CN112258505A - 一种基于数字图像的隧道裂缝宽度计算方法 - Google Patents
一种基于数字图像的隧道裂缝宽度计算方法 Download PDFInfo
- Publication number
- CN112258505A CN112258505A CN202011290305.2A CN202011290305A CN112258505A CN 112258505 A CN112258505 A CN 112258505A CN 202011290305 A CN202011290305 A CN 202011290305A CN 112258505 A CN112258505 A CN 112258505A
- Authority
- CN
- China
- Prior art keywords
- crack
- digital image
- points
- tunnel
- inflection 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.)
- Granted
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
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于数字图像的隧道裂缝宽度计算方法,具体包括以下步骤:S1、对于采集的裂缝图像,首先通过数字图像的方法提取裂缝的特征,将裂缝区域凸显出来,再通过数字图像处理方法处理后,背景像素值变为0,裂缝区域为255;S2、遍历裂缝的轮廓像素,找出所有的拐点位置,以轮廓像素点为中心的3*3范围内;S3、裂缝的宽度即为该拐点A(xA,yA)到另一端轮廓某点B(xB,yB)之间的距离1,本发明涉及隧道安全监控技术领域。该基于数字图像的隧道裂缝宽度计算方法,可实现在使用平均款第的基础上,照顾一些特殊位置,如拐点处的裂缝宽度,使危险等级评估接近真实情况,能够确定裂缝的不规则的拐点位置,以及实现裂缝在不规则处的宽度求取。
Description
技术领域
本发明涉及隧道安全监控技术领域,具体为一种基于数字图像的隧道裂缝宽度计算方法。
背景技术
随着我国隧道建设的飞速发展,目前我国隧道已经走出建设期,迈入“高维修”管理期,隧道衬砌裂缝是隧道病害中最常见也是最危险的病害之一,因此对衬砌裂缝的检测具有非常重要的意义。裂缝宽度是衡量裂缝的一个重要参数,对于隧道安全的影响十分重要,但隧道内的裂缝一般非常不规则,测量隧道裂缝的宽度比较困难,当前基于图像的裂缝宽度的计算方法主要为裂缝所占像素数量与裂缝长度的比值。但是该方法忽略了裂缝不规则处的宽度突变,对一些特殊位置不做处理,往往导致裂缝宽度小于实际值,风险评估低于预期。本发明提出了一种裂缝宽度的计算方法,在使用平均款第的基础上,照顾一些特殊位置,如拐点处的裂缝宽度,使危险等级评估接近真实情况,现有的隧道裂缝宽度计算方法不能确定裂缝的不规则的拐点位置,以及不能实现裂缝在不规则处的宽度求取。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于数字图像的隧道裂缝宽度计算方法,解决了现有的隧道裂缝宽度计算方法不能确定裂缝的不规则的拐点位置,以及不能实现裂缝在不规则处的宽度求取的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于数字图像的隧道裂缝宽度计算方法,具体包括以下步骤:
S1、对于采集的裂缝图像,首先通过数字图像的方法提取裂缝的特征,将裂缝区域凸显出来,再通过数字图像处理方法处理后,背景像素值变为0,裂缝区域为255;
S2、遍历裂缝的轮廓像素,找出所有的拐点位置,以轮廓像素点为中心的3*3范围内;
S3、裂缝的宽度即为该拐点A(xA,yA)到另一端轮廓某点B(xB,yB)之间的距离l,但B点的选择需要考虑到拐点位置的轮廓急剧变化,仅用某一个点会导致误差较大,再选择多个点的坐标计算与A点的距离,并给不同的点计算的距离赋予不同的权重,然后将这些距离加权得到该拐点出的裂缝宽度。
优选的,所述步骤S1中数字图像处理方法是采用Canny算法或形态学变换算法中的一种。
优选的,所述步骤S2中,若周围3*3范围内的8个像素中白色像素点的数量为2-4个且相连,则认为该像素是不规则的拐点,裂缝宽度在该位置易出现突变的情况。
优选的,所述步骤S3中选择多点计算裂缝宽度的具体步骤如下:
T1、连接A拐点和拐点两边最近的边缘像素C,D,得到直线AC和AD,过拐点A分别作直线垂直于AC和AD,交另一端边缘于点E、F,另一端边缘便取曲线EF之间的像素点分别求到A的距离,设曲线EF共有n个像素点B1,B2,…Bn,则A点与这些点的距离分别为l1,l2,…ln;
T2、对于n个点,求得的距离不能简单地直接求平均值,因为不同点与真实距离的接近程度不一样,为此需要赋予不同的权重,以直线EF的中点G(xG,yG)为参考点,分别计算B1-Bn的距离g1,g2,..gn;
(三)有益效果
本发明提供了一种基于数字图像的隧道裂缝宽度计算方法。与现有技术相比具备以下有益效果:该基于数字图像的隧道裂缝宽度计算方法,具体包括以下步骤:S1、对于采集的裂缝图像,首先通过数字图像的方法提取裂缝的特征,将裂缝区域凸显出来,再通过数字图像处理方法处理后,背景像素值变为0,裂缝区域为255;S2、遍历裂缝的轮廓像素,找出所有的拐点位置,以轮廓像素点为中心的3*3范围内;S3、裂缝的宽度即为该拐点A(xA,yA)到另一端轮廓某点B(xB,yB)之间的距离l,但B点的选择需要考虑到拐点位置的轮廓急剧变化,仅用某一个点会导致误差较大,再选择多个点的坐标计算与A点的距离,并给不同的点计算的距离赋予不同的权重,然后将这些距离加权得到该拐点出的裂缝宽度,可实现在使用平均款第的基础上,照顾一些特殊位置,如拐点处的裂缝宽度,使危险等级评估接近真实情况,能够确定裂缝的不规则的拐点位置,以及实现裂缝在不规则处的宽度求取。
附图说明
图1为本发明实施例中裂缝二值示意图;
图2为本发明实施例中拐点出现情况示意图;
图3为本发明实施例中计算原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-3,本发明实施例提供一种技术方案:一种基于数字图像的隧道裂缝宽度计算方法,具体包括以下步骤:
S1、对于采集的裂缝图像,首先通过数字图像的方法提取裂缝的特征,将裂缝区域凸显出来,再通过数字图像处理方法处理后,背景像素值变为0,裂缝区域为255;
S2、遍历裂缝的轮廓像素,找出所有的拐点位置,以轮廓像素点为中心的3*3范围内;
S3、裂缝的宽度即为该拐点A(xA,yA)到另一端轮廓某点B(xB,yB)之间的距离l,但B点的选择需要考虑到拐点位置的轮廓急剧变化,仅用某一个点会导致误差较大,再选择多个点的坐标计算与A点的距离,并给不同的点计算的距离赋予不同的权重,然后将这些距离加权得到该拐点出的裂缝宽度。
本发明实施例,步骤S1中数字图像处理方法是采用Canny算法或形态学变换算法中的一种。
本发明实施例,步骤S2中,若周围3*3范围内的8个像素中白色像素点的数量为2-4个且相连,如图2所示,则认为该像素是不规则的拐点,裂缝宽度在该位置易出现突变的情况。
本发明实施例,步骤S3中选择多点计算裂缝宽度的具体步骤如下:
T1、连接A拐点和拐点两边最近的边缘像素C,D,得到直线AC和AD,过拐点A分别作直线垂直于AC和AD,交另一端边缘于点E、F,另一端边缘便取曲线EF之间的像素点分别求到A的距离,设曲线EF共有n个像素点B1,B2,…Bn,则A点与这些点的距离分别为l1,l2,…ln,l的计算公式为:
T2、对于n个点,求得的距离不能简单地直接求平均值,因为不同点与真实距离的接近程度不一样,为此需要赋予不同的权重,以直线EF的中点G(xG,yG)为参考点,分别计算B1-Bn的距离g1,g2,..gn,g的计算公式为:
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于数字图像的隧道裂缝宽度计算方法,其特征在于:具体包括以下步骤:
S1、对于采集的裂缝图像,首先通过数字图像的方法提取裂缝的特征,将裂缝区域凸显出来,再通过数字图像处理方法处理后,背景像素值变为0,裂缝区域为255;
S2、遍历裂缝的轮廓像素,找出所有的拐点位置,以轮廓像素点为中心的3*3范围内;
S3、裂缝的宽度即为该拐点A(xA,yA)到另一端轮廓某点B(xB,yB)之间的距离l,再选择多个点的坐标计算与A点的距离,并给不同的点计算的距离赋予不同的权重,然后将这些距离加权得到该拐点出的裂缝宽度。
2.根据权利要求1所述的一种基于数字图像的隧道裂缝宽度计算方法,其特征在于:所述步骤S1中数字图像处理方法是采用Canny算法或形态学变换算法中的一种。
3.根据权利要求1所述的一种基于数字图像的隧道裂缝宽度计算方法,其特征在于:所述步骤S2中,若周围3*3范围内的8个像素中白色像素点的数量为2-4个且相连,则认为该像素是不规则的拐点,裂缝宽度在该位置易出现突变的情况。
5.根据权利要求1所述的一种基于数字图像的隧道裂缝宽度计算方法,其特征在于:所述步骤S3中选择多点计算裂缝宽度的具体步骤如下:
T1、连接A拐点和拐点两边最近的边缘像素C,D,得到直线AC和AD,过拐点A分别作直线垂直于AC和AD,交另一端边缘于点E、F,另一端边缘便取曲线EF之间的像素点分别求到A的距离,设曲线EF共有n个像素点B1,B2,…Bn,则A点与这些点的距离分别为l1,l2,…ln;
T2、对于n个点,求得的距离不能简单地直接求平均值,以直线EF的中点G(xG,yG)为参考点,分别计算B1-Bn的距离g1,g2,..gn;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290305.2A CN112258505B (zh) | 2020-11-18 | 2020-11-18 | 一种基于数字图像的隧道裂缝宽度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011290305.2A CN112258505B (zh) | 2020-11-18 | 2020-11-18 | 一种基于数字图像的隧道裂缝宽度计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258505A true CN112258505A (zh) | 2021-01-22 |
CN112258505B CN112258505B (zh) | 2023-01-17 |
Family
ID=74266949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011290305.2A Active CN112258505B (zh) | 2020-11-18 | 2020-11-18 | 一种基于数字图像的隧道裂缝宽度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258505B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839268A (zh) * | 2014-03-18 | 2014-06-04 | 北京交通大学 | 一种地铁隧道表面裂缝的检测方法 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN107064169A (zh) * | 2017-01-22 | 2017-08-18 | 太原科技大学 | 一种桥梁裂缝检测装置及检测方法 |
CN108364280A (zh) * | 2018-01-03 | 2018-08-03 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
US20190332881A1 (en) * | 2018-04-26 | 2019-10-31 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and storage medium |
CN110412047A (zh) * | 2019-07-18 | 2019-11-05 | 沈阳航空航天大学 | 一种管道内壁缝隙测量系统及方法 |
CN110823115A (zh) * | 2018-08-09 | 2020-02-21 | 沈阳新松机器人自动化股份有限公司 | 一种汽车鼓式制动器间隙测量工具及测量方法 |
CN111055054A (zh) * | 2020-01-13 | 2020-04-24 | 北京博清科技有限公司 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
CN111311559A (zh) * | 2020-02-07 | 2020-06-19 | 中国石油大学(华东) | 一种无偏差的裂缝表征方法 |
CN111862088A (zh) * | 2020-08-03 | 2020-10-30 | 山东省交通科学研究院 | 一种快速计算裂缝宽度的方法 |
-
2020
- 2020-11-18 CN CN202011290305.2A patent/CN112258505B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839268A (zh) * | 2014-03-18 | 2014-06-04 | 北京交通大学 | 一种地铁隧道表面裂缝的检测方法 |
CN106705847A (zh) * | 2017-01-18 | 2017-05-24 | 重庆市计量质量检测研究院 | 一种自由曲面内缝隙几何尺寸测量方法及装置 |
CN107064169A (zh) * | 2017-01-22 | 2017-08-18 | 太原科技大学 | 一种桥梁裂缝检测装置及检测方法 |
CN108364280A (zh) * | 2018-01-03 | 2018-08-03 | 东南大学 | 结构裂缝自动化描绘及宽度精准测量方法与设备 |
US20190332881A1 (en) * | 2018-04-26 | 2019-10-31 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and storage medium |
CN110823115A (zh) * | 2018-08-09 | 2020-02-21 | 沈阳新松机器人自动化股份有限公司 | 一种汽车鼓式制动器间隙测量工具及测量方法 |
CN110412047A (zh) * | 2019-07-18 | 2019-11-05 | 沈阳航空航天大学 | 一种管道内壁缝隙测量系统及方法 |
CN111055054A (zh) * | 2020-01-13 | 2020-04-24 | 北京博清科技有限公司 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
CN111311559A (zh) * | 2020-02-07 | 2020-06-19 | 中国石油大学(华东) | 一种无偏差的裂缝表征方法 |
CN111862088A (zh) * | 2020-08-03 | 2020-10-30 | 山东省交通科学研究院 | 一种快速计算裂缝宽度的方法 |
Non-Patent Citations (3)
Title |
---|
ALEJANDRO NOGALES 等: "Crack width design approach for fibre reinforced concrete tunnel segments for TBM thrust loads", 《TUNNELLING AND UNDERGROUND SPACE TECHNOLOGY》 * |
吴冰鑫 等: "盾构隧道管片裂缝图像识别及宽度计算优化方法", 《山西建筑》 * |
唐钱龙 等: "基于数字图像技术的隧道衬砌裂缝识别方法研究", 《铁道科学与工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112258505B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023134789A1 (zh) | 一种用于带式输送设备的自动检测方法 | |
US11580647B1 (en) | Global and local binary pattern image crack segmentation method based on robot vision | |
CN115239735B (zh) | 基于计算机视觉的通信柜表面缺陷检测方法 | |
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 | |
CN116934740B (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN115564771B (zh) | 一种基于建筑物基柱的混凝土裂纹识别方法 | |
CN109060836A (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
CN115880299B (zh) | 一种轻质混凝土复合自保温外墙板的质量检测系统 | |
CN114862880B (zh) | 一种基于异性石料的切割优化方法及系统 | |
CN116703931B (zh) | 一种用于建筑高分子材料的表面银纹检测方法 | |
CN115063423A (zh) | 基于计算机视觉的机械铸件冷热裂纹自适应辨别方法 | |
CN116452589B (zh) | 基于图像处理的人造板表面缺陷智能检测方法 | |
JP2013238449A (ja) | ひび割れ検出方法 | |
JP4870016B2 (ja) | ひび割れ検出方法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN108445009A (zh) | 一种太阳能电池板裂纹检测方法 | |
CN107230212A (zh) | 一种基于视觉的手机尺寸的测量方法及系统 | |
CN115797361A (zh) | 一种铝模板表面缺陷检测方法 | |
CN105891231A (zh) | 一种基于图像处理的胡萝卜表面缺陷检测方法 | |
CN109359653B (zh) | 一种棉花叶部粘连病斑图像分割方法和系统 | |
CN112258505B (zh) | 一种基于数字图像的隧道裂缝宽度计算方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN112102189A (zh) | 一种线结构光光条中心线提取方法 |
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 |