CN109522646A - 岩体交叉裂隙图像自动分离及其矢量化表达方法 - Google Patents

Abstract

本发明公开了一种可实现图像范围内全部岩体交叉裂隙图像自动分离及其矢量化表达的数字照相量测方法。本发明通过分析裂隙点邻域范围内的像素点分布情况识别裂隙点性质，并基于交叉裂隙图像特征，通过设计追踪存储算法实现了图像内全部交叉裂隙的单独存储。本发明克服了现有数字照相量测方法在识别图像裂隙过程中无法进行全部交叉裂隙自动分离及其矢量化的缺陷，并可在裂隙矢量化的基础上实现单条具体裂隙的形态参数分析。

Description

岩体交叉裂隙图像自动分离及其矢量化表达方法

技术领域

本发明涉及一种岩体裂隙图像数字照相量测方法，具体涉及一种通过裂隙像素点分类及追踪存储方法实现交叉裂隙图像自动分离并进行矢量化表达的方法，用于岩体裂隙等数字照相量测。

背景技术

岩体裂隙发育情况的准确定量观测对于岩石工程现场施工的安全控制具有重要意义。在许多（地下）岩石工程中，裂隙的分布情况很大程度上影响了岩体的稳定性和渗透性，进而影响工程的施工安全状况。目前对岩体裂隙的野外调查和现场测量以手工测量方法为主，手工测量工作效率较低，易受到自然条件的影响，引起的随机误差和系统误差很大。数字照相量测方法的发展为实现高效的岩体裂隙测量提供了一种可能途径。这种方法的关键在于对裂隙图像的计算机识别，进而得到岩体裂隙的各种形态参数。

数字照相量测方法是一种利用数字化图像采集设备，获得观测目标图像，并基于图像分析算法获取目标参数的光测分析方法。“图像特征识别”作为数字照相量测方法的一个主要研究领域，以分离特征物为目标，并将研究或技术人员所需的特征参数从图像中提取存储。“图像特征识别”实现的核心在于图像获取以及特征分离算法的设计。近年来，随着数字照相设备以及计算机硬件的发展，数字照相量测方法在包括岩石工程在内的多个领域内得到了广泛应用，其中存在大量以“图像特征识别”为应用目的的成功案例。如在水泥混凝土路面嵌缝料损坏评价过程中，根据水泥混凝土路面接缝图像特征可对接缝进行定位，并根据嵌缝料损坏图像特征对嵌缝料损坏进行分类；在露石水泥混凝土路面高抗滑性能研究过程中，基于数字图像技术的进行露石表面纹理构造分析；对于光学元件表面缺陷的检测，可采用激光扫描方法结合纹理尺度自适应分割算法进行表面缺陷分析。数字照相量测在各领域的广泛应用，彰显出此方法的突出优越性。

近年来，随着国内岩土工程的广泛发展，大量的岩土测试技术也随之方兴未艾。基于数字照相量测方法的裂隙测量技术得到了探索。对于裂隙图像的二值化、桥接、去杂、裂隙骨架化功能，现已有较为成熟的通用型算法，但这些算法并不能将复杂裂隙图像中的各条裂隙进行单独提取存储（即裂隙的矢量化）。现有的研究成果无法实现图像中所有岩体交叉裂隙的矢量化。

河海大学2006年硕士论文《基于数字图像处理技术的岩石细观量化试验研究》提出一种利用扫描电镜提取岩体微观裂隙图像，执行通用型二值化算法后基于MATLAB中bwlabel和regionprops函数实现裂隙总面积、总周长、裂隙率等参数统计的方法。此方法借助MATLAB内置函数可以提取上述统计参数，但无法识别图像中的裂隙总数，更不能进行单条裂隙的具体分析，无法进行图像裂隙的矢量化。

《岩土工程学报》2008年第9期《基于数字图像识别的岩土体裂隙形态参数分析方法》，提出一套裂隙图像计算机识别和定量分析方法。通过对含有裂隙的图像进行通用型二值化、桥接、去杂算法，获取裂隙网络节点以及各裂隙的主干像素点，进而提取裂隙的宽度、长度。此算法在裂隙的二值化提取方面有着很好的应用效果，但缺少裂隙矢量化存储功能，仅能提取出图像中所有裂隙的平均宽度、总长度，对于图像中某一条特定的裂隙分析难以实现，也不能自动识别出图像中裂隙的总数量。

《岩石力学与工程学报》2011年第6期《岩石材料微裂隙演化的CT识别》，通过CT扫描试验获得了单轴压缩条件下岩石材料的CT图像，利用微裂隙产生的灰度变化来识别微裂隙的演化行为。此研究成果对于微裂隙的图像采集方式具有探索意义，但对于图像特征的分析采用一种间接分析方法，基于灰度变化来分析微裂隙的演化，无法获取裂隙的总数量，也不能对某条特定的裂隙进行分析。

中国矿业大学2016年硕士论文《基于照相量测的隧道地质素描与岩体裂隙识别研究》设计了一套基于GIS平台，通过人机交互方式实现的半自动化隧道地层产状素描软件，针对隧道开挖面或含有裂隙的岩体素描，通过计算岩体裂隙图像的分形维数来分析裂隙的分布特征。在此软件中，裂隙的识别采用人机交互方式，不能实现自动化提取。此外，裂隙的分布特征参数统计采用计算图像分形维数的方式间接获得，无法对单条裂隙进行具体分析。

《煤田地质与勘探》2017年第5期《基于图像识别的煤层井下宏观裂隙观测》，通过对煤壁裂隙拍照，结合数字图像处理技术，批量处理拍摄的照片，可获得煤壁上裂隙的倾角。其中，裂隙倾角的提取采用统计算法，无法获得单条具体裂隙的参数，更不能实现裂隙的矢量化。

中国矿业大学2017年硕士论文《基于数字照相量测的岩体裂隙识别与表征初步研究》提出了一种针对图像中两条相交裂隙的矢量化存储方法。但是，此方法仅可以实现图像中仅存在两条相交裂隙的分离。对于复杂的相交裂隙图像，无法进行图像范围内全部裂隙的矢量化。

上述研究在裂隙图像的提取方面取得了一定的成果，但无法实现图像中所有的交叉裂隙图像分离及其矢量化表达。

发明内容

为了克服现有数字照相量测方法在识别图像裂隙过程中无法实现图像范围内全部交叉裂隙的矢量化缺陷，本发明提出了一种岩体交叉裂隙图像自动分离及其矢量化表达方法，通过裂隙像素点分类及追踪存储方法实现岩体交叉裂隙图像自动分离并进行矢量化表达。

复杂裂隙的图像特征表现为每一单条裂隙骨架从裂隙端点出发至另一裂隙端点结束。如图1所示，在多条裂隙的相交节点处，同一裂隙上的相邻两点与裂隙相交节点能形成最大的弧度角。根据此特征，通过设计裂隙骨架点循环追踪算法可实现每一条裂隙的裂隙点的追踪存储，进而实现岩体交叉裂隙的自动分离及其矢量化表达。

本发明为实现上述发明目的所提出的岩体交叉裂隙图像自动分离及其矢量化表达方法，其步骤如下：

步骤1. 扫描待分析的图像，执行通用型算法进行图像预处理，所述通用型算法，包括图像二值化、图像锐化、图像浮点去除。

步骤2. 绘制裂隙图像的灰度直方图，根据直方图选择阈值进行图像二值化，将裂隙与背景分离开来。在裂隙图像中，相对于裂隙，背景具有更高的亮度，在直方图上形成一个峰。若为单裂隙图像，则将阈值设在单峰前；若为多裂隙图像，裂隙点会形成另一个峰，将阈值设置在两峰之间。

步骤3. 执行通用型骨架化算法提取图像中的裂隙主干。骨架化后，图像中的每一条裂隙均为单像素宽度，由端点像素点开始至端点像素点结束。

骨架是图像几何形态的一种拓扑描述，也可称为图像的轴线。骨架化可以通过图像的多次细化来实现，其本质是在依然保持原形状的情况下去除图像中的轮廓点，经过多次的细化，最后删掉所有的轮廓点，只留下图像的骨架。现已有成熟的骨架化算法，本发明优选采用常用的查表法进行裂隙骨架化。

步骤4. 基于像素点邻域网格中的裂隙点数量特征，区分裂隙端点、裂隙主干点和裂隙节点：

邻域网格中仅有一个裂隙点，则该点为裂隙端点；

邻域网格中有两个裂隙点，则该点为裂隙主干点；

其余均为裂隙节点；

扫描图像将所有的裂隙端点存入一个像素点数组中。

步骤5. 设置一个临时追踪点用于存放现追踪裂隙点位坐标，并创建一个二维数组用于存放裂隙矢量化过程中各条裂隙的点位坐标，二维数组元素的类型定义为点坐标类型。其中二维数组第一维度表示图像中的裂隙编号，第二维度表示对应裂隙编号下的单条裂隙上的裂隙组成点。二维数组中任意一个存储的元素表示对应第一、第二维度下的点位坐标，即一条对应裂隙中的一个裂隙组成点的坐标。

步骤6. 将端点数组中的第一个点设置为临时追踪点起点，并将该点存入二维数组中。存入后把图像中该位置的灰度值设置为255（白色），相当于在图像中删除了该裂隙点。

步骤7. 扫描与临时追踪点相邻近的8个像素网格（邻域网格），若仅有一个目标点，则将该点的坐标赋予临时追踪点，并将此目标点存入二维数组，并设置灰度值为255。

步骤8. 重复步骤7，直至临时追踪点的邻域网格中出现两个以上的可能目标追踪点。执行优先级判断，将优先级最高的目标点的坐标赋予临时追踪点，并存入二维数组，设置该点灰度值为255。

步骤9. 重复步骤7～步骤8，直至临时追踪点的坐标变为裂隙端点坐标。将此端点存入二维数组中，并设置该点灰度值为255。此时视为一条裂隙的存储结束。

步骤10. 自增二维数组的第一维度，选取端点数组中第二个端点作为新的追踪点，判断该点的邻域网格中是否存在裂隙点。若不存在，说明此端点已被存储，跳过该端点，选择端点数组中下一个端点进行判断。若存在，则重复步骤5～步骤9。

步骤11. 当端点数组中所有端点都已存入二维数组，结束运算。此时，各条裂隙的裂隙点坐标均被矢量化存储在二维数组中。通过显示二维数组中具体的第一维度值所对应的像素点，可具体分析对应的单条裂隙的形态参数。

进一步地，步骤8中所述优先级判断，即根据现追踪点及前追踪点的位置特征判断出目标追踪点的判断算法：

以现追踪点为顶点，分别以线段连接前追踪点与各个可能目标点形成多个折角，折角范围为0~180°，比较各个折角的角度，将形成最大角度的可能目标点作为目标追踪点（即优先级最高）；如果存在能够形成两个（邻域网格中至多存在两个）相同最大角度的可能目标点（优先级相同），则更新前追踪点位置（再向前追踪一个裂隙点，将该点作为最新的前追踪点），再次对这两个可能目标点进行角度判断，将形成角度更大的点作为目标追踪点。

本发明具有以下有益效果：

本发明方法可实现图像范围内全部岩体交叉裂隙自动分离及其矢量化，可实现图像范围内裂隙总数的统计输出，可实现图像范围内单条具体裂隙的形态分析。

附图说明

图1.为本发明岩体交叉裂隙图像特征示意图。

图2.为本发明岩体交叉裂隙自动分离及其矢量化算法编程框图。

图3.为本发明基于目标点邻域网格中的裂隙点数量实现裂隙点分类示意图。其中，a图为裂隙端点，b图为裂隙主干点，c图和d图为裂隙节点。

图4.为本发明方法实现全部裂隙矢量化的过程示意图；其中，a图为扫描所有裂隙端点，b图为存储、删除裂隙点，c图为遇裂隙节点执行优先级别判断，d图为循环操作直至矢量化完毕。

图5.为本发明方法实现裂隙相交节点处搜索目标点的判别分析图。

图6.为本发明编程实现后矢量化分析验证图（屏幕截图）。

具体实施方式

下面结合附图和编程案例对本发明进行进一步说明。

本发明通过编程得以实现，岩体交叉裂隙图像矢量化过程如图4所示。应用本发明进行裂隙矢量化总体分为两大步骤，第一步根据骨架化图像中像素点邻域网格中裂隙点的数量将图像中所有的裂隙端点进行识别存储至一个端点数组中。第二步从端点数组中的端点出发，追踪存储对应端点下的所有裂隙点，遇裂隙端点则完成一条裂隙的存储。当端点数组中所有端点都已存储，结束运算。

裂隙点追踪过程中，若扫描邻域网格中仅有一个目标裂隙点，则直接存储。若存在多个目标裂隙点，则执行目标裂隙点优先级判断。下面结合附图对本发明岩体交叉裂隙图像自动分离及其矢量化方法做进一步描述。

裂隙图像经过二值化、骨架化之后，每个裂隙点的邻域网格中至多出现4个裂隙点。如图3所示，若邻域网格中仅有一个裂隙点，则该点为裂隙端点；若存在两个裂隙点，则为裂隙主干点；此外均为裂隙节点。因此通过扫描每个像素点的邻域网格特性可识别出图像中所有的裂隙端点。

在追踪存储过程中，若临时追踪点裂隙为主干点，则去除前临时追踪点，邻域网格中仅存在一个目标裂隙点，因此可进行直接存储。当临时追踪点为裂隙节点时，去除前临时追踪点，会同时出现2～3个目标裂隙点，此时需进行目标裂隙点优先级判断。本专利根据裂隙的图像分布特征对应设计了搜索目标裂隙点优先级判断算法。同一裂隙上的相邻两点与裂隙相交节点能形成最大的弧度角，基于此特征设计如图5所示的优先级判断方法。根据裂隙临时追踪点与前追踪点的相对位置关系，可分为图5（a）、图5（b）两种情况。根据裂隙的几何分布特征，可对可能出现目标裂隙点的像素网格进行优先级判断（优先级：1>2>3），如图5（a）、（b）所示。搜索过程中将高优先级的裂隙点作为搜索目标点。当同时出现两个相同优先级的目标裂隙点的情况下，对于图5（a），根据临时追踪点与前追踪点的相对位置关系，在#1和#2方向上搜索前追踪点2，若#1方向上首先出现前追踪点2，则将图5（c）所示区域内的目标裂隙点作为搜索目标点；对于图5（b）的情况，在#3和#4方向上搜索前追踪点2，若#3方向上首先出现前追踪点2，则将图5（d）所示区域内的目标裂隙点作为搜索目标点。

编程算法设计如图2所示，具体说明如下：

（1）扫描待分析的图像，执行通用型算法（图像二值化、图像锐化、图像浮点去除）进行图像预处理。

（2）绘制裂隙图像的灰度直方图，根据直方图选择阈值进行图像二值化，将裂隙与背景分离开来。在裂隙图像中，相对于裂隙，背景具有更高的亮度，在直方图上形成一个峰。若为单裂隙图像，则将阈值设在单峰前；若为多裂隙图像，裂隙点会形成另一个峰，将阈值设置在两峰之间。

（3）执行查表法进行裂隙骨架化，提取图像中的裂隙主干。骨架化后，图像中的每一条裂隙均为单像素宽度，由端点像素点开始至端点像素点结束。

（4）基于像素点邻域网格中的裂隙点数量特征，判断裂隙端点、主干点和节点，如图3所示，邻域网格中仅有一个裂隙点，则该点为裂隙端点。扫描图像将所有的裂隙端点存入一个像素点数组中。

（5）设置一个临时追踪点用于存放现追踪裂隙点位坐标，并创建一个二维数组用于存放裂隙矢量化过程中各条裂隙的点位坐标，数组类型设为点坐标类型。其中二维数组第一维度表示图像中的裂隙编号，第二维度表示对应裂隙编号下的裂隙点位。

（6）将端点数组中的第一个点设置为临时追踪点起点，并将该点存入二维数组中。存入后把图像中该位置的灰度值设置为255（白色），相当于在图像中删除了该裂隙点。

（7）扫描与临时追踪点相邻近的8个像素网格（邻域网格），若仅有一个目标点，则将该点的坐标赋予临时追踪点，并将此目标点存入二维数组，并设置灰度值为255。

（8）重复操作（7），直至临时追踪点的邻域网格中出现两个以上追踪点。执行优先级判断，将优先级最高的目标点的坐标赋予临时追踪点，并存入二维数组，设置灰度值为255。

重复操作（7），直至临时追踪点的邻域网格中出现两个以上的可能目标追踪点。

以现追踪点为顶点，分别以线段连接前追踪点与各个可能目标点形成多个折角，折角范围为0~180°，比较各个折角的角度，将形成最大角度的可能目标点作为目标追踪点，即优先级最高；如果存在能够形成两个（邻域网格中至多存在两个）相同最大角度的可能目标点，即两个可能目标点优先级相同，则更新前追踪点位置，再向前追踪一个裂隙点，将该点作为最新的前追踪点，再次对这两个可能目标点进行角度判断，将形成角度更大的点作为目标追踪点。

执行优先级判断，将优先级最高的目标点的坐标赋予临时追踪点，并存入二维数组，设置该点灰度值为255。

（9）重复操作（7）～（8），直至临时追踪点的坐标变为裂隙端点坐标。将此端点存入二维数组中，并设置该点灰度值为255。此时视为一条裂隙的存储结束。

（10）自增二维数组的第一维度，选取端点数组中第二个端点作为新的追踪点，判断该点的邻域网格中是否存在裂隙点。若不存在，说明此端点已被存储，跳过该端点，选择端点数组中下一个端点进行判断。若存在，则重复操作（5）～（9）。

（11）当端点数组中所有端点都已存入二维数组，结束运算。此时，各条裂隙的裂隙点坐标均被存储在二维数组中。通过显示二维数组中具体的第一维度值所对应的像素点，可具体分析对应的单条裂隙的形态参数。

基于本发明，采用编程方法研制了一套软件进行识别验证。如图6所示，矢量化后输出的裂隙数量及端点数均正确。

上述内容虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可在本发明的裂隙矢量化的基础上采用通用型算法获取裂隙的各种形态特征，这仍在本发明的保护范围以内。

Claims (3)

1.一种交叉裂隙图像自动分离及其矢量化表达方法，其步骤如下：

步骤1. 扫描待分析的图像，执行通用型算法进行图像预处理，所述通用型算法，包括图像二值化、图像锐化、图像浮点去除；

步骤2. 绘制裂隙图像的灰度直方图，根据直方图选择阈值进行图像二值化，将裂隙与背景分离开来；若为单裂隙图像，则将阈值设在单峰前；若为多裂隙图像，裂隙点会形成另一个峰，将阈值设置在两峰之间；

步骤3. 执行骨架化算法提取图像中的裂隙主干；骨架化后，图像中的每一条裂隙均为单像素宽度，由端点像素点开始至端点像素点结束；

步骤4. 基于像素点邻域网格中的裂隙点数量特征，区分裂隙端点、裂隙主干点和裂隙节点：

邻域网格中仅有一个裂隙点，则该点为裂隙端点；

邻域网格中有两个裂隙点，则该点为裂隙主干点；

其余均为为裂隙节点；

扫描图像将所有的裂隙端点存入一个像素点数组中；

步骤5. 设置一个临时追踪点用于存放现追踪裂隙点位坐标，并创建一个二维数组用于存放裂隙矢量化过程中各条裂隙的点位坐标，二维数组的类型定义为点坐标类型；其中二维数组第一维度表示图像中的裂隙编号，第二维度表示对应裂隙编号下的单条裂隙上的裂隙组成点；二维数组中任意一个存储的元素表示对应第一、第二维度下的点位坐标；

步骤6. 将端点数组中的第一个点设置为临时追踪点起点，并将该点存入二维数组中；存入后把图像中该位置的灰度值设置为255，相当于在图像中删除了该裂隙点；

步骤7. 扫描与临时追踪点相邻近的8个像素网格，若仅有一个目标点，则将该点的坐标赋予临时追踪点，并将此目标点存入二维数组，并设置灰度值为255；

步骤8. 重复步骤7，直至临时追踪点的邻域网格中出现两个以上追踪点；执行优先级判断，将优先级最高的目标点的坐标赋予临时追踪点，并存入二维数组，设置灰度值为255；

步骤9. 重复步骤7～步骤8，直至临时追踪点的坐标变为裂隙端点坐标；将此端点存入二维数组中，并设置该点灰度值为255；一条裂隙的存储结束；

步骤10. 自增二维数组的第一维度，选取端点数组中第二个端点作为新的追踪点，判断该点的邻域网格中是否存在裂隙点：若不存在，说明此端点已被存储，跳过该端点，选择端点数组中下一个端点进行判断；若存在，则重复步骤5～步骤9；

步骤11. 当端点数组中所有端点都已存入二维数组，结束运算；此时，各条裂隙的裂隙点坐标均被矢量化存储在二维数组中。

2.根据权利要求1所述的交叉裂隙图像自动分离及其矢量化表达方法，其特征是：所述步骤3中所述骨架化算法采用查表法。

3.根据权利要求1所述的交叉裂隙图像自动分离及其矢量化表达方法，其特征是：所述步骤8中所述优先级判断，是根据现追踪点及前追踪点的位置特征判断出目标追踪点的判断算法：

以现追踪点为顶点，分别以线段连接前追踪点与各个可能目标点形成多个折角，折角范围为0~180°，比较各个折角的角度，将形成最大角度的可能目标点作为目标追踪点，即优先级最高；如果存在能够形成两个相同最大角度的可能目标点，则更新前追踪点位置，再向前追踪一个裂隙点，将该点作为最新的前追踪点，再次对这两个可能目标点进行角度判断，将形成角度更大的点作为目标追踪点。