CN112070735A - 一种基于特设卷积算子的沥青芯样图像提取方法及系统 - Google Patents

Abstract

本发明涉及一种基于特设卷积算子的沥青芯样图像提取方法及系统，所述方法包括：S1、读取芯样原图，将芯样原图转换为标准像素大小；S2、预设一检测圆，并将该检测圆的半径设定为r像素；S3、根据S2中设定的半径r的值，生成一个卷积算子；S4、使用卷积算子对芯样原图进行卷积计算，得到卷积层矩阵；S5、重复S2至S4若干次，每次重复时，改变S2中r的值；S6、从得到的所有卷积层矩阵中，找到绝对值最大的单元；得到最符合芯样尺寸的圆半径R和芯样的圆心(X,Y)；S7、利用S6中得到的参数R、X、Y，提取芯样原图中的芯样图像。本发明能够在复杂的拍摄背景下准确提取沥青路面芯样图像，自动批量提取芯样图像，有利于提高沥青路面检测的智能化。

Description

一种基于特设卷积算子的沥青芯样图像提取方法及系统

技术领域

本发明涉及图像处理领域，具体涉及一种基于特设卷积算子的沥青芯样图像提取方法及系统。

背景技术

公路工程沥青路面施工过程和检测验收过程经常要从路面抽取芯样，对芯样进行测试。工程技术人员也经常凭借经验通过芯样剖面的碎石比例和排布情况等，判断沥青路面的骨架结构、配比情况等，并初步判断混合料类型、路面工程质量的优劣。为避免个人判断的主观性，建立一套基于芯样图像的分析软件是非常有意义的。而图像分析的第一步需要先把芯样的标准圆形剖面从拍摄的复杂背景中提取出来。

目前，提取沥青芯样圆形图像一般采用手工操作，即采用图像处理软件查看图像的灰度值分布，选择适当的阀值，将图像变成黑白二值图，提取出芯样位置作为蒙版，再提取芯样图像。这样的方法高度依赖人的操作，需要手动尝试，不适合批量自动化图像处理。

另外，也有采用Hough(霍夫)变换的方法。该方法虽然可以检测图像中圆形图案，但对于沥青芯样而言，在圆边界上的既有较浅颜色的碎石，也有黑色的沥青，并没有实际存在的圆形线，Hough变换经过大量运算最后提取到的只能是断续的圆弧，还必须进一步处理。

另外，也有采用AI深度学习的方法，该方法通过训练来识别图像圆单元，但需要大量的训练数据集，当拍摄图像背景等与训练集比较有新特征时不容易正确识别。

发明内容

本发明的目的在于，针对现有技术中存在的上述缺陷，提供一种基于特设卷积算子的沥青芯样图像提取方法及系统，实现沥青芯样图像的自动智能提取，并提高智能提取的精准性。

为实现上述目的，本发明提供了一种基于特设卷积算子的沥青芯样图像提取方法，包括：

S1、读取芯样原图，将芯样原图转换为标准像素大小；

S2、预设一检测圆，并将该检测圆的半径设定为r像素；

S3、根据S2中设定的半径r的值，生成一个卷积算子；

S4、使用卷积算子对芯样原图进行卷积计算，得到卷积层矩阵；

S5、重复S2至S4若干次，每次重复时，改变S2中r的值；

S6、从得到的所有卷积层矩阵中，找到绝对值最大的单元；在计算得到该单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘；该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

S7、利用S6中得到的参数R、X、Y，提取芯样原图中的芯样图像；

在S3中，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5；

S34、整数矩阵的其他单元取值为0。

进一步地，在S2中，r的取值范围为芯样原图的短边长度的40％至48％。

进一步地，在S5中，每次重复S2至S4时，按一定步长改变S2中r的值。

进一步地，在S32至S33中，先计算1/8圆弧的基准单元、内层单元和外层单元的取值，再通过矩阵旋转和翻转构造出卷积算子的完整矩阵。

进一步地，在S4中，使用卷积算子对芯样原图的灰度图进行卷积计算，得到卷积层矩阵。

进一步地，在S4中，选取芯样原图的其中一个颜色通道，使用卷积算子对芯样原图的该颜色通道进行卷积计算，得到卷积层矩阵。

进一步地，在S4中，使用卷积算子分别对芯样原图的三个颜色通道进行卷积计算，将三个颜色通道的对应矩阵取绝对值，并相加，得到卷积层矩阵。

本发明还提供了一种沥青芯样图像提取系统，包括：

预处理模块，用于获取芯样原图，并将芯样原图转换为标准像素大小；

卷积算子生成模块，用于按照一定步长生成若干个半径r不同的检测圆，并对应每个检测圆生成一个卷积算子；

卷积计算模块，用于使用卷积算子生成模块中生成的若干个卷积算子，分别对芯样原图进行卷积计算，对应得到若干个卷积层矩阵；

芯样参数计算模块，用于对卷积计算模块中得到的所有卷积层矩阵中的所有单元的绝对值大小进行比较，并找到绝对值最大的单元；通过绝对值最大的单元的卷积计算过程，得到芯样原图中芯样的半径R和圆心坐标(X,Y)；其中，在计算得到所述绝对值最大的单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘，该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

芯样图像提取模块，用于根据芯样参数计算模块得到的芯样的半径R和圆心坐标(X,Y)，从芯样原图中提取芯样图像；

在卷积算子生成模块中，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5；

S34、整数矩阵的其他单元取值为0。

本发明还提供了一种电子设备，包括：处理器和用于存储所述处理器可执行的指令的存储器；其中，所述处理器被配置为执行存储器中的指令，以实现以上所述的方法。

本发明还提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行以上所述的方法。

本发明通过虚构检测圆，生成一具有圆形边缘检测功能的特设卷积算子；进一步通过卷积算子对芯样原图进行卷积计算，得到卷积层矩阵；在获得多个不同半径的检测圆对应的卷积层矩阵后，通过简单的绝对值比较法，即可快速确定芯样原图中芯样的半径以及圆心坐标。通过以上的方法，本发明能够在普通计算机上实现20秒内识别提取一个芯样图像，经过大量实践检验，测试提取的准确率高达99％以上。

本发明能够在复杂的拍摄背景下准确提取沥青路面芯样图像，可实现在无人干预的情况下自动批量提取芯样图像，可以同时获取图像中芯样的半径、圆心位置等数据，为基于芯样图像分析的沥青路面质量评价研究和软件编制提供帮助，有利于提高沥青路面检测的智能化。

附图说明

图1是本发明实施例一提供的一种基于特设卷积算子的沥青芯样图像提取方法的流程示意图。

图2是本发明实施例一的S3中生成卷积算子的示意图。

图3是本发明实施例二提供的一种沥青芯样图像提取系统的功能模块图。

具体实施方式

下面将结合附图和具体的实施例对本发明的技术方案进行详细的说明。

实施例一

如图1所示，本发明实施例提供的一种基于特设卷积算子的沥青芯样图像提取方法，具体包括以下步骤：

S1、读取芯样原图，将芯样原图转换为m×n标准像素大小的图像；在决定芯样原图的像素大小时，需同时考虑到提取芯样图像的计算量和芯样细节的清晰度问题，一般建议将芯样原图的短边设置为400到600像素之间。本实施例中，将芯样原图的短边设置为500像素，即可以确保清晰辨别芯样细节，计算量也在可接受范围内。

S2、预设一检测圆，并将该检测圆的半径设定为r像素；在本实施例中，r的取值范围为芯样原图的短边长度的40％至48％。

S3、根据S2中设定的半径r的值，生成一个卷积算子；该卷积算子是本发明实现芯样边缘检测的关键，具体地，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；整数矩阵的尺寸略大于S2中预设的检测圆，但为了优化计算量，不宜大于检测圆太多；优选地，2r＜k＜2r+8。如图2所示，本发明实施例中，k＝2r+2。

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5。如图2所示，在本实施例中，向内取1层单元为内层单元，向外取1层单元为外层单元，内层单元和外层单元的值分别取1和-1。

在其他实施例中，还可以增加取值层数。比如，分别向内和向外各取3层单元，其中，3层内层单元的取值均为1,3层外层单元的取值均为-1；又比如，分别向内和向外各取3层单元，其中，3层内层单元的取值由外向内依次为3、2、1，3层外层单元的取值由内向外依次为-1、-2、-3。

S34、整数矩阵的其他单元取值为0。

作为改进，本实施例中为了减少构造卷积算子的计算量，在S32至S33中，先计算1/8圆弧的基准单元、内层单元和外层单元的取值，再通过矩阵旋转和翻转构造出卷积算子的完整矩阵。

S4、使用卷积算子对芯样原图进行卷积计算，得到卷积层矩阵。具体实施时可以采用芯样原图的灰度图或彩色图的R、G、B通道进行卷积计算。在本发明实施例中，使用卷积算子分别对芯样原图的三个颜色通道(R、G、B通道)进行卷积计算，然后将三个颜色通道的对应矩阵取绝对值，并相加，得到卷积层矩阵。在其他实施例中，还可以使用卷积算子对芯样原图的灰度图进行卷积计算，得到卷积层矩阵；还可以选取芯样原图的其中一个颜色通道，使用卷积算子对芯样原图的该颜色通道进行卷积计算，得到卷积层矩阵。

S5、重复S2至S4若干次，每次重复时，按照一定的步长改变S2中r的值；

S6、从得到的所有卷积层矩阵中，找到绝对值最大的单元；在计算得到该单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘；该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

S7、利用S6中得到的参数R、X、Y，提取芯样原图中的芯样图像；具体包括：构造一个与芯样原图大小相同的矩阵，在所述矩阵中，以(X,Y)为圆心，R为半径作圆，圆范围内取值为1，圆范围外取值为0；将所述矩阵与芯样原图各单元对应相乘，即可提取原图中的芯样图像。

本发明的关键在于构造特殊的卷积算子，本发明S3中构造的卷积算子本质上是一个Prewitt梯度算子的变形，Prewitt梯度算子可以计算图像灰度函数的近似梯度，当检测点两侧的灰度值梯度越大，计算结果的绝对值越大，从而广泛应用于图像的边缘检测任务。本发明的卷积算子可以看成由一个Prewitt梯度算子按指定半径旋转形成，当它与芯样图像边缘重合时，边缘内外计算的梯度累加绝对值取得最大值，也就实现了圆形的芯样图像的边缘检测。因此，在S6中，只需在之前计算得到的所有卷积层矩阵中找出绝对值最大的单元，即可逆推出芯样的半径以及圆心坐标。

实施例二

如图3所示，本发明实施例提供了一种沥青芯样图像提取系统，其具体包括：

预处理模块，用于获取芯样原图，并将芯样原图转换为标准像素大小；

卷积算子生成模块，用于按照一定步长生成若干个半径r不同的检测圆，并对应每个检测圆生成一个卷积算子；

卷积计算模块，用于使用卷积算子生成模块中生成的若干个卷积算子，分别对芯样原图进行卷积计算，对应得到若干个卷积层矩阵；

芯样参数计算模块，用于对卷积计算模块中得到的所有卷积层矩阵中的所有单元的绝对值大小进行比较，并找到绝对值最大的单元；通过绝对值最大的单元的卷积计算过程，得到芯样原图中芯样的半径R和圆心坐标(X,Y)；其中，在计算得到所述绝对值最大的单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘，该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

芯样图像提取模块，用于根据芯样参数计算模块得到的芯样的半径R和圆心坐标(X,Y)，从芯样原图中提取芯样图像；

在卷积算子生成模块中，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5；

S34、整数矩阵的其他单元取值为0。

本发明实施例提供的一种沥青芯样图像提取系统的具体运行过程与实施例一相同，在此不再赘述。

本发明通过虚构检测圆，生成一具有圆形边缘检测功能的特设卷积算子；进一步通过卷积算子对芯样原图进行卷积计算，得到卷积层矩阵；在获得多个不同半径的检测圆对应的卷积层矩阵后，通过简单的绝对值比较法，即可快速确定芯样原图中芯样的半径以及圆心坐标。通过以上的方法，本发明能够在普通计算机上实现20秒内识别提取一个芯样图像，经过大量实践检验，测试提取的准确率高达99％以上。

本发明能够在复杂的拍摄背景下准确提取沥青路面芯样图像，可实现在无人干预的情况下自动批量提取芯样图像，可以同时获取图像中芯样的半径、圆心位置等数据，为基于芯样图像分析的沥青路面质量评价研究和软件编制提供帮助，有利于提高沥青路面检测的智能化。

需要说明的是，本发明同时还可以扩展应用到马歇尔试验中沥青试件的圆形横切面图像的提取分析工作中。通过以上实施例提供的方法及系统，能够快速、准确地自动提取沥青试件的圆形横切面图像。

以上所述实施例仅表达了本发明的部分实施方式，其描述较为具体和详细，但并不能因此而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)

1.一种基于特设卷积算子的沥青芯样图像提取方法，其特征在于，包括：

S1、读取芯样原图，将芯样原图转换为标准像素大小；

S2、预设一检测圆，并将该检测圆的半径设定为r像素；

S3、根据S2中设定的半径r的值，生成一个卷积算子；

S4、使用卷积算子对芯样原图进行卷积计算，得到卷积层矩阵；

S5、重复S2至S4若干次，每次重复时，改变S2中r的值；

S6、从得到的所有卷积层矩阵中，找到绝对值最大的单元；在计算得到该单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘；该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

S7、利用S6中得到的参数R、X、Y，提取芯样原图中的芯样图像；

在S3中，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5；

S34、整数矩阵的其他单元取值为0。

2.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S2中，r的取值范围为芯样原图的短边长度的40％至48％。

3.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S5中，每次重复S2至S4时，按一定步长改变S2中r的值。

4.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S32至S33中，先计算1/8圆弧的基准单元、内层单元和外层单元的取值，再通过矩阵旋转和翻转构造出卷积算子的完整矩阵。

5.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S4中，使用卷积算子对芯样原图的灰度图进行卷积计算，得到卷积层矩阵。

6.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S4中，选取芯样原图的其中一个颜色通道，使用卷积算子对芯样原图的该颜色通道进行卷积计算，得到卷积层矩阵。

7.根据权利要求1所述的基于特设卷积算子的沥青芯样图像提取方法，其特征在于，在S4中，使用卷积算子分别对芯样原图的三个颜色通道进行卷积计算，将三个颜色通道的对应矩阵取绝对值，并相加，得到卷积层矩阵。

8.一种沥青芯样图像提取系统，其特征在于，包括：

预处理模块，用于获取芯样原图，并将芯样原图转换为标准像素大小；

卷积算子生成模块，用于按照一定步长生成若干个半径r不同的检测圆，并对应每个检测圆生成一个卷积算子；

卷积计算模块，用于使用卷积算子生成模块中生成的若干个卷积算子，分别对芯样原图进行卷积计算，对应得到若干个卷积层矩阵；

芯样参数计算模块，用于对卷积计算模块中得到的所有卷积层矩阵中的所有单元的绝对值大小进行比较，并找到绝对值最大的单元；通过绝对值最大的单元的卷积计算过程，得到芯样原图中芯样的半径R和圆心坐标(X,Y)；其中，在计算得到所述绝对值最大的单元的值时，对应使用的卷积算子中的检测圆在芯样原图上的投影即为检测得到的芯样图像边缘，该检测圆的半径r即为最符合芯样尺寸的圆半径R，该检测圆的圆心在芯样原图上的投影点(X,Y)即为芯样的圆心；

芯样图像提取模块，用于根据芯样参数计算模块得到的芯样的半径R和圆心坐标(X,Y)，从芯样原图中提取芯样图像；

在卷积算子生成模块中，生成卷积算子的方法为：

S31、生成一k×k的整数矩阵，其中k＞2r；

S32、在所述整数矩阵中以中心单元为圆心，r为半径作检测圆，检测圆划过的单元为基准单元，基准单元的取值为0；

S33、以基准单元为基准，向内取n层单元为内层单元，向外取n层单元为外层单元，所述内层单元和外层单元的取值不为0且互为相反数；其中，1≤n≤5；

S34、整数矩阵的其他单元取值为0。

9.一种电子设备，其特征在于，包括：

处理器和用于存储所述处理器可执行的指令的存储器；

其中，所述处理器被配置为执行存储器中的指令，以实现权利要求1至7任一项所述的方法。

10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至7任一所述的方法。

Images