CN108416351B - 路面病害区域的确定方法、装置和计算机设备 - Google Patents

Abstract

本发明涉及路面病害区域的确定方法、装置、计算机设备和存储介质，属于图像分析技术领域。所述方法包括：根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；确定所述第一二值图像与各个所述第二二值图像的重叠率；根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。上述技术方案，解决了不同类型的路面病害的特征不同导致病害区域确定的鲁棒性一般的技术问题，实现了能有效地得到各种类型的病害的精确轮廓。

Description

路面病害区域的确定方法、装置和计算机设备

技术领域

本发明涉及图像分析技术领域，特别是涉及路面病害区域的确定方法、装置、计算机设备和存储介质。

背景技术

路面病害识别是路面状况评定和路面养护决策的基础。随着自动检测技术的快速进步和路面病害自动识别技术的发展，相当一部分路面的病害都能通过自动识别技术及软件实现自动分析和提取。路面病害自动识别需要对路面病害区域的准确确定。在实现本发明过程中，发明人发现现有技术中至少存在如下问题：路面中可视化的病害类型是多种多样的，传统的技术对于破碎板、露骨、边角剥落等病害区域无法全部准确确定。

发明内容

基于此，本发明提供了路面病害区域的确定方法、装置和计算机设备，能从路面图像中准确确定出多种类型的路面病害对应的区域。

本发明实施例的内容如下：

一种路面病害区域的确定方法，包括以下步骤：根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；确定所述第一二值图像与各个所述第二二值图像的重叠率；根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

相应的，本发明实施例提供一种路面病害区域的确定装置，包括：第一二值化模块，用于根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；第二二值化模块，用于根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；重叠率确定模块，用于确定所述第一二值图像与各个所述第二二值图像的重叠率；以及，区域确定模块，用于根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

上述路面病害区域的确定方法及装置，通过不同的二值化处理方法分别得到第一二值图像和第二二值图像，该第二二值图像是根据多个第二二值化阈值二值化得到，根据这两个图像的重叠率确定满足条件的第二二值图像，进而确定路面图像中的路面病害区域。能通过图像处理技术从多个第二二值图像中准确找出表征病害的图像，有效地得到各种病害形态的精确病害轮廓。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；确定所述第一二值图像与各个所述第二二值图像的重叠率；根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

上述计算机设备，能有效地得到各种类型的病害的精确轮廓。

附图说明

图1为一个实施例中路面病害区域的确定方法的应用环境图；

图2为一个实施例中路面病害区域的确定方法的流程示意图；

图3为一个实施例中路面图像的灰度图；

图4为一个实施例中第一梯度映射矩阵对应的图像；

图5为一个实施例中像素指向像素的八方向示意图；

图6为一个实施例中的第一二值图像；

图7为一个实施例中连贯的第二二值图像；

图8为一个实施例中路面病害区域的二值图像；

图9为一个实施例中经过保边滤波处理的路面图像；

图10为一个实施例中路面图像的噪声点；

图11为一个实施例中经过填充的路面病害区域对应的图像；

图12为另一个实施例中路面病害区域的确定方法的流程示意图；

图13为一个实施例中路面病害区域的确定方法的具体应用图；

图14为一个实施例中路面病害区域的确定装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

路面病害自动识别需要对路面病害轻重程度进行准确的计量，因此，需要找到能准确确定路面病害区域的方法。

本申请提供的路面病害区域的确定方法可以应用于如图1所示的计算机设备中。该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储路面图像、梯度映射矩阵、梯度直方图等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种路面病害区域的确定方法。

本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本发明实施例提供一种路面病害区域的确定方法、装置、计算机介质和存储设备。以下分别进行详细说明。

在一个实施例中，如图2所示，提供了一种路面病害区域的确定方法，包括以下步骤：

S101、根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像。

其中，第一二值化阈值为对图像进行二值化的颜色梯度阈值。

可选地，路面可以为水泥路面、沥青路面等路面，本实施例对路面的形式不做限制。

可选地，路面图像可以为通过摄像装置拍摄的某一路段的原始图像，也可以为通过网络等方式获取的路面图像，还可以是对某一原始路面图像进行一定的处理(如：灰度化、去噪)后得到的图像。如图3所示，图3为对原始路面图像灰度化后得到的图像。

S102、根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像。

可选地，多个第二二值化阈值可以是逐一递增的二值化阈值，也可以是按照其他数值逐级递增的二值化阈值，还可以是按照其他规则变化的二值化阈值。

本步骤的实现过程可以是根据各个第二二值化阈值分别对路面图像进行二值化。

S103、确定所述第一二值图像与各个所述第二二值图像的重叠率。

可选地，重叠率指两个图像中相匹配的像素点与整个第二二值图像的占比。该重叠率可以是第一二值图像与某一第二二值图像整个图像的重叠率，也可以是第一二值图像与某一第二二值图像某个部分的重叠率。还可以是第一二值图像的某一部分与某一第二二值图像某个部分的重叠率。

具体地，确定第一二值图像的二值边缘图与第二二值图像中的每个边缘轮廓相重叠的像素点个数后，计算该像素点个数与第二二值图像的每个边缘轮廓的像素点个数的占比，该占比即为所求的重叠率。

S104、根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

本步骤确定各个第二二值图像对应的重叠率是否满足预设条件，若是，将对应的第二二值图像的边缘轮廓图选择出来，根据选出的第二二值图像的边缘轮廓图确定路面图像中的路面病害区域。

可选地，路面病害指的是水泥的裂缝、板角断裂、破碎板、修补、边角剥落、坑洞以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝、修补、坑槽等病害。这些病害存在相同的特征也存在许多不同的特征。本实施例对路面病害的类型不做限制。

可选地，根据选出的第二二值图像的边缘轮廓图确定路面图像中的路面病害区域的实现过程可以为：将选出的各个第二二值图像的边缘轮廓图进行整合(如：相叠加等)，得到的图像即为路面病害区域对应的图像。

本实施例，通过不同的二值化处理方法分别得到第一二值图像和第二二值图像，该第二二值图像是根据多个第二二值化阈值二值化得到，根据这两个图像的重叠率确定满足条件的第二二值图像，进而确定路面图像中的路面病害区域。从多个第二二值图像中能准确找出表征病害的图像，能有效地得到各种类型的病害的精确轮廓。

在一个实施例中，所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵；根据第二梯度映射矩阵得到第二梯度直方图；将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

可选地，第一滑动窗口可以是矩形窗口，也可以是正方形或者其他形状的窗口。例如：第一滑动窗口可以是3*3像素的窗口，也可以是10*10像素的窗口，还可以是其他尺寸的窗口，窗口的单位也可以为长度单位等其他单位。本发明实施例对第一滑动窗口的形状大小不做限制。

具体地，第一滑动窗口为正方形窗口，如3*3像素的窗口。

可选地，颜色参数可以为像素的颜色对应的参数，如RGB值、灰度值等。若路面图像为灰度图像，则颜色参数可以为灰度值；若路面图像为多种颜色的图像，则颜色参数可以为RGB值。

可选地，第一梯度映射矩阵和第二梯度映射矩阵为能表征路面图像各个像素对应的颜色梯度的矩阵。

传统的边缘检测方法会受限于边缘阈值的选取，导致鲁棒性一般。本实施例通过滑动窗口遍历路面图像，能获取路面图像中所有像素的颜色参数，根据这些颜色参数建立相对应的第一梯度映射矩阵和第二梯度映射矩阵，进而根据这两个矩阵对应的直方图的关系确定第一二值化阈值。全面整合了路面图像中所有像素的相关信息，根据这些相关信息能确定出保留了尽可能多原始信息的第二二值化阈值，进而可以更为准确地确定出路面病害所在的区域，也能进一步提高病害区域确定的鲁棒性。

可选地，第一梯度映射矩阵(即主梯度映射矩阵)是取颜色参数的最大值与最小值的差，不论是强边缘还是弱边缘的颜色梯度，都是这两个值的差，所以它包含这两种边缘(即边缘性较强和较弱的颜色梯度)。主梯度映射矩阵对应的图如图4所示。第二梯度映射矩阵(即次梯度映射矩阵)是取颜色参数的最大值与次最小值(第二个最小值)的差，相当于把原来的边缘的颜色梯度值进行了缩小，类似于弱边缘，所以它只包含弱边缘。

可选地，本实施例采用主次双梯度映射矩阵获取第一二值化阈值。获取第一二值化阈值的具体实现过程可以为：首先用3*3像素的第一滑动窗口遍历路面图像，获取图像的第一梯度映射矩阵，即通过窗口内9个像素对应的颜色参数的最大值与最小值的差值建立第一梯度映射矩阵，将其转换为第一梯度直方图(横坐标为梯度值，纵坐标为梯度值的个数)；然后同样用3*3像素的第一滑动窗口获取图像的次梯度映射矩阵，即通过窗口内9个像素对应的颜色参数的最大值与次小值的差值建立第二梯度映射矩阵，将其转换为第二梯度直方图；接着将第一梯度直方图与第二梯度直方图相减，得到第三梯度直方图；寻找该第三梯度直方图的峰值所对应的颜色梯度值，即为第一二值化阈值。

其中，梯度直方图为与梯度映射矩阵对应的梯度直方图，能将各个像素对应的颜色梯度和该颜色梯度对应的个数通过一张图直观地展现出来。

在本实施例中，第一梯度映射矩阵包含了边缘性较强和较弱的颜色梯度，而第二梯度映射矩阵只包含边缘性较弱的颜色梯度，两者的差值能突出边缘性较强的边缘。将该差值对应的颜色梯度确定为第一二值化阈值，能自适应地获得病害的二值边缘。

可选地，确定第二梯度映射矩阵的方法与确定第一梯度映射矩阵的方法类似。

在一个实施例中，所述颜色参数包括所述路面图像各个像素对应的颜色参数；所述确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度的步骤之后，还包括：确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向；所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤，包括：根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图；确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应像素的颜色梯度和方向；根据所述颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像；根据预先确定的第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

可选地，以3*3像素的第一滑动窗口为例，本实施例中的最大值对应的像素指向最小值对应的像素的方向可以为如图5所示的8个方向。

可选地，本实施例通过第一滑动窗口遍历路面图像，在窗口选择某一路面图像区域(如3*3像素)后，根据从这9个像素中确定出最大颜色参数和最小颜色参数的大小，将该最大值与最小值的差值(颜色梯度)以及最大值对应的像素指向最小值对应的像素的方向作为这9个像素的中间像素的参数。依次遍历路面图像中的所有像素，完成所有像素对应的颜色梯度和方向的确定。

可选地，对第一梯度映射矩阵图进行边缘增强处理的过程可以为：通过3*3像素的第二滑动窗口遍历第一梯度映射矩阵图；确定该第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应的像素的颜色梯度和方向；判断9个像素的中心像素与其他8个像素的方向是否相似，根据该相似程度对相应的像素进行增加或减小处理。即通过第二滑动窗口遍历该第一梯度映射矩阵图，确定第二滑动窗口所选择的9个像素中方向相同的像素，确定这些像素中的最大颜色梯度，将所有该方向的像素的颜色梯度替换为该最大颜色梯度，对这9个像素中所有方向的像素处理完后，依次完成整个第一梯度映射矩阵图的遍历，并得到对应的最大梯度映射矩阵图。通过3*3像素的滑动窗口遍历该最大梯度映射矩阵图，根据所选的9个像素的颜色梯度和方向对该最大梯度映射矩阵图进行增强处理。该增强处理的实现过程举例如下：以中心像素的方向为“→”为例，将其他8个像素中方向为“→”的像素的颜色梯度增加20、将方向为

和

的像素的颜色梯度增加10，将方向为“←”的像素的颜色梯度减小20，将方向为

和

的像素的颜色梯度减小10。对方向为“↓”和“↑”的像素的颜色梯度可以增加也可以减小，还可以不做处理。依次完成整个最大梯度映射矩阵的遍历，得到边缘增强图像。

可选地，对图像进行二值化的过程可以为对路面图像中各个像素的颜色参数确定为某一值或另一值的过程，如：将颜色参数大于第一二值化阈值的像素设定为白色(或者黑色)，将颜色参数小于第一二值化阈值的像素设定为黑色(或者白色)。二值化得到的第一二值图像如图6所示。

本实施例根据梯度映射矩阵中各个像素的颜色梯度和方向，对第一梯度映射矩阵图进行边缘增强，再通过预先确定的第一二值化阈值对边缘增强图像进行二值化，得到第一二值图像。由于经过了边缘增强处理，该第一二值图像能明显地反映出病害区域的轮廓。

在一个实施例中，所述确定所述第一二值图像与各个所述第二二值图像的重叠率的步骤之前，还包括：确定与所述边缘增强图像对应的第三梯度映射矩阵；取所述第一二值图像中与所述第三梯度映射矩阵的最大颜色梯度对应的二值边缘，得到边缘细化后的第一二值图像；确定边缘细化后的第一二值图像中各个二值边缘对应端点间的相似度；若某一所述相似度满足预设的条件，连接所述边缘细化后的第一二值图像中相应的端点。

可选地，本实施例对边缘细化后的第一二值图像中各个二值边缘对应端点进行分析，确定各个端点颜色参数的相似度，若某两个端点的相似度满足预设的条件(如：颜色参数接近)，则将这两个端点连接在一起，通过这样的处理方式能使得到的第一二值图像更为连贯。

本实施例对第一二值图像进行边缘细化和端点连接处理，能得到更能反映病害区域的二值图像。

在一个实施例中，所述根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像的步骤，包括：根据多个第二二值化阈值分别对所述路面图像进行二值化；选出二值化后的路面图像中的各个连通域的边缘连通域，得到所述第二二值图像。

可选地，本实施例的具体实现过程可以为：通过变化的阈值th(th是从0开始加1递进到230的值)分别对路面图像进行二值化，处理得到多个第二二值图像。将第二二值图像中的所有连通域的边缘连通域选出，并组合得到新的只包含有封闭连通域的第二二值图像，得到的连贯的第二二值图像如图7所示。

本实施例能得到只包含封闭边缘的二值图像，能有效去除其他因素的干扰，提高对路面病害区域进行识别的准确性。

在一个实施例中，所述根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域的步骤之后，还包括：确定所述路面图像的背景灰度值；所述背景灰度值由所述路面图像各个像素的灰度值中占比最多的灰度值确定；计算所述路面病害区域中各个连通域的平均灰度值的均值；得到总平均灰度值；将所述背景灰度值与所述总平均灰度值进行对比，根据比对结果以及病害的类型对所述路面病害区域进行修正。

可选地，背景灰度值与各个连通域中平均灰度值进行比对的过程还可以为：确定各个连通域中平均灰度值大于所述背景灰度值的第一个数以及平均灰度值小于所述背景灰度值的第二个数；将所述第一个数与第二个数进行比对。

本实施例中的颜色参数具体为灰度值，灰度值中仅含有一个通道内的颜色，能有效提高路面病害区域确定以及修正过程的效率。

可选地，背景灰度值可以为路面图像的大部分像素(不包含病害区域的像素)对应灰度值的均值，该灰度值能表征路面图像的整体灰度值。还可以为路面图像各个像素的灰度值中占比最多的灰度值。

本实施例对图像的灰度值进行处理，确定背景灰度值和各个连通域的平均灰度值，得到总平均灰度值；根据背景灰度值与总平均灰度值的对比，以及病害的类型对确定的病害区域进行修正，能进一步提高病害区域的准确性。

在一个实施例中，所述根据比对结果以及病害的特征对所述路面病害区域进行修正的步骤，包括：若病害为水泥的裂缝、板角断裂、破碎板以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝；当所述总平均灰度值大于所述背景灰度值时，过滤所述路面病害区域中平均灰度值低于预设阈值的连通域；当所述总平均灰度值小于所述背景灰度值时，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的修补以及沥青的修补，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的边角剥落、坑洞以及沥青的坑槽，过滤所述路面病害区域中平均灰度值满足预设条件的连通域。

可选地，本实施例实现的具体过程可以为：对于病害为水泥的裂缝、板角断裂、破碎板以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝的情况；若总平均灰度值大于背景灰度值，过滤掉路面病害区域中平均灰度值低于0.5倍的背景灰度值的连通域；若总平均灰度值小于背景灰度值，过滤掉路面病害区域中平均灰度值高于0.5倍的背景灰度值的连通域；对于病害为水泥的修补以及沥青的修补的情况，过滤掉路面病害区域中平均灰度值高于0.8倍的背景灰度值的连通域；对于病害为水泥的边角剥落、坑洞以及沥青的坑槽的情况，过滤掉所述路面病害区域中平均灰度值接近于背景灰度值的连通域。通过将不能表征病害区域的连通域过滤掉能有效去除其他因素的干扰，以提供更为精确的病害区域。

得到的病害区域如图8所示，图8中不含有病害区域以外的图像。因此，本发明实施例的方法能准确地将病害区域与路面中其他区域进行区分开来。

不同路面病害的特征各不相同而且同种病害类型的形态各异，目前基于图像技术的路面病害分割技术都只对裂缝类型有较好的分割效果，然而路面中可视化的病害类型是多种多样的，目前的算法不能对水泥/沥青的破碎板、露骨、边角剥落等进行准确的分割，导致对病害的轻重程度和病害面积计算不准确。本实施例针对不同路面病害的具体特征，对之前确定的病害区域进行进一步的修正，提高病害区域的准确性，能有效提取多种类型病害的区域。同时能对沥青路面和水泥路面的各种可视化病害进行准确的分割，且鲁棒性较强。

在一个实施例中，所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：对路面图像进行保边滤波，获取经过保边滤波后的路面图像的噪声点；确定所述经过保边滤波后的路面图像中位于所述噪声点内的边缘，对所述边缘进行弱化。

可选地，可以采用双边滤波算法等方法对路面图像进行保边滤波。

具体地，通过双边滤波算法对路面图像的灰度图像进行处理，得到的路面图像如图9所示。

可选地，获取经过保边滤波后的路面图像的噪声点可以采用最大稳定极值法实现。

具体地，设定稳定区域的范围为0～100，然后用最大稳定极值法寻找路面图像中的噪声点。得到的路面图像的噪声点如图10所示。

可选地，对边缘进行弱化的过程可以为将有噪声点的像素的颜色参数减半或乘以某一系数，还可以为其他方式。

路面噪声多且路面病害强弱不定，掩盖了路面病害的主要特征——边缘。本实施例对路面图像进行保边滤波，突出路面图像中的病害区域边缘，然后对有噪声点的边缘进行弱化，能强化病害区域所在的边缘，能很好地解决噪声点对路面病害边缘检测的影响，提高确定的病害区域的精确性。

在一个实施例中，路面病害区域的确定方法，还包括步骤：过滤获取的病害区域中面积过小的连通域，对路面病害区域进行填充，得到最终的病害区域，填充后的病害区域图如图11所示。

可选地，对病害区域进行填充可以采用多种颜色实现，不同的病害区域可以填充不同的颜色。

本实施例将小连通域过滤，并对病害区域进行填充，能更直观地将病害区域与其他路面区域进行区分，实现路面病害的分割。

在一个实施例中，如图12所示，提供一种路面病害区域的确定方法，包括以下步骤：

S201、通过第一滑动窗口遍历路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数。

S202、确定所述颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵。

S203、确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向。

S204、确定所述颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵。

S205、将所述第一梯度映射矩阵对应的第一梯度直方图和所述第二梯度映射矩阵对应的第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的梯度来确定所述第一二值化阈值。

S206、根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图。

S207、确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应的像素；根据所述像素对应的颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像。

S208、根据所述第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

S209、根据多个第二二值化阈值分别对所述路面图像进行二值化。

S210、选出二值化后的路面图像中的各个连通域的边缘连通域，得到第二二值图像。

S211、确定所述第一二值图像与各个所述第二二值图像的重叠率。

S212、根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

本实施例，通过主次双梯度映射矩阵法确定第一二值化阈值，通过该第一二值化阈值对路面图像进行二值化，得到第一二值图像；通过逐级二值化的方式得到多个第二二值图像，根据这两种图像的重叠率确定满足条件的第二二值图像，进而确定路面图像中的路面病害区域。能有效地得到各种类型的病害的精确轮廓。

为了更好地理解上述方法，以下详细阐述一个本发明路面病害区域的确定方法的应用实例，如图13所示。

S301、获取路面图像的灰度图像GrayImg。

S302、对GrayImg进行保边滤波，得到图像GrayFiltrationImg。

S303、通过最大稳定极值法获取GrayFiltrationImg的噪声点图像，记为noiseImg。

S304、用3*3像素的第一滑动窗口遍历GrayFiltrationImg，获取8个方向的梯度值，即记录窗口内最大值与最小值的梯度差值，建立主梯度映射矩阵M1；并获取最大值对应的像素指向最小值对应的像素的方向。S306、根据M1和各个像素的方向找到相邻梯度值之间同一方向的像素中的最大梯度值，构成8个方向的梯度映射矩阵MaxM。S307、进行边缘增强：获取与MaxM对应的梯度映射矩阵图，在该梯度映射矩阵图上，用3*3像素的第二滑动窗口进行遍历，若8邻域梯度的方向和中间梯度的方向接近，就对相应邻域的梯度值进行增加，反之进行减小；同时根据噪声点图像noiseImg对在噪声点内的边缘进弱化，最终得到边缘增强后的梯度映射矩阵MaxStrongM。

S305、用3*3像素的第一滑动窗口遍历GrayFiltrationImg，获取8个方向的次梯度值，即记录窗口内最大值与第二个最小值的差值，建立次梯度映射矩阵M2。S308、根据M1得到梯度直方图Hist1。S309、根据M2得到梯度直方图Hist2。S310、求差梯度直方图Hist＝Hist1-Hist2。S311、找到差梯度直方图Hist中最大个数所对应的梯度值，作为第一二值化阈值EdgeThresh。其中，梯度直方图以梯度值为横坐标，以梯度值的个数为纵坐标，将Hist1和Hist2相减(即，将Hist1中梯度值A的个数与Hist2中梯度值B的个数相减)即可得到不同梯度值对应的梯度值个数，取最大梯度值个数对应的梯度值即为二值化阈值EdgeThresh。

S312、将MaxStrongM根据第一二值化阈值EdgeThresh进行二值化，得到第一二值图像EdgeBw。

S313、边缘细化：在保证EdgeBw边缘连贯的前提下，取EdgeBw中与MaxStrongM矩阵中的最大梯度值所对应的二值边缘，得到细化后的第一二值图像ThinEdgeBw。

S314、连接边缘端点：对于不同边缘，根据它们端点附近的灰度值相似程度来判断是否将这两条边缘进行端点相连；把灰度值最相近的两个端点进行连接，得到连接后的第一二值图像LinkThinEdgeBw。

S315、层层筛选获取第二二值图像：找出灰度图像GrayFiltrationImg的主灰度值mainVal，即背景灰度值；根据变化的阈值th(th是从0开始加1递进到230的灰度值)对GrayFiltrationImg进行二值化，取二值化后的GrayFiltrationImg中的连通域的边缘连通域，处理得到第二二值图像EdgeBwTh；当EdgeBwTh中的某一连通域的边缘连通域与LinkThinEdgeBw的重叠率大于阈值overlapRatio时，就保留该连通域，并记录该连通域内部的平均灰度值。

S316、记录连通域内部的平均灰度值高于mainVal的个数countDown和低于mainVal的个数countUp，并计算所有连通域的总平均灰度值allMeanVal，然后根据不同类型病害的灰度特征进行连通域的过滤。

S317、对于水泥的裂缝、板角断裂、破碎板和沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝等；当allMeanVal大于mainVal时，过滤掉平均灰度值低于0.5*mainVal的连通域；反之过滤掉平均灰度值高于0.5*mainVal的连通域。

S318、对于水泥的修补和沥青的修补等；过滤掉平均灰度值高于0.8*mainVal的连通域。

S319、对于水泥的边角剥落、坑洞和沥青的坑槽等；过滤掉平均灰度值接近mainVal的连通域。

S320、得到连贯的边缘二值图像CoherentEdgeBw。

S321、将CoherentEdgeBw中连贯边缘的内部进行填充，过滤过小的连通域，最后得到病害区域二值图像regionBw。

其中，步骤A(S303至S314)为获取第一二值图像的过程：用主次双梯度映射矩阵法获取边缘阈值，并根据噪声点来弱化非目标边缘，进而强化目标边缘，得到路面病害的二值边缘；步骤B(S315)为获取第二二值图像以及获取路面病害区域的过程：对路面图像进行逐级二值化并得到其二值边缘轮廓，接着计算其与步骤A得到的二值边缘图的重叠率来对非病害边缘进行过滤；步骤C(S316至S321)为根据病害的特征对路面病害区域进行修正以及填充的过程：根据不同类型病害内部的灰度和路面主灰度的差异来过滤分割得到最终的病害区域。经过上述步骤的结合，能准确地得到各种类型的病害的区域。

需要说明的是，对于前述的各方法实施例，为了简便描述，将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。

基于与上述实施例中的路面病害区域的确定方法相同的思想，本发明还提供路面病害区域的确定装置，该装置可用于执行上述路面病害区域的确定方法。为了便于说明，路面病害区域的确定装置实施例的结构示意图中，仅仅示出了与本发明实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图14所述，路面病害区域的确定装置包括第一二值化模块140、第二二值化模块141、重叠率确定模块142和区域确定模块143。详细说明如下：

第一二值化模块140，用于根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像。

第二二值化模块141，用于根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像。

重叠率确定模块142，用于确定所述第一二值图像与各个所述第二二值图像的重叠率。

以及，区域确定模块143，用于根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

在一个实施例中，所述路面病害区域的确定装置，还包括：颜色参数确定模块，用于通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；第一直方图获取模块，用于确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；第二直方图获取模块，用于确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据第二梯度映射矩阵得到第二梯度直方图；根据所述第二颜色梯度得到第二梯度映射矩阵；阈值确定模块，用于将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

在一个实施例中，所述颜色参数包括所述路面图像各个像素对应的颜色参数；所述路面病害区域的确定装置还包括：方向确定模块，用于确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向；所述第一二值化模块，包括：窗口遍历子模块，用于根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图；边缘增强子模块，用于确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应像素的颜色梯度和方向；根据所述颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像；第一二值化子模块，用于根据预先确定的第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

在一个实施例中，所述路面病害区域的确定装置，还包括：边缘细化模块，用于确定与所述边缘增强图像对应的第三梯度映射矩阵；取所述第一二值图像中与所述第三梯度映射矩阵的最大颜色梯度对应的二值边缘，得到边缘细化后的第一二值图像；相似度确定模块，用于确定边缘细化后的第一二值图像中各个二值边缘对应端点间的相似度；端点连接模块，用于若某一所述相似度满足预设的条件，连接所述边缘细化后的第一二值图像中相应的端点。

在一个实施例中，所述第二二值化模块141，包括：第二二值化子模块，用于根据多个第二二值化阈值分别对所述路面图像进行二值化；连通域选择子模块，用于选出二值化后的路面图像中的各个连通域的边缘连通域，得到所述第二二值图像。

在一个实施例中，所述路面病害区域的确定装置，还包括：灰度值确定模块，用于确定所述路面图像的背景灰度值；所述背景灰度值由所述路面图像各个像素的灰度值中占比最多的灰度值确定；平均值计算模块，用于计算所述路面病害区域中各个连通域的平均灰度值的均值，得到总平均灰度值；区域修正模块，用于将所述背景灰度值与所述总平均灰度值进行比对，根据比对结果以及病害的类型对所述路面病害区域进行修正。

在一个实施例中，所述区域修正模块，还用于若病害为水泥的裂缝、板角断裂、破碎板以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝；当所述总平均灰度值大于所述背景灰度值时，过滤所述路面病害区域中平均灰度值低于预设阈值的连通域；当所述总平均灰度值小于所述背景灰度值时，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的修补以及沥青的修补，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的边角剥落、坑洞以及沥青的坑槽，过滤所述路面病害区域中平均灰度值满足预设条件的连通域。

在一个实施例中，所述路面病害区域的确定装置，还包括：保边滤波模块，用于对路面图像进行保边滤波，获取经过保边滤波后的路面图像的噪声点；边缘弱化模块，用于确定所述经过保边滤波后的路面图像中位于所述噪声点内的边缘，对所述边缘进行弱化。

需要说明的是，本发明的路面病害区域的确定装置与本发明的路面病害区域的确定方法一一对应，在上述路面病害区域的确定方法的实施例阐述的技术特征及其有益效果均适用于路面病害区域的确定装置的实施例中，具体内容可参见本发明方法实施例中的叙述，此处不再赘述，特此声明。

此外，上述示例的路面病害区域的确定装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述路面病害区域的确定装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；确定所述第一二值图像与各个所述第二二值图像的重叠率；根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵；根据第二梯度映射矩阵得到第二梯度直方图；将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述颜色参数包括所述路面图像各个像素对应的颜色参数；所述确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度的步骤之后，还包括：确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向；所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤，包括：根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图；确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应像素的颜色梯度和方向；根据所述颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像；根据预先确定的第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述确定所述第一二值图像与各个所述第二二值图像的重叠率的步骤之前，还包括：确定与所述边缘增强图像对应的第三梯度映射矩阵；取所述第一二值图像中与所述第三梯度映射矩阵的最大颜色梯度对应的二值边缘，得到边缘细化后的第一二值图像；确定边缘细化后的第一二值图像中各个二值边缘对应端点间的相似度；若某一所述相似度满足预设的条件，连接所述边缘细化后的第一二值图像中相应的端点。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：所述根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像的步骤，包括：根据多个第二二值化阈值分别对所述路面图像进行二值化；选出二值化后的路面图像中的各个连通域的边缘连通域，得到所述第二二值图像。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；确定所述第一二值图像与各个所述第二二值图像的重叠率；根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵；根据第二梯度映射矩阵得到第二梯度直方图；将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述颜色参数包括所述路面图像各个像素对应的颜色参数；所述确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度的步骤之后，还包括：确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向；所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤，包括：根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图；确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应像素的颜色梯度和方向；根据所述颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像；根据预先确定的第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述确定所述第一二值图像与各个所述第二二值图像的重叠率的步骤之前，还包括：确定与所述边缘增强图像对应的第三梯度映射矩阵；取所述第一二值图像中与所述第三梯度映射矩阵的最大颜色梯度对应的二值边缘，得到边缘细化后的第一二值图像；确定边缘细化后的第一二值图像中各个二值边缘对应端点间的相似度；若某一所述相似度满足预设的条件，连接所述边缘细化后的第一二值图像中相应的端点。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像的步骤，包括：根据多个第二二值化阈值分别对所述路面图像进行二值化；选出二值化后的路面图像中的各个连通域的边缘连通域，得到所述第二二值图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域的步骤之后，还包括：确定所述路面图像的背景灰度值；所述背景灰度值由所述路面图像各个像素的灰度值中占比最多的灰度值确定；计算所述路面病害区域中各个连通域的平均灰度值的均值，得到总平均灰度值；将所述背景灰度值与所述总平均灰度值进行比对，根据比对结果以及病害的特征对所述路面病害区域进行修正。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据比对结果以及病害的类型对所述路面病害区域进行修正的步骤，包括：若病害为水泥的裂缝、板角断裂、破碎板以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝；当所述总平均灰度值大于所述背景灰度值时，过滤所述路面病害区域中平均灰度值低于预设阈值的连通域；当所述总平均灰度值小于所述背景灰度值时，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的修补以及沥青的修补，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；若病害为水泥的边角剥落、坑洞以及沥青的坑槽，过滤所述路面病害区域中平均灰度值满足预设条件的连通域。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：对路面图像进行保边滤波，获取经过保边滤波后的路面图像的噪声点；确定所述经过保边滤波后的路面图像中位于所述噪声点内的边缘，对所述边缘进行弱化。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，作为独立的产品销售或使用。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本发明实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，不能理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种路面病害区域的确定方法，其特征在于，包括以下步骤：

根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；

根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；

确定所述第一二值图像与各个所述第二二值图像的重叠率；

根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域；

所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：

通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；

确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；

确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵；根据第二梯度映射矩阵得到第二梯度直方图；

将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

2.根据权利要求1所述的路面病害区域的确定方法，其特征在于，所述颜色参数包括所述路面图像各个像素对应的颜色参数；

所述确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度的步骤之后，还包括：

确定所述最大值对应的像素指向所述最小值对应的像素的方向，作为所述第一滑动窗口所选择的路面图像区域的中心像素的方向；

所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤，包括：

根据所述第一梯度映射矩阵得到第一梯度映射矩阵图，通过第二滑动窗口遍历所述第一梯度映射矩阵图；

确定所述第二滑动窗口在遍历过程中所选择的第一梯度映射矩阵图对应像素的颜色梯度和方向；根据所述颜色梯度和方向，对所述第一梯度映射矩阵图进行边缘增强处理，得到边缘增强图像；

根据预先确定的第一二值化阈值对所述边缘增强图像进行二值化，得到第一二值图像。

3.根据权利要求2所述的路面病害区域的确定方法，其特征在于，所述确定所述第一二值图像与各个所述第二二值图像的重叠率的步骤之前，还包括：

确定与所述边缘增强图像对应的第三梯度映射矩阵；取所述第一二值图像中与所述第三梯度映射矩阵的最大颜色梯度对应的二值边缘，得到边缘细化后的第一二值图像；

确定边缘细化后的第一二值图像中各个二值边缘对应端点间的相似度；

若某一所述相似度满足预设的条件，连接所述边缘细化后的第一二值图像中相应的端点。

4.根据权利要求1至3任一所述的路面病害区域的确定方法，其特征在于，所述根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像的步骤，包括：

根据多个第二二值化阈值分别对所述路面图像进行二值化；

选出二值化后的路面图像中的各个连通域的边缘连通域，得到所述第二二值图像。

5.根据权利要求4所述的路面病害区域的确定方法，其特征在于，所述根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域的步骤之后，还包括：

确定所述路面图像的背景灰度值；所述背景灰度值由所述路面图像各个像素的灰度值中占比最多的灰度值确定；

计算所述路面病害区域中各个连通域的平均灰度值的均值，得到总平均灰度值；

将所述背景灰度值与所述总平均灰度值进行比对，根据比对结果以及病害的特征对所述路面病害区域进行修正。

6.根据权利要求5所述的路面病害区域的确定方法，其特征在于，所述根据比对结果以及病害的类型对所述路面病害区域进行修正的步骤，包括：

若病害为水泥的裂缝、板角断裂、破碎板以及沥青的龟裂、块状裂缝、横向裂缝、纵向裂缝；当所述总平均灰度值大于所述背景灰度值时，过滤所述路面病害区域中平均灰度值低于预设阈值的连通域；当所述总平均灰度值小于所述背景灰度值时，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；

若病害为水泥的修补以及沥青的修补，过滤所述路面病害区域中平均灰度值高于预设阈值的连通域；

若病害为水泥的边角剥落、坑洞以及沥青的坑槽，过滤所述路面病害区域中平均灰度值满足预设条件的连通域。

7.根据权利要求1、2、3、5、6任一所述的路面病害区域的确定方法，其特征在于，所述根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像的步骤之前，还包括：

对路面图像进行保边滤波，获取经过保边滤波后的路面图像的噪声点；

确定所述经过保边滤波后的路面图像中位于所述噪声点内的边缘，对所述边缘进行弱化。

8.一种路面病害区域的确定装置，其特征在于，包括：

第一二值化模块，用于根据预先确定的第一二值化阈值对路面图像进行二值化，得到第一二值图像；

第二二值化模块，用于根据多个第二二值化阈值分别对所述路面图像进行二值化，得到多个第二二值图像；

重叠率确定模块，用于确定所述第一二值图像与各个所述第二二值图像的重叠率；

以及，区域确定模块，用于根据满足预设条件的重叠率所对应的第二二值图像，确定所述路面图像中的路面病害区域；

还包括：

颜色参数确定模块，用于通过第一滑动窗口遍历所述路面图像，确定所述第一滑动窗口在遍历过程中所选择的路面图像区域的颜色参数；

第一直方图获取模块，用于确定所述第一滑动窗口内的颜色参数中的最大值和最小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第一颜色梯度；根据所述第一颜色梯度得到第一梯度映射矩阵；根据第一梯度映射矩阵得到第一梯度直方图；

第二直方图获取模块，用于确定所述第一滑动窗口内的颜色参数中的最大值和次小值的差值，作为所述第一滑动窗口所选择的路面图像区域的中心像素的第二颜色梯度；根据所述第二颜色梯度得到第二梯度映射矩阵；根据第二梯度映射矩阵得到第二梯度直方图；

阈值确定模块，用于将所述第一梯度直方图与所述第二梯度直方图相减，得到第三梯度直方图；根据所述第三梯度直方图的峰值所对应的颜色梯度来确定所述第一二值化阈值。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法的步骤。

Images