浆区域。但前面方法在提取砂浆区域的过程中也会将无效的砂浆区域提取出来。
第二，前面方法提取出来的砂浆区域不连续，呈现蜂窝状，大大地减少了砂浆区域的面积。
为了得到精确的砂浆区域，首先需要在粗略提取的基础上剔除无效的砂浆区域，然后再将砂浆区域联通起来。
第一步，对砖块图像再次进行砂浆区域粗提取；
第二步，剔除无效的砂浆区域。研究发现，无效砂浆区域表现为砂浆与砖块交替出现的特征，提取出的有效砂浆像素点在上、下、左、右四个方向上指定长度内都会出现砂浆像素点，而对于无效砂浆区域，该区域内砂浆密度较小，无效砂浆像素点在指定长度内四个方向上都出现砂浆像素点的概率很小。本发明利用无效砂浆区域的该特征来剔除误提取的砂浆区域。
第三步，将砂浆区域联通起来。对图像进行膨胀处理，然后将砂浆连通区域内的像素都设为砂浆区域。
采用阈值法、区域生长法和本发明方法提取砂浆区域得到的结果如图8所示，其中白色区域代表提取出的砂浆区域。对比可以看出，本发明方法可以更加准确地提取出砖块图像上的砂浆区域。
步骤7：计算提取出的砂浆区域在砖块图像中所占的百分比，得到砂浆饱满度。
以多幅差异较大的砖块图像作为测试对象，利用本发明来计算图像中砖块的砂浆饱满度。
样例的实验过程如图9所示。
样例砂浆饱满度的实际测量结果与实验结果如表1所示。
表1样例的实际测量结果与实验结果
实验结果表明，本发明方法可以标定出砖块在图像中所在的位置，并准确的提取出砖块图像，同时可以在砖块图像中较准确地提取出砂浆区域，并得到接近实际测量结果的砂浆饱满度。

Claims (1)

1.一种基于图像处理技术的砂浆饱满度检测方法，其特征在于该方法包括以下步骤：
步骤1：获取砂浆饱满度待测砖块的原始图像；
步骤2：利用砂浆的纹理和颜色信息粗略提取原始图像中的砂浆区域；
具体实现步骤如下：
步骤2.1：对原始图像进行边缘检测，得到边缘提取后的图像；
步骤2.2：在边缘提取后的图像中找出两个坐标轴方向上穿过边缘像素点最多的直线；以上述两直线的交点为中心选取单位长度的正方形区域作为砂浆样本区域；
步骤2.3：将砂浆样本区域每一个像素点的R、G、B值代入公式(1)，计算得到R、G、B两两之间的比例关系k1、k2、k3；
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>G</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>k</mi> <mn>1</mn> </msub> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>R</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>B</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>k</mi> <mn>2</mn> </msub> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>R</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>B</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>k</mi> <mn>3</mn> </msub> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>G</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中：n表示样本区域像素点的个数，R(i)、G(i)、B(i)分别表示样本区域像素点i的红色通道值、绿色通道值、蓝色通道值，k1、k2、k3分别表示G与R间的比例关系、B与R间的比例关系、B与G间的比例关系；
创建ROG坐标系，并将样本区域像素点的R、G值绘制到坐标系中，构建以k1作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；创建BOR坐标系，并将样本区域像素点的B、R值绘制到坐标系中，构建以k2作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；创建BOG坐标系，并将样本区域像素点的B、G值绘制到坐标系中，构建以k3作为斜率的两条直线、以倾斜角为九十度的两条直线，使得四条直线围合的区域恰好包含所有的采样点；
根据R、G、B值比例关系k1、k2、k3，以及ROG、BOR、BOG坐标系中四条直线的信息，得到阈值公式(2)：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>G</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>1</mn> </msub> <mi>R</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>g</mi> <mi>r</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>G</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>1</mn> </msub> <mi>R</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>g</mi> <mi>r</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>R</mi> <mo>&gt;</mo> <msub> <mi>r</mi> <mrow> <mi>g</mi> <mi>r</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>R</mi> <mo>&gt;</mo> <msub> <mi>r</mi> <mrow> <mi>g</mi> <mi>r</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>B</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>2</mn> </msub> <mi>R</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>b</mi> <mi>r</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>B</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>2</mn> </msub> <mi>R</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>b</mi> <mi>r</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>R</mi> <mo>&gt;</mo> <msub> <mi>r</mi> <mrow> <mi>b</mi> <mi>r</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>R</mi> <mo>&gt;</mo> <msub> <mi>r</mi> <mrow> <mi>b</mi> <mi>r</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>B</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>3</mn> </msub> <mi>G</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>b</mi> <mi>g</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>B</mi> <mo>&lt;</mo> <msub> <mi>k</mi> <mn>3</mn> </msub> <mi>G</mi> <mo>+</mo> <msub> <mi>b</mi> <mrow> <mi>b</mi> <mi>g</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>G</mi> <mo>&gt;</mo> <msub> <mi>g</mi> <mrow> <mi>b</mi> <mi>g</mi> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>G</mi> <mo>&lt;</mo> <msub> <mi>g</mi> <mrow> <mi>b</mi> <mi>g</mi> <mn>2</mn> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，bgr1和bgr2、rgr1和rgr2分别表示ROG坐标系中对应直线与G、R坐标轴的截距，bbr1和bbr2、rbr1和rbr2分别表示BOR坐标系中对应直线与B、R坐标轴的截距，bbg1和bbg2、gbg1和gbg2分别表示BOG坐标系中对应直线与B、G坐标轴的截距；
步骤2.4：遍历原始图像中的每个像素点，将像素点的R、G、B值代入阈值公式(2)，如果不等式成立，表示该像素点属于砂浆区域，保留该像素点；如果不等式不成立，表示该像素点不属于砂浆区域，剔除该像素点；从而构建出粗略砂浆区域图像；
步骤3：对原始图像和步骤(2)粗略砂浆区域图像进行旋转校正；
具体实现步骤如下：
步骤3.1：将粗略砂浆区域图像在90°内等间隔的顺时针或逆时针旋转，每次旋转均记录水平、垂直方向上图像中砂浆区域的最小外接矩形面积，选择使得外接矩形面积最小的旋转角度作为图像的旋转矫正角度；
步骤3.2：根据步骤3.1获取的图像旋转矫正角度，对原始图像和粗略砂浆区域图像进行旋转校正，分别得到校正后的原始图像和校正后的粗略砂浆区域图像；
步骤4：对步骤(3.2)校正后的原始图像提取未被砂浆覆盖的砖块区域；
具体实现步骤如下：
步骤4.1：在步骤(3.2)校正后的粗略砂浆区域图像中找出平行于x轴的直线y0，使得直线y0上的砂浆像素点总数在该方向上取得最大值；同样找出平行于y轴的直线x0，使得直线x0上的砂浆像素点总数在该方上向取得最大值；
步骤4.2：取两条平行于x轴的直线y1、y2分别从上、从下逼近砂浆区域，当直线上的砂浆像素点个数大于该方向上最大值的百分之a时，其中初始值设定a＝a0，停止逼近；同样的方法找出两条平行于y轴的直线x1、x2；从而构建出被四条直线围合的砂浆区域；
步骤4.3：在步骤(4.2)被四条直线围合的砂浆区域内选出一个单位长度的正方形区域，使得该区域内砂浆像素点所占的比例小于百分之b，作为未被砂浆覆盖的砖块样本区域位置；若无法找寻到样本区域位置，则跳转到步骤4.2，并设置a＝a-s，直至a≤10结束；
步骤4.4：如果找到未被砂浆覆盖的砖块样本区域位置，利用该位置在步骤(3.2)校正后的原始图像中找出砖块样本区域，用提取砂浆区域的阈值公式，即步骤(2.3)，获取提取砖块区域的阈值公式，并跳转到步骤(4.5)；如果没有找出未被砂浆覆盖的砖块样本区域位置，认为砖块都被砂浆覆盖，没有未被砂浆覆盖的砖块区域，并跳转到步骤(5)；
步骤4.5：遍历矫正后的原始图像中的每个像素，将像素点的R、G、B值代入砖块区域阈值公式，如果不等式成立，表示该像素点属于砖块区域，保留该像素点；如果不等式不成立，表示该像素点不属于砖块区域，剔除该像素点，从而得到未被砂浆覆盖的砖块区域图像；
步骤5：利用步骤(3)校正后的粗略砂浆区域图像和步骤(4)未被砂浆覆盖的砖块区域图像，在矫正后的原图像中标定出砖块区域位置，并得到砖块图像；若步骤(4)未被砂浆覆盖的砖块区域没有找到，则用步骤(3)校正后的粗略砂浆区域图像，在矫正后的原图像中标定出砖块区域的位置，得到砖块图像；
步骤6：在步骤(5)砖块图像中精确提取砂浆区域；
具体实现步骤如下：
步骤6.1：对步骤(5)砖块图像采用步骤(2)方法再次进行砂浆区域粗提取；
步骤6.2：剔除无效的砂浆区域；判断步骤(6.1)得到的图像中砂浆区域各像素点在上、下、左、右四个方向上在指定长度内是否存在砂浆像素点，若四个方向均存在砂浆像素点，则保留该像素点，否则认为该像素点是无效砂浆区域像素点，剔除之；
步骤6.3：将步骤(6.2)处理后的图像进行膨胀处理，然后将膨胀后的图像中的砂浆区域联通，得到精确的砂浆区域；
步骤7：计算步骤6获得的精准砂浆区域在步骤(5)砖块图像中所占的百分比，得到砂浆饱满度。
CN201711098635.XA 2017-11-09 2017-11-09 一种基于图像处理技术的砂浆饱满度检测方法 Active CN107871317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711098635.XA CN107871317B (zh) 2017-11-09 2017-11-09 一种基于图像处理技术的砂浆饱满度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711098635.XA CN107871317B (zh) 2017-11-09 2017-11-09 一种基于图像处理技术的砂浆饱满度检测方法

Publications (2)

Publication Number Publication Date
CN107871317A true CN107871317A (zh) 2018-04-03
CN107871317B CN107871317B (zh) 2020-04-28

Family

ID=61753903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711098635.XA Active CN107871317B (zh) 2017-11-09 2017-11-09 一种基于图像处理技术的砂浆饱满度检测方法

Country Status (1)

Country Link
CN (1) CN107871317B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337656A (zh) * 2020-03-11 2020-06-26 中国一冶集团有限公司 基于bim的异形砌块泥浆饱满度检测样板及检测方法
CN111640129A (zh) * 2020-05-25 2020-09-08 电子科技大学 一种应用于室内墙面施工机器人的视觉砂浆识别系统
CN114778808A (zh) * 2022-05-16 2022-07-22 山东国建工程集团有限公司 砌块泥浆饱满度检测装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076341A1 (en) * 2001-03-30 2004-04-22 Sharp Laboratories Of America, Inc. System and method for digital document alignment
CN102590343A (zh) * 2012-02-23 2012-07-18 河海大学常州校区 波纹管孔道注浆密实度超声检查的装置及方法
CN102590347A (zh) * 2012-03-07 2012-07-18 重庆交通大学 预应力锚固结构体系砂浆注浆饱满度超声波检测装置、方法
CN105971132A (zh) * 2016-06-07 2016-09-28 中国十七冶集团有限公司 一种高层建筑外墙窗间墙防渗漏处理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040076341A1 (en) * 2001-03-30 2004-04-22 Sharp Laboratories Of America, Inc. System and method for digital document alignment
CN102590343A (zh) * 2012-02-23 2012-07-18 河海大学常州校区 波纹管孔道注浆密实度超声检查的装置及方法
CN102590347A (zh) * 2012-03-07 2012-07-18 重庆交通大学 预应力锚固结构体系砂浆注浆饱满度超声波检测装置、方法
CN105971132A (zh) * 2016-06-07 2016-09-28 中国十七冶集团有限公司 一种高层建筑外墙窗间墙防渗漏处理方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337656A (zh) * 2020-03-11 2020-06-26 中国一冶集团有限公司 基于bim的异形砌块泥浆饱满度检测样板及检测方法
CN111337656B (zh) * 2020-03-11 2022-03-22 中国一冶集团有限公司 基于bim的异形砌块泥浆饱满度检测样板及检测方法
CN111640129A (zh) * 2020-05-25 2020-09-08 电子科技大学 一种应用于室内墙面施工机器人的视觉砂浆识别系统
CN114778808A (zh) * 2022-05-16 2022-07-22 山东国建工程集团有限公司 砌块泥浆饱满度检测装置
CN114778808B (zh) * 2022-05-16 2024-04-02 山东国建工程集团有限公司 砌块泥浆饱满度检测装置

Also Published As

Publication number Publication date
CN107871317B (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN108007355B (zh) 基于图像距离变换的混凝土裂缝检测方法
CN106295655B (zh) 一种用于无人机巡检图像的输电线路部件自动提取方法
Recky et al. Windows detection using k-means in cie-lab color space
CN110443836A (zh) 一种基于平面特征的点云数据自动配准方法及装置
CN105547602B (zh) 一种地铁隧道管片渗漏水的远距离测量方法
CN108960198A (zh) 一种基于残差ssd模型的交通标志检测与识别方法
CN107871317A (zh) 一种基于图像处理技术的砂浆饱满度检测方法
TW201022708A (en) Method of change detection for building models
CN106228609A (zh) 一种基于空间特征信息的倾斜摄影三维建模方法
CN107314957B (zh) 一种岩石块度尺寸分布的测量方法
CN105761289B (zh) 一种提取和分类可展网格曲面的方法
CN106340005B (zh) 基于尺度参数自动优化的高分遥感影像非监督分割方法
CN103400373A (zh) 相机检校控制场人工标志像点坐标自动识别定位方法
CN107330861A (zh) 基于扩散距离高置信度信息的图像显著性物体检测方法
CN110533052B (zh) 一种协同遥感影像的航拍相片植被信息提取方法
CN101980294A (zh) 基于遥感图像的黄河凌汛检测方法
CN104198342A (zh) 一种融合地面监测与卫星影像的建筑裸地大气颗粒物测算方法
CN110136196A (zh) 一种桥梁裂缝宽度自动测量方法
CN115127476A (zh) 一种3d扫描的钢结构合龙检测及配切方法
CN105069395A (zh) 基于地面三维激光扫描技术的道路标线自动识别方法
CN109146888A (zh) 一种基于差商分析的土裂隙分形维数计算方法
CN108492306A (zh) 一种基于图像轮廓的x型角点提取方法
CN107977968B (zh) 基于建筑物阴影信息挖掘的建筑物分层检测方法
CN110533713A (zh) 桥梁裂缝宽度高精度测量方法及测量装置
CN106250687B (zh) 去扁化ipp的沉积砾石圆度计算方法

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