CN111862088B - 一种快速计算裂缝宽度的方法 - Google Patents
一种快速计算裂缝宽度的方法 Download PDFInfo
- Publication number
- CN111862088B CN111862088B CN202010768861.XA CN202010768861A CN111862088B CN 111862088 B CN111862088 B CN 111862088B CN 202010768861 A CN202010768861 A CN 202010768861A CN 111862088 B CN111862088 B CN 111862088B
- Authority
- CN
- China
- Prior art keywords
- crack
- skeleton
- value
- width
- point
- 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.)
- Active
Links
Images
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
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种快速计算裂缝宽度的方法,涉及结构安全检验技术领域。该方法提出并实现了一种基于视觉的裂缝宽度测量方法。该方法主要分为三部分,第一部分提取裂缝的骨架信息,骨架实际上是物体内部相对于物体边界的最大内切圆中心的集合,第二部分就是去除骨架中的小分支,第三部分就是计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架的位置找到对应的d值,那么该值可近似看作是裂缝宽度的一半。通过本方法可以准确定位最大宽度裂缝的位置,可以为裂缝病害防治提供准确的位置信息。
Description
技术领域
本发明涉及结构安全检验技术领域,具体涉及一种快速计算裂缝宽度的方法。
背景技术
裂缝的定量描述是检验结构安全性的关键。基于视觉的裂纹检测是近年来发展起来的一种检测方法,但是需要大量的人力。为了分析基于数字图像的裂缝,研究了几种裂缝宽度测量方法。然而,这些方法的验证是在不规则表面上进行的,其真实的宽度具有一定的主观性。
发明内容
本发明的目的是针对现有技术的不足,提出了一种通过提取裂缝的骨架信息、去除骨架中的小分支,计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架孔隙d值快速计算裂缝宽度的方法。
本发明具体采用如下技术方案:
一种快速计算裂缝宽度的方法,包括以下步骤:
步骤1,采用中轴变换算法提取裂缝骨架;
步骤2,根据裂缝边界划分进行剪枝,去除骨架中的小分支;
步骤3,计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架的位置找到对应的d值,d值为裂缝宽度的一半。
优选地,步骤1,首先采用MAT算法得到裂纹的骨架,MAT算法通过计算对象边界内的像素,以确定每个像素是否满足连接条件,如果满足条件,像素将成为对象骨架中的元素,具体过程为:
然后,连接条件写为:
符号x和y分别是点Q和Qi之间x和y方向上的相对距离,第一个条件限制骨架宽度的范围,第二个条件产生两点Q和Qi之间距离的下界(ρ),收集满足上述条件的每个像素P,并构成骨架。
优选地,步骤2中,为了得到代表裂纹扩展方向的主骨架,对传统的剪枝算法进行了改进,改变了裂纹边界的划分方案,具体过程为:
对于简单闭合物体的域Ω,MAT得到的骨架定义为它是与物体边界相切的最大圆盘中心的集合对于任意点最大圆盘切线的对应中心到点x表示为C(x),且包含在骨架中,然后,以C(x)为中心的最大圆盘与物体边界相切的点称为生成点,并表示为G(C(x)),物体的边界由n条折线组成,分别为l1、,l2,…,ln,如下所示:
任意点C(x),(x∈li)的生成点用数学表达式称为G(x,li):
任意x∈li。
优选地,步骤3中,
首先,计算每个孔隙网格的d值,每个组成孔隙的网格初始值都为1,如果距离该网格为d的所有网格都为孔隙,那么d的值加0.5;否则维持d的值不变;
最后,如果d的值为1且周围网格没有孔隙,那么该网格的d值设置为0.5,如果周围至少存在一个网格为孔隙,那么d的值设置为1。
本发明具有如下有益效果:
该方法通过提取裂缝的骨架信息,去除骨架中的小分支,计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架的位置找到对应的d值计算出裂缝宽度。通过本方法可以准确定位最大宽度裂缝的位置,为裂缝病害防治提供准确的位置信息。
附图说明
图1为MAT算法通过从P及其邻近像素Pi搜索对象的最近边界来检查对象内的像素P 的示意图;
图2为桥梁中的裂缝示意图;其中(a)为一段桥梁中的原始图像,(b)通过OTSU对图像进行阈值分割得到的二值图,(c)提取的裂缝二值图;
图3为在二值图中提取裂缝主骨架的过程,其中(a)裂缝的轮廓,(b)MAT算法得到的骨架, (c)通过剪枝算法去除分支后的主骨架;
图4为参数计算流程图,其中(a)裂缝孔隙中某点到邻近骨架颗粒边界的距离d的计算流程图;(b)裂缝孔隙划分区域中最大的内切圆半径;
图5为不同截面的孔隙几何形状近似,数字代表d的值,(a)、(b)和(c)图示了可能的小截面积裂缝的d值分布,(d)和(e)代表复杂截面的d分布;
图6为裂缝孔隙网格的d值,其中(a)表示裂缝中的d值分布,(b)表示骨架所对应的d值。
具体实施方式
下面结合附图和具体实施案例对本发明的具体实施方式做进一步说明:
快速计算裂缝宽度的方法,包括以下步骤:
步骤1,采用中轴变换算法提取裂缝骨架。
骨架化是提取物体骨架以获取物体基本形状信息的过程。它通常使用细化或中轴变换 (MAT)算法来实现。细化算法的原理是通过应用一系列的遮罩来剥离物体的边界。这个迭代过程一直持续到从物体的残余物中检测不到更多的变化为止。而MAT算法则是提取出与物体边界相切的最大圆盘中心的轨迹。最近,提出了一种基于最小代价路径的骨架提取算法。为了准确测量裂缝宽度,需要精确的裂缝骨架轮廓,因此,确定了适合具体应用的骨架提取算法。
由于细化算法受到边界噪声的干扰,首先采用MAT算法得到裂纹的骨架,MAT算法通过计算对象边界内的像素,以确定每个像素是否满足连接条件,如果满足条件,像素将成为对象骨架中的元素,具体过程为:
然后,连接条件写为:
符号x和y分别是点Q和Qi之间x和y方向上的相对距离,第一个条件限制骨架宽度的范围,第二个条件产生两点Q和Qi之间距离的下界(ρ),收集满足上述条件的每个像素P,并构成骨架。
步骤2,根据裂缝边界划分进行剪枝,去除骨架中的小分支。
裂缝宽度预测在各个领域都是亟待解决的问题,本方案以桥梁中的裂缝为例展示具体的计算过程。图2(a)为真实桥梁中的一段裂缝,图2(b)为用OTSU方法对原始图像进行阈值分割得到的二值图,图2(c)为从二值图中提取的裂缝。本申请主要研究图2(c)中裂缝的宽度。
用MAT算法处理图3(a)中裂纹的轮廓图像,得到的骨架如图3(b)所示。骨架图像的分支延伸到边界,并且方向与裂纹扩展方向不一致。因此,需要修剪以从骨架中移除这些次级分支,以准确测量裂缝宽度。图3(c)给出了修剪骨架的示例。
为了得到代表裂纹扩展方向的主骨架,对传统的剪枝算法进行了改进,改变了裂纹边界的划分方案,具体过程为:
对于简单闭合物体的域Ω,MAT得到的骨架定义为它是与物体边界相切的最大圆盘中心的集合对于任意点最大圆盘切线的对应中心到点x表示为C(x),且包含在骨架中,然后,以C(x)为中心的最大圆盘与物体边界相切的点称为生成点,并表示为G(C(x)),物体的边界由n条折线组成,分别为l1、,l2,…,ln,如下所示:
任意点C(x),(x∈li)的生成点用数学表达式称为G(x,li):
任意x∈li。
步骤3,计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架的位置找到对应的d值,d值为裂缝宽度的一半。
不规则的图像裂缝区域可以分为几个规则的区域。每个区域由一系列相互平行的圆形管组成,每个圆形管道的半径由其中心到颗粒的距离得到。本专利中,将不规则的裂缝区域划分为若干个圆形区域。这里简短的介绍几个必要的参数。rmax和r分别表示孔隙最大内切半径和孔隙到颗粒骨架的距离。dmax和d分别表示rmax和r的数字等效值。
首先,计算每个孔隙网格的d值,图4(a)给出了求取d的具体流程图。每个组成孔隙的网格初始值都为1,如果距离该网格为d的所有网格都为孔隙,那么d的值加0.5;否则维持d的值不变。
最后,如果d的值为1且周围网格没有孔隙,那么该网格的d值设置为0.5,如果周围至少存在一个网格为孔隙,那么d的值设置为1,图4(b)给出了求取dmax的具体流程图。
为了更加直观的展示本专利中距离d的计算,这里用5种不同的孔隙截面展示d的计算结果(图5)。图5(a)、5(b)和5(c)表示小截面孔隙中的d值分布,而图5(d)和5(e) 代表复杂截面的d值分布。图6(a)为裂缝所在孔隙的d值分布,表明裂缝中的所有孔隙到颗粒边界的最短距离。图6(b)是根据裂缝骨架和裂缝d值分布得到的,图中给出了骨架所在的d值,该值表示裂缝宽度的一半。由于本专利中骨架的宽度为一个像素,因此裂缝的平均宽度w可以表示为:其中,di为骨架中某个位置的d值,N为骨架中像素点的个数。
裂缝的最大裂缝宽度wmax可以表示为:
wmax=2×max(di) i=1,2,3…N (8)
由公式(8)可以得到裂缝的最大宽度,并且本方法可以准确定位最大宽度裂缝的位置,为将来的裂缝病害防治提供准确的位置信息。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (3)
1.一种快速计算裂缝宽度的方法,其特征在于,包括以下步骤:
步骤1,采用中轴变换算法提取裂缝骨架;
步骤2,根据裂缝边界划分进行剪枝,去除骨架中的小分支;
步骤3,计算裂缝孔隙所占的所有网格到周围背景骨架的最短距离d,根据裂缝骨架的位置找到对应的d值,d值为裂缝宽度的一半;
步骤1,首先采用MAT算法得到裂纹的骨架,MAT算法通过计算对象边界内的像素,以确定每个像素是否满足连接条件,如果满足条件,像素将成为对象骨架中的元素,具体过程为:
然后,连接条件写为:
符号x和y分别是点Q和Qi之间x和y方向上的相对距离,第一个条件限制骨架宽度的范围,第二个条件产生两点Q和Qi之间距离的下界ρ,收集满足上述条件的每个像素P,并构成骨架。
2.如权利要求1所述的一种快速计算裂缝宽度的方法,其特征在于,步骤2中,为了得到代表裂纹扩展方向的主骨架,对传统的剪枝算法进行了改进,改变了裂纹边界的划分方案,具体过程为:
对于简单闭合物体的域Ω,MAT得到的骨架定义为它是与物体边界相切的最大圆盘中心的集合对于任意点最大圆盘切线的对应中心到点x表示为C(x),且包含在骨架中,然后,以C(x)为中心的最大圆盘与物体边界相切的点称为生成点,并表示为G(C(x)),物体的边界由n条折线组成,分别为l1、,l2,…,ln,如下所示:
任意点C(x),x∈li的生成点用数学表达式称为G(x,li):
任意x∈li;
3.如权利要求1所述的一种快速计算裂缝宽度的方法,其特征在于,步骤3中,
首先,计算每个孔隙网格的d值,每个组成孔隙的网格初始值都为1,如果距离该网格为d的所有网格都为孔隙,那么d的值加0.5;否则维持d的值不变;
最后,如果d的值为1且周围网格没有孔隙,那么该网格的d值设置为0.5,如果周围至少存在一个网格为孔隙,那么d的值设置为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010768861.XA CN111862088B (zh) | 2020-08-03 | 2020-08-03 | 一种快速计算裂缝宽度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010768861.XA CN111862088B (zh) | 2020-08-03 | 2020-08-03 | 一种快速计算裂缝宽度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862088A CN111862088A (zh) | 2020-10-30 |
CN111862088B true CN111862088B (zh) | 2021-07-13 |
Family
ID=72952957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010768861.XA Active CN111862088B (zh) | 2020-08-03 | 2020-08-03 | 一种快速计算裂缝宽度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862088B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258505B (zh) * | 2020-11-18 | 2023-01-17 | 安徽国钜工程机械科技有限公司 | 一种基于数字图像的隧道裂缝宽度计算方法 |
CN114049356B (zh) * | 2022-01-17 | 2022-04-12 | 湖南大学 | 一种结构表观裂缝检测方法、装置及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314609A (zh) * | 2011-09-13 | 2012-01-11 | 中国科学院地理科学与资源研究所 | 一种多边形图像的骨架提取方法及装置 |
CN104008553A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 |
CN111256594A (zh) * | 2020-01-18 | 2020-06-09 | 中国人民解放军国防科技大学 | 一种飞机蒙皮表面状态物理特征的测量方法 |
-
2020
- 2020-08-03 CN CN202010768861.XA patent/CN111862088B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314609A (zh) * | 2011-09-13 | 2012-01-11 | 中国科学院地理科学与资源研究所 | 一种多边形图像的骨架提取方法及装置 |
CN104008553A (zh) * | 2014-06-17 | 2014-08-27 | 武汉武大卓越科技有限责任公司 | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 |
CN111256594A (zh) * | 2020-01-18 | 2020-06-09 | 中国人民解放军国防科技大学 | 一种飞机蒙皮表面状态物理特征的测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111862088A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113538433B (zh) | 基于人工智能的机械铸件缺陷检测方法及系统 | |
CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN111862088B (zh) | 一种快速计算裂缝宽度的方法 | |
CN103077529B (zh) | 基于图像扫描的植物叶片特征分析系统 | |
CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
JP4966893B2 (ja) | 一致度計算装置及び方法、プログラム | |
CN108596930B (zh) | 基于天牛须算法和数学形态学的射线图像焊缝提取方法 | |
CN110648350B (zh) | 一种肝脏血管分割方法、装置及电子设备 | |
CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
CN113689445B (zh) | 结合语义分割与边缘检测的高分辨率遥感建筑物提取方法 | |
CN111402267A (zh) | 前列腺癌病理图像中上皮细胞核的分割方法、装置和终端 | |
CN113762265B (zh) | 肺炎的分类分割方法及系统 | |
CN113240623B (zh) | 一种路面病害检测方法及装置 | |
CN111062960A (zh) | 基于散乱点云的飞机蒙皮对缝特征线提取方法 | |
WO2020164042A1 (zh) | 基于边界提取的区域合并图像分割算法 | |
CN113962994A (zh) | 基于图像处理的三连杆上锁销清洁度检测方法 | |
CN112258449A (zh) | 一种基于结节特征的快速结节匹配方法 | |
CN116091495B (zh) | 一种道路病害精准检测方法 | |
JP2016154482A (ja) | 除去領域設定方法、除去領域設定装置およびプログラム | |
CN113763407B (zh) | 一种超声图像的结节边缘分析方法 | |
JP6249508B2 (ja) | 異動検出支援装置、異動検出支援方法、及びプログラム | |
CN110728688B (zh) | 一种基于能量优化的三维网格模型分割方法及系统 | |
CN111311586B (zh) | 基于非线性健康分析系统数据多指标动态整合算法和系统 | |
CN111105408B (zh) | 一种基于图像处理的建筑物表面裂缝检测方法及系统 | |
CN104573692B (zh) | 一种基于模糊退化模型的车牌二值化方法 |
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 |