CN111256594A - 一种飞机蒙皮表面状态物理特征的测量方法 - Google Patents

Abstract

本发明提供了一种飞机蒙皮表面状态物理特征的测量方法，包括以下步骤:首先采用图像采集系统来采集监测对象表面裂纹图像；图像灰度化，运用矩阵表示数字图像；采用空间域滤波器、锐化滤波器或者中值滤波器中一种或多种对裂纹图像进行滤波处理以增强图像；基于获得的增强图像采用改进区域生成方法进行图像二值化；采用多次膨胀和腐蚀运算来对二值化图像的裂纹区域、轮廓边缘进行修正；采用细化操作方法来寻找图像的骨架，用所述骨架来取代原有图像，以及采用裂纹边界提取来提取裂纹的边界轮廓；最后基于所述提取裂纹骨架计算裂纹的长度以及基于所述提取裂纹轮廓计算裂纹宽度。本发明提供了一种精度更高的裂纹长度和宽度识别和检测方法。

Description

一种飞机蒙皮表面状态物理特征的测量方法

技术领域

本发明提供一种飞机蒙皮表面状态物理特征测量的方法，尤其涉及一种利用裂纹骨架计算裂纹长度，利用裂纹轮廓计算裂纹宽度的裂纹识别和检测技术。

背景技术

因交变载荷引起的疲劳破坏事故占机械结构失效总数的95％。疲劳成为了导致设施失效的主要原因，而疲劳破坏又主要是由疲劳裂纹引起的。所谓疲劳裂纹破坏，是指在反复变应力作用下，裂纹的表面周期性地压紧和分开，使裂纹扩展，当裂纹发展到一定程度后，余下的截面不能满足静强度要求而发生的突然性失效。对设施表面的疲劳裂纹开展监测与识别，是设施维护管理中很重要的一个内容。

飞机蒙皮随着使用时间的增加，表面会逐渐产生微观的疲劳裂纹，若此时未能及时维护，这些微观裂纹就可能扩展为宏观裂纹，而当宏观裂纹扩展到一定阈值时，设施就会突然性失稳，造成不可想象的破坏性后果。即便在设施最终被破坏之前，飞机蒙皮的性能也会随着裂纹的不断扩展而逐渐退化，设施的效率及工作能力也会受其影响而降低。所以，加强对飞机蒙皮表面裂纹的监测和识别，开展疲劳裂纹扩展规律的研究，可以帮助降低飞机蒙皮的疲劳破坏。

开展对设施表面疲劳裂纹的精确测量，是准确获得表面裂纹扩展速率的基础，也是对设施进行剩余寿命评估和开展维护管理的关键问题。所以，对疲劳裂纹监测与识别的研究一直是一个热点问题，各类专家学者提出了众多裂纹测量方法。

最初，由于实验设施和技术水平较低，只能采取最简单的离位监测方法，即疲劳试验和裂纹检测是在分离状态下进行的。每循环一定周期,将试样从试验机上卸下，再利用测量工具对裂纹进行读数。此方法需要停机中断试验，频繁装卸试样，费时且劳动强度大；卸载后裂纹闭合，使得裂纹尖端在显微镜下不易准确测量。

由于离位检测方法有众多弊端，研究人员开始把研究重点转向在位检测，即疲劳试验与裂纹监测在同一系统内同步进行。这类裂纹检测方法近几十年来发展迅速，电位法、超声法、磁粉法、渗透法、声发射法等在工程实践中被经常运用。

表面疲劳裂纹严重影响了飞机蒙皮的性能，给设施带来了危害。裂纹的特征值在一定程度上能反应出被监测设施的某些特征。及时监测疲劳裂纹状态，识别设施表面疲劳裂纹的特征值，能够帮助评估设施的可靠性，为预测设施剩余寿命打下基础，以此需要一种能够更准确的识别设施表面疲劳裂纹的特征值的方法。

发明内容

有鉴于此，本发明的目的在于提出一种飞机蒙皮表面状态物理特征测量的方法，更准确的识别设施表面疲劳裂纹的长度特征值和宽度特征值。

基于上述目的，本发明提供的一种飞机蒙皮表面状态物理特征测量的方法，包括以下步骤：

步骤S1，采用图像采集系统来采集监测对象表面裂纹图像；

步骤S2，图像灰度化，将所述监测对象表面裂纹图像从光信号向数字信号的转换，运用矩阵表示数字图像，以二维数组的形式来存储图像数据，二维图像的行坐标取值对应图像的高值，二维数组的列坐标取值对应图像的宽值，数组中元素则与图像中的像素值对应，其取值就是像素的灰度；

步骤S3，采用空间域滤波器、锐化滤波器或者中值滤波器中一种或多种对裂纹图像进行滤波处理以增强图像；

步骤S4，采用改进区域生成方法进行图像二值化；

步骤S5，采用多次膨胀和腐蚀运算来对裂纹区域、轮廓边缘进行修正，其中膨胀算法用于改善二值化后裂纹区域的连通性，腐蚀算法用于抑制二值化后裂纹区域噪声；

步骤S6，提取疲劳裂纹骨架，采用细化操作方法来寻找图像的主轴箱，用主轴线来取代原有图像；以及采用裂纹边界提取来提取裂纹的边界轮廓

步骤S7，基于所述提取裂纹骨架计算裂纹的长度包括如下步骤：将裂纹骨架抽象为二叉树结构，基于构造的裂纹骨架的二叉树结构进行修枝以提取裂纹主干；基于所述提取裂纹主干计算裂纹长度；

步骤S8，基于所述提取裂纹轮廓计算裂纹宽度。

优选地，所述步骤S1的具体过程为，所述图像采集系统主要包括CCD摄像机、LED灯、固定装置、视频采集卡和计算机，其中CCD摄像机是一种能进行光电转换，并输出视频信号的器件，裂纹图像采集系统中LED灯主要用来照明，使得设施能被清晰监测，固定装置主要用来固定CCD摄像机以及LED灯的位置，通过调整其位置来寻找拍摄裂纹图像的最佳位置，以采集高质量的裂纹图像，视频采集卡也叫视频卡，是将摄像机输出的视频数据输入计算机，并转换成可辨别的数字数据，存储在计算中，成为可编辑处理的视频数据文件。

优选地，所述改进区域生成方法主要步骤如下：(1)采用鼠标点取的方式，获得裂纹区域中若干点的灰度值g₁,g₂,…,g_n，算得该组灰度值的平均值g_mean，并标记选出的第一个点(x,y)为生长种子；(2)以(x,y)为起始点进行8邻域生长，当邻域内像素点(x′,y′)的灰度值g′满足|g′-g_mean|＜T时，T为预设值，把(x′,y′)标记为种子区域，并更新灰度平均值g_mean，否则不操作；(3)重复步骤2，直到种子区域不能再生长获得满足条件的像素点；(4)把种子区域的像素点置为0，其余置1。

优选地，所述将裂纹骨架抽象为二叉树结构的过程为，将八邻域内只有两个前景点的像素枝干点与二叉树中枝干对应，将八邻域内只有三个前景点像素分支点与二叉树中分支点对应，将八邻域内只有三个前景点像素端点与二叉树的树根或树叶对应，并利用先根遍历获取各像素点的信息；

优选地，所述基于构造的裂纹骨架的二叉树结构来提取裂纹主干的过程为：(1)任选裂纹骨架上一点A(x,y)，作为二叉树的根开始遍历，遍历的同时计算各点距离根A(x,y)的距离，坐标相邻的两点，其像素距离记为1个像素；坐标成45度的两点，其像素距离记为

个像素；(2)遍历后找到离A(x,y)距离最远的点，记为S；(3)以S为起点，按照(1)中描述，再次遍历；(4)遍历后找到离S距离最远的点，记为D；(5)找到除S和D点外的其余端点；从这些端点出发，沿其枝干找到主干上的分枝点，将沿途点都置为背景。

优选地，所述基于所述提取裂纹主干计算裂纹长度的过程为：以所述裂纹主干提取方法中找到的S点为起点进行遍历，遍历的同时计算枝干上像素点的长度L(单位：像素)，其中坐标相邻的两点，其像素距离记为1个像素；坐标成45度的两点，其像素距离记为

个像素。

优选地，计算裂纹宽度的具体步骤如下：找到裂纹主干的两个端点，以裂纹主干为中线，将裂纹轮廓分为P₁和P₂两边，将P₁上的点置1，记为目标点，其余点均置0，记为背景点；对更新图像进行欧式距离变换；提取出变换后图像在P₂位置上的值，即为裂纹主干上各点的裂纹宽度。

优选地，所述欧式距离变换为，在二维平面上定义两点(x₁,y₁)和(x₂,y₂)，它们之间的欧氏距离表示为：

二值图像A可用二维数组A_mn表示，其中A_ij＝1对应图中目标点，A_ij＝0则对应图中背景点；设B＝{(x,y)|A_ij＝1}为目标点集合，则欧氏距离变换就是对A中所有像素点求：

D_ij＝min{Distance[(i,j),(x,y)],(x,y)∈B}

其中

从而得到二值图像A的欧氏距离变换图。

本发明的有益效果在于提供了一种精度更高的裂纹长度和宽度的检测和测量方法。

附图说明

图1为本发明中图像采集系统示意图

图2为本发明中将数字图像映射为二维数组的示意图

图3为邻域区间示意图

图4为图像的锐化滤波后的结果对比

图5为图像采用改进区域生长方法进行二值化处理流程

图6(a)为原始图像

图6(b)为裂纹膨胀之后的图像

图6(c)为腐蚀之后的图像

图7为裂纹细化后的骨架

图8为裂纹边界提取后的轮廓

图9(a)为裂纹骨架的拓扑结构

图9(b)是树形结构

图10为裂纹主干提取的流程示意图

图11为提取的裂纹主干

图12为裂纹宽度计算流程图

具体实施方式

下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

如图1所示，图像采集系统主要由各类光学器材、机械仪器以及数据存储设施构成。图像采集系统主要是用于采集监测对象的表面裂纹图像，并存储下来便于后续处理分析。图像识别系统主要以软件为主。图像识别系统主要完成对表面裂纹的长度、宽度等特征值的识别。

图像采集系统主要包括CCD摄像机、LED灯、固定装置、视频采集卡和计算机等。图2中具体给出了裂纹图像采集系统的示意图。

CCD摄像机是一种能进行光电转换，并输出视频信号的器件，它于1969年由美国贝尔实验室发明。CCD成像的基本原理为被摄物体的图像经过镜头聚焦至CCD芯片上，CCD根据光的强弱积累相应比例的电荷，各个像素积累的电荷在视频时序的控制下，逐点外移，经滤波、放大处理后，形成视频信号输出。视频信号连接到监视器或电视机的视频输入端，便可以看到与原始图像相同的视频图像。图像采集系统中运用CCD摄像机拍摄表面裂纹图像。

LED灯是一种能够将电能转化为可见光的固态的半导体器件，它可以直接把电转化为光。裂纹图像采集系统中LED灯主要用来照明，使得设施能被清晰监测。

固定装置主要用来固定CCD摄像机以及LED灯的位置。通过调整其位置来寻找拍摄裂纹图像的最佳位置，以采集高质量的裂纹图像。

视频采集卡也叫视频卡，是将摄像机输出的视频数据输入计算机，并转换成可辨别的数字数据，存储在计算中，成为可编辑处理的视频数据文件。

疲劳裂纹图像通过图像采集系统的处理完成了从光信号向数字信号的转换，并储存于计算机中。本实施例中运用矩阵来表示数字图像，因此可以采用矩阵理论和算法对数字图像进行描述与分析。

通常情况下，数字图像能采用矩阵形式来描述。而计算机在处理数字图像时，也常以二维数组的形式来存储图像数据。如图2所示，二维数组的行坐标取值对应图像的高值，二维数组的列坐标取值对应图像的宽值，数组中的元素则与图像中的像素值对应，其取值就是像素的灰度。运用二维数组的形式来存储数字图像，符合二维数组的行列特性，同时也便于设计算法的寻址操作，使计算机图像编程十分方便。

像素点是数字图像的基本操作单位。通常对指定像素点进行操作需要考虑像素的邻域区域，常用的领域操作包括四领域和八领域区间。

位于坐标(x,y)的一个像素p有4个水平或垂直的相邻像素，其坐标如下：

(x+1,y),(x-1,y),(x,y+1),(x,y-1)

这个像素集称为p的4邻域，用N₄(p)表示。

p的4个对角相邻像素有如下坐标：

(x+1,y+1),(x-1,y-1),(x-1,y+1),(x-1,y-1)

并用N_D(p)表示。N_D(p)与N₄(p)一起构成p的8邻域，用N₈(p)表示。

如图3(a)中黑色部分即为点p的N₄(p)，图3(b)中黑色部分为p的N₈(p)。

裂纹图像的空间域增强技术，图像空间域增强技术是一类基本的图像处理技术，其目的是对图像本身进行加工处理，以得到对具体应用来说视觉效果更“好”,更“有用”的图像。

空间滤波器是空域增强技术的一个重要手段。空间滤波就是在图像空间内用二维数组做模板，对图像进行领域操作，输出图像的像素取值根据具体模板算出。空间滤波器分类很多，它们的基本原理都是让图像的某些特征在某个范围内得到抑制，而保持其余特征不变，达到增强图像的目的。

锐化处理的目的是突出图像中的细节或被模糊的细节，图像锐化能加强图像的边缘信息，突出图像的轮廓特征。

最常用的锐化滤波器是一种线性高通滤波，这种滤波器的中心系数为正，而周围系数则是负值。实际上这个模板是通过拉普拉斯算子推导出的。由于拉普拉斯算子对于需要处理的图像满足各向同性的要求，所以其对于增强图像十分有用。matlab提供了函数fspecial进行各类滤波处理，当函数选择‘laplacian’模式时，则可对图像运用拉普拉斯算子进行锐化滤波。图4展示了混泥土结构发电机基座裂纹图像的锐化滤波处理。

中值滤波基本原理是将数字图像中某点的值用它领域内所有值的中值来替代。在一维的情况下，中值滤波器是一个含有奇数个像素的滑动窗口，窗口中间那个像素的值用该窗口的中值替代。很容易将中值滤波的概念推广到二维，此时在图像中移动的就是一个二维窗口,将该窗口内的像素值排序，确定其中值，并将中值赋予领域中心像素点。

用数学模型{x_ij,(i,j)∈I²}表示图像各点的灰度值，滤波窗口为A的二维中值滤波器可以定义为:

y_ij＝med_A{x_ij}＝med{x_i+r,j+s,(r,s)∈A,(i,j)∈I²}

二维中值滤波可以取方形，也可以取十字形或者圆形。

中值滤波的主要作用是使拥有不同灰度值的点看起来更加接近于它的邻近值。对于裂纹图像，中值滤波既可去除系统的随机噪声，又能保留裂纹细节。中值滤波在衰减噪声的同时并不会使图像的边界模糊。中值滤波不会模糊裂纹的边界，也不会降低裂纹的锐利程度，因此非常适合处理疲劳裂纹图像。

通常对RGB图像进行二值化处理的方法是，先将彩色图像转换为灰度图像，然后选定阈值，将大于该阈值的像素置为1，小于该阈值的像素置为0。二值图像则是一种所有像素只存在两种离散状态，即0或1的黑白图像。

区域生长是一种根据事前定义的生长准则，将较小子区域聚合成更大区域的过程。基本思想是以一个“种子”点开始，将与种子点性质相似的相邻像素点添加到生长区域中来，最终输出一个集成区域。参照其基本思想，本发明提出一种改进的区域生长算法来对疲劳裂纹图像进行二值化处理，如图5所示。

裂纹图像形态学处理，数学形态学是一种应用于图像处理领域的新方法。由于形态学的应用几乎覆盖了图像处理的所有领域，因此它迅速成为图像工程技术人员的必备工具。形态学是一种基于集合论的方法和理论，它的基本思想是利用一个结构元素去探测一个图像，通过目标图像的形态变换实现结构分析和特征提取的目的。本实施例在疲劳裂纹图像处理中运用到的膨胀与腐蚀、击中或击不中变换、细化和轮廓提取等形态学方法。

膨胀和腐蚀变换是建立在集合的和与差基础上的，是所有复合形态变换或形态分析的基础。一般情况下，对疲劳裂纹图像进行二值化处理可能会出现裂纹区域不连通、有细小噪声等现象，这将影响后续识别。采用膨胀算法可以改善裂纹区域的连通性，而腐蚀算法则能抑制噪声。通俗的说，膨胀相当于对二值图像中的物体进行“加长”或“变粗”操作。腐蚀则与膨胀的效果相反，它相当于对二值图像中的物体进行“变短”或“变细”操作。图6(a)为原始图像，图6(b)为裂纹膨胀之后的图像，图6(c)为腐蚀之后的图像。由图6(b)可以看出，经过一次膨胀后，裂纹区域的孔洞减少、连通性增强。但是，一般一次膨胀操作并不能完全消除裂纹区域孔洞，这样就需要进行多次膨胀，而后再进行多次腐蚀。由于最终需计算出裂纹长度、宽度，因此需要采用膨胀和腐蚀运算来对裂纹区域、轮廓边缘进行修正，去除不连续和细小缺口，消除不必要的突起，以利于后续骨架提取、轮廓提取工作。

形态学上的击中或击不中变换(Hit Miss Transform,HMT)是形状检测的基本工具。在研究图像中目标物体与图像背景之间的关系上，HMT能够取得很好的效果，也可利用HMT提取特定的相交结构信息。

在HMT中将结构元素分解成两个，一个定义为前景结构元素B₁，一个定义为背景结构元素B₂，定义如式：

HMT就是用结构元素B₁来探测图像内部，B₂来探测图像外部。A被B击中或击不中变换定义如式所示。

A*B＝(AΘB₁)I(A^c-B₂)

HIM可以理解为在一幅图像A上找到B形状的目标，用B₁在A内找到匹配，B₂在A^c中找到匹配。输出的图像是由所有在B₁中匹配的像素(一个“击中”)和未在B₂中匹配的像素(一个“击不中”)组成。

在对裂纹长度特征值的识别中，可用裂纹的骨架代替裂纹本身作为研究对象。所谓图像的骨架，是指与原图像形状和拓扑结构相一致的细曲线。这种细曲线像素宽度为1，可以用数学语言严格描述。本发明采用细化的方法来提取疲劳裂纹骨架。细化的目的是寻找图像的中轴线，用中轴线来取代原有图像，即把裂纹的中轴线当成裂纹的骨架。

图7展示了进行细化操作以后的结果，通过细化算法完成了裂纹的骨架提取工作。

裂纹边界提取与对裂纹进行细化操作类似，也是用结构元素对原始图像探测，最终获得边界轮廓。集合A的边界表示为β(A)，它可以通过B对A腐蚀，而后用A减去腐蚀部分得到。可以表示为：

β(A)＝A-(AΘB)

其中，B是适当的探测结构元素。

图11为采用细化算法提取的裂纹主干。

图8显示了对进行边界提取操作以后的结果。

所谓裂纹的骨架，是指与原有裂纹形状和拓扑结构相一致的，像素宽度为1的细曲线。发现裂纹骨架的拓扑结构与树形结构相似。如图9(a)为裂纹骨架的拓扑结构，图9(b)是树形结构。可以看出，两者的结构相似程度很高。

树是一种应用广泛的层次数据结构，它是数据元素(在树中称为节点)按分支关系组织起来的结构。树的每一个节点都可以有不止一个直接后继，除根节点外的所有结点都有且只有一个直接前趋。二叉树是树形结构中一个重要类型，是指每个节点最多有两个子树的有序树。本申请主要研究水平型和垂直型表面疲劳裂纹，此类裂纹具有无回路性。并假设骨架上所有像素点最多只有两个分支，因此可以把裂纹骨架抽象为二叉树的结构。

裂纹骨架由若干个像素点组成，根据这些像素点与其邻域内像素点的关系，可以将其分为枝干点、分支点、端点三种类别。将裂纹骨架用统一的数据结构表示，把对裂纹骨架的操作转换为对二叉树的操作。

为了方便查找计算，需对裂纹骨架像素设置节点编号。节点编号为每个像素点的对应编号，通过该编号可以查找到该像素点的全部信息。左子树、右子树、双亲节点中分别储存着该像素点的左子树节点编号、右子树节点编号以及双亲节点编号，若无则记为0。MATLAB中二值图像的信息都以二维数组的方式储存，行坐标和列坐标分别记录着该像素点在二维数组上对应的行坐标和列坐标值。

利用先根遍历的算法来获取各像素点的信息，具体步骤如下：

步骤1，找到二值图像中一个像素值为1的点，记录该点信息，将其遍历状态置1；

步骤2，对指定像素点进行8邻域内的搜索，找到像素值为1，且遍历状态为0的点。对符合搜索条件的点编号，标记为指定点的左、右叶子。更新指定点信息；

步骤3，按照步骤2，遍历指定像素点的左子树；

步骤4，左子树遍历完毕后再遍历指定点的右子树；

步骤5，遍历完毕，结束。

通过以上算法步骤，可以通过遍历获取骨架上所有像素点的信息。

裂纹主干定义为：裂纹骨架上两个距离最远的点的沿途连线。裂纹主干的长度即是裂纹的长度。从裂纹骨架图像可以看出，裂纹主干上存在很多细小枝干，需要对这些枝干进行修剪才能提取出裂纹主干，再计算裂纹骨架长度。

如图10所示，裂纹主干提取方法包括以下步骤：

步骤1)任选裂纹骨架上一点A(x,y)，作为二叉树的根开始遍历。遍历的同时计算各点距离根A(x,y)的距离。图中坐标相邻的两点，其像素距离记为1个像素；图中坐标成45度的两点，其像素距离记为

个像素；

步骤2)遍历后找到离A(x,y)距离最远的点，记为S；

步骤3)以S为起点，按照(1)中描述，再次遍历；

步骤4)遍历后找到离S距离最远的点，记为D；

步骤5)找到除S和D点外的其余端点。从这些端点出发，沿其枝干找到主干上的分枝点，将沿途点都置为背景。

按照以上算法对裂纹骨架进行修枝，提取出图裂纹骨架的裂纹主干。图11为提取的裂纹主干。

所述基于所述提取裂纹主干计算裂纹长度的过程为：以所述裂纹主干提取方法中找到的S点为起点进行遍历，遍历的同时计算枝干上像素点的长度L(单位：像素)，其中坐标相邻的两点，其像素距离记为1个像素；坐标成45度的两点，其像素距离记为

个像素。

裂纹宽度是一个能帮助识别裂纹状态的重要特征值。然而，裂纹宽度往往很难统一定义，大多要依据现场观察或实验结果来定义的。

如图12所示，结合欧式距离变换算法，裂纹宽度识别方法包括如下具体步骤：

步骤1)找到裂纹主干的两个端点，以裂纹主干为中线，将裂纹轮廓分为P₁和P₂两边。将P₁上的点置1，记为目标点。其余点均置0，记为背景点。

步骤2)对更新图像进行欧式距离变换。

步骤3)提取出变换后图像在P₂位置上的值，即为裂纹主干上各点的裂纹宽度。

按照以上算法，计算出图8中裂纹的平均宽度为38.494个像素。

以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。

Claims (8)

1.一种飞机蒙皮表面状态物理特征的测量方法，其特征在于，包括以下步骤:

步骤S1，采用图像采集系统来采集监测对象表面裂纹图像；

步骤S2，图像灰度化，将所述监测对象表面裂纹图像从光信号向数字信号的转换，运用矩阵表示数字图像，以二维数组的形式来存储图像数据，二维图像的行坐标取值对应图像的高值，二维数组的列坐标取值对应图像的宽值，数组中元素则与图像中的像素值对应，其取值就是像素的灰度；

步骤S3，采用空间域滤波器、锐化滤波器或者中值滤波器中一种或多种对裂纹图像进行滤波处理以增强图像；

步骤S4，采用改进区域生成方法进行图像二值化；

步骤S5，采用多次膨胀和腐蚀运算来对裂纹区域、轮廓边缘进行修正，其中膨胀算法用于改善二值化后裂纹区域的连通性，腐蚀算法用于抑制二值化后裂纹区域噪声；

步骤S6，提取图像裂纹骨架，采用细化操作方法来寻找图像的骨架，用所述骨架来取代原有图像，以及采用裂纹边界提取来提取裂纹的边界轮廓；

步骤S7，基于所述提取裂纹骨架计算裂纹的长度包括如下步骤：将裂纹骨架抽象为二叉树结构，基于构造的裂纹骨架的二叉树结构进行修枝以提取裂纹主干，并基于所述提取裂纹主干计算裂纹长度；

步骤S8，基于所述提取裂纹轮廓计算裂纹宽度。

2.如权利要求1所述的测量方法，其特征在于，所述步骤S1的具体过程为，所述图像采集系统主要包括CCD摄像机、LED灯、固定装置、视频采集卡和计算机，其中CCD摄像机是一种能进行光电转换，并输出视频信号的器件，裂纹图像采集系统中LED灯主要用来照明，使得设施能被清晰监测，固定装置主要用来固定CCD摄像机以及LED灯的位置，通过调整其位置来寻找拍摄裂纹图像的最佳位置，以采集高质量的裂纹图像，视频采集卡也叫视频卡，是将摄像机输出的视频数据输入计算机，并转换成可辨别的数字数据，存储在计算中，成为可编辑处理的视频数据文件。

3.如权利要求1所述的测量方法，其特征在于，所述改进区域生成方法步骤如下：(1)采用鼠标点取的方式，获得裂纹区域中若干点的灰度值g₁,g₂,...,g_n，算得该组灰度值的平均值g_mean，并标记选出的第一个点(x,y)为生长种子；(2)以(x,y)为起始点进行八邻域生长，当邻域内像素点(x′,y′)的灰度值g′满足|g′-g_mean|＜T时，T为预设值，把(x′,y′)标记为种子区域，并更新灰度平均值g_mean，否则不操作；(3)重复(2)，直到种子区域不能再生长获得满足条件的像素点；(4)把种子区域的像素点置为0，其余置1。

4.如权利要求1所述的测量方法，其特征在于，所述将裂纹骨架抽象为二叉树结构的过程为，将八邻域内只有两个前景点的像素枝干点与二叉树中枝干对应，将八邻域内只有三个前景点像素分支点与二叉树中分支点对应，将八邻域内只有三个前景点像素端点与二叉树的树根或树叶对应，并利用先根遍历获取各像素点的信息。

5.如权利要求1所述的测量方法，其特征在于，所述基于构造的裂纹骨架的二叉树结构来提取裂纹主干的过程为：(1)任选裂纹骨架上一点A(x,y)，作为二叉树的根开始遍历，遍历的同时计算各点距离根A(x,y)的距离，坐标相邻的两点，其像素距离记为1个像素；坐标成45度的两点，其像素距离记为

个像素；(2)遍历后找到离A(x,y)距离最远的点，记为S；(3)以S为起点，按照(1)中描述，再次遍历；(4)遍历后找到离S距离最远的点，记为D；(5)找到除S和D点外的其余端点；从这些端点出发，沿其枝干找到主干上的分枝点，将沿途点都置为背景。

6.如权利要求1所述的测量方法，其特征在于，所述基于所述提取裂纹主干计算裂纹长度的过程为：以所述裂纹主干提取方法中找到的S点为起点进行遍历，遍历的同时计算枝干上像素点的长度L，其中坐标相邻的两点，其像素距离记为1个像素；坐标成45度的两点，其像素距离记为

个像素。

7.如权利要求1所述的测量方法，其特征在于，计算裂纹宽度的具体步骤如下：找到裂纹主干的两个端点，以裂纹主干为中线，将裂纹轮廓分为P₁和P₂两边，将P₁上的点置1，记为目标点，其余点均置0，记为背景点；对更新图像进行欧式距离变换；提取出变换后图像在P₂位置上的值，即为裂纹主干上各点的裂纹宽度。

8.如权利要求7所述的测量方法，其特征在于，所述欧式距离变换为,在二维平面上定义两点(x₁,y₁)和(x₂,y₂)，它们之间的欧氏距离表示为：

二值图像A可用二维数组A_mn表示，其中A_ij＝1对应图中目标点，A_ij＝0则对应图中背景点；设B＝{(x,y)|A_ij＝1}为目标点集合，则欧氏距离变换就是对A中所有像素点求：

D_ij＝min{Distance[(i,j),(x,y)],(x,y)∈B}

其中

从而得到二值图像A的欧氏距离变换图。

Images