CN109116002B - 一种路用粗集料棱角性量化方法 - Google Patents

Abstract

本发明公开了一种路用粗集料棱角性量化方法，包括输入集料棱角性检测系统得到的集料图像，集料图像灰度化等一系列处理，读取集料图像，采用M结构元素进行形态学集料骨架提取，得到集料边缘棱角的全部信息；初始化各个变量，形态学运算获取集料颗粒骨架图像；读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小利用形态学操作移除目标边界像素，组成图像的骨架，将集料骨架图像二值化，对每幅集料骨架图像棱角点数求和；以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性。可实现对集料棱角性高效，精确的检测和定量分析，具有检测效率高，客观性强，检测成本低的优点。

Description

一种路用粗集料棱角性量化方法

技术领域

本发明属于道路工程领域，涉及集料特性量化，具体涉及一种路用粗集料棱角性量化方法。

背景技术

在新增高速道路网建设中，沥青混凝土路面占到了90％以上，为了延长路面的寿命、提高使用性能，需要改善混合料的质量，人们经常只从混合料的级配组成和沥青作为切入点，对集料特性量化研究相对较少。集料形态特性是影响混合料性能的重要因素之一，主要包括尺寸、形状、棱角性和表面纹理等。集料尺寸的分布影响沥青混合料耐久度与强度特性；集料的形状影响混合料的稳定性与工作性；集料棱角性影响路面结构的嵌挤作用、抗滑、抗车辙特性；集料表面纹理影响沥青路面结构的抗剪特性。粗集料的棱角性体现了集料表面的突出特性，棱角性较好的集料可以提高颗粒与颗粒之间的嵌挤结构进而提高混凝土路面的路用性能。我国现行规范中，对于粗集料的棱角性还没有统一的评价方法和定量指标，并且其相关研究较少，目前粗集料棱角性量化分析技术还处于研究阶段，现有方法主要存在以下几方面问题：

1)检测技术落后

由于大部分现有集料棱角性检测方法采用全人工或半人工手动经验式检测，检测设备庞大且机动性较差，检测过程繁杂、耗时、费力。

2)检测精度差

现有棱角性检测方法大多数是定性分析而非定量分析，检测结果受人员水平和操作习惯影响较大，采集的数据精度不高并且记录过程繁琐，工程应用局限性高。

3)规范性不一

美国和欧洲对粗集料的棱角性有各自的评价方法但大部分是定性指标，目前，我国尚无明确的集料棱角性规范和定量指标，因人而异，按照不同的标准评价出的集料棱角性指标千差万别，直接导致沥青混合料选料标准混乱、质量不高，沥青路面出现早期路用性能下降或破坏现象。

发明内容

针对上述现有技术存在的缺陷或不足，本发明的目的在于，提供一种路用粗集料棱角性量化方法，从而实现对集料棱角性高效，精确的检测和定量分析。

为了实现上述任务，本发明采取如下的技术解决方案予以实现：

一种路用粗集料棱角性量化方法，其特征在于，按以下步骤实施：

步骤一，输入集料棱角性检测系统得到的集料图像；

步骤二，将集料图像灰度化、中值滤波去噪、高亮细节增强、图像熵分割、闭运算目标提取、坑洞填充等一系列处理；

步骤三，读取步骤二中的集料图像，采用M结构元素进行形态学集料骨架提取，得到集料边缘棱角的全部信息；

步骤四，初始化各个变量，按照式

对目标物体进行形态学运算，判断当前Corr_TXi是否为空，若未空，则循环停止，并获取集料颗粒骨架图像；

步骤五，读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小x，y，即为行数和列数；从第二行逐个扫描集料骨架点的像素值大小，判断八邻域像素是否符合第n列的一个点，周围邻域中，若它的m+1行，n+1列和m-1行，n-1列所在点的像素值为1，或者它的m+1行，n-1列和m-1行，n+1列所在点的像素值为1，若符合，则不需要断点修补，同时去除闭运算操作后的一些干扰点；否则需要断裂点的修补，将像素点0替换成1进行骨架连通改善；扫描完集料图像像素的所有点，循环终止；

步骤六，读取子文件夹里面所有的修补完的集料骨架图像，利用形态学操作移除目标边界像素，但不允许目标分隔开，保留下来的像素组成图像的骨架；将集料骨架图像二值化，在四邻域提取边界点，对集料骨架二值化图像进行形态学操作，提取骨架棱角点，并去除图像中的孤立点；

步骤七，填充集料骨架二值化图像中的空洞区域，并对每幅集料骨架图像棱角点数求和；

步骤八，以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性，将骨架棱角点法棱角性量化指标定义如下：

由于每个集料是在三种不同状态下得到的二维图形，式中，i代表单个集料的不同三种状态，si为集料在其中某一个状态下的棱角点，P为单个集料的平均棱角点数；ai为集料在其中某一个状态下的集料面积，A为单个集料的平均面积；Ia为整批集料棱角性量化指标，N为总集料个数。

本发明的路用粗集料棱角性量化方法，与现有技术相比，具有以下技术效果：

(1)采用的骨架棱角点量化方法可以准确、快捷、高效地量化集料的棱角性，从传统的定性分析转为定量分析。

(2)将每个集料的3个特征面分别进行颗粒棱角特征参数表征并将每个面的面积引入进行加权，得到加权后的集料棱角指标更加合理、准确，更能突出集料的形态宏观特性。

(3)降低了检测算法的复杂度、运行时间短，可用于集料棱角性的实时检测，有利于集料质量好坏的监测和过程控制。

(4)克服了传统检测方法受人员水平和操作习惯影响的缺陷，同时基于骨架棱角性量化方法开发的集料棱角性检测系统，具有检测效率高，客观性强，检测成本低的优点。

附图说明

图1为结构元素示意图，其中(a)图表示L结构元素，(b)图表示M结构元素；

图2为本发明的路用粗集料棱角性量化方法得到集料骨架棱角点提取图。

下面结合附图和具体实施例对本发明作进一步详细地解释和说明。

具体实施方式

参见图1所示，申请人研究发现，L结构元素图1的(a图)进行细化骨架提取，得到的集料骨架图像边缘信息不足，表征集料棱角性不准确，而图1的(b图)M结构元素进行形态学集料骨架提取，得到的骨架图像边缘信息丰富，能够代表集料边缘棱角的全部信息。因此，本申请采用M结构元素进行形态学集料骨架提取。

参见图2，本实施例给出一种路用粗集料棱角性量化方法，具体包括如下步骤：

步骤一，输入集料棱角性检测系统得到的集料图像。

步骤二，将集料图像灰度化、中值滤波去噪、高亮细节增强、图像熵分割、闭运算目标提取、坑洞填充等一系列处理。

步骤三、读取步骤二中的集料图像，选择如图1(b)图的M结构元素(se)进行形态学集料骨架提取，得到集料边缘棱角的全部信息；

步骤四，初始化各个变量，按照式

对目标物体进行形态学运算，判断当前Corr_TXi是否为空，若未空，则循环停止，并获取骨架图像。

步骤五，读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小x，y，即为行数和列数。从第二行逐个扫描集料骨架点的像素值大小，判断八邻域像素是否符合第n列的一个点，周围邻域中，若它的m+1行，n+1列和m-1行，n-1列所在点的像素值为1，或者它的m+1行，n-1列和m-1行，n+1列所在点的像素值为1，若符合，则不需要断点修补，同时去除闭运算操作后的一些干扰点；否则需要断裂点的修补，将像素点0替换成1进行骨架连通改善。扫描完集料图像像素的所有点，循环终止。

步骤六，读取子文件夹里面所有的修补完的集料骨架图像。利用形态学操作移除目标边界像素，但不允许目标分隔开，保留下来的像素组成图像的骨架。集料骨架图像二值化，在四邻域提取边界点。对集料骨架二值化图像进行形态学操作，提取骨架棱角点，并去除图像中的孤立点。

步骤七，填充集料骨架二值化图像中的空洞区域，并对每幅集料骨架图像棱角点数求和，本实施例中，对图2集料骨架棱角点提取图中的集料总棱角点求和为s_i＝51。

步骤八，以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性，将骨架棱角点法棱角性量化指标定义如下：

由于每个集料是在三种不同状态下得到的二维图形，式中，i代表单个集料的不同三种状态，si为集料在其中某一个状态下的棱角点，P为单个集料的平均棱角点数；ai为集料在其中某一个状态下的集料面积，A为单个集料的平均面积；Ia为整批集料棱角性量化指标，N为总集料个数。

本实施例中，以

平均棱角点表征单个集料的棱角性，求得相对应集料的面积

用平均棱角点P和面积A权值

共同量化整批集料的棱角性，例如用5颗集料代表整批集料的棱角性，棱角指标值

其中面积A用像素值表示。

Claims (1)

1.一种路用粗集料棱角性量化方法，其特征在于，按以下步骤实施：

步骤一，输入集料棱角性检测系统得到的集料图像；

步骤二，将集料图像灰度化、中值滤波去噪、高亮细节增强、图像熵分割、闭运算目标提取、坑洞填充一系列处理；

步骤三，读取步骤二中的集料图像，采用M结构元素进行形态学集料骨架提取，得到集料边缘棱角的全部信息；

步骤四，初始化各个变量，按照式

对目标物体进行形态学运算，判断当前Corr_TXi是否为空，若为空，则循环停止，并获取集料颗粒骨架图像；

步骤五，读取集料颗粒骨架图像，形态学闭运算进行集料骨架图像像素连接操作，并求骨架图像的大小x，y，即为行数和列数；从第二行逐个扫描集料骨架点的像素值大小，判断八邻域像素是否符合第n列的一个点，周围邻域中，若它的m+1行，n+1列和m-1行，n-1列所在点的像素值为1，或者它的m+1行，n-1列和m-1行，n+1列所在点的像素值为1，则不需要断点修补，同时去除闭运算操作后的一些干扰点；否则需要断裂点的修补，将像素点0替换成1进行骨架连通改善；扫描完集料图像像素的所有点，循环终止；

步骤六，读取子文件夹里面所有的修补完的集料骨架图像，利用形态学操作移除目标边界像素，但不允许目标分隔开，保留下来的像素组成图像的骨架；将集料骨架图像二值化，在四邻域提取边界点，对集料骨架二值化图像进行形态学操作，提取骨架棱角点，并去除图像中的孤立点；

步骤七，填充集料骨架二值化图像中的空洞区域，并对每幅集料骨架图像棱角点数求和；

步骤八，以平均棱角点表征单个集料的棱角性，用平均棱角点和面积权值共同量化整批集料的棱角性，将骨架棱角点法棱角性量化指标定义如下：

由于每个集料是在三种不同状态下得到的二维图形，式中，i代表单个集料的不同三种状态，si为集料在其中某一个状态下的棱角点，P为单个集料的平均棱角点数；ai为集料在其中某一个状态下的集料面积，A为单个集料的平均面积；Ia为整批集料棱角性量化指标，N为总集料个数。

Images