CN115797473A - 一种土建工程用混凝土成型评估方法 - Google Patents

一种土建工程用混凝土成型评估方法 Download PDF

Info

Publication number
CN115797473A
CN115797473A CN202310084878.7A CN202310084878A CN115797473A CN 115797473 A CN115797473 A CN 115797473A CN 202310084878 A CN202310084878 A CN 202310084878A CN 115797473 A CN115797473 A CN 115797473A
Authority
CN
China
Prior art keywords
window
pixel point
coefficient
concrete
pixel
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
Application number
CN202310084878.7A
Other languages
English (en)
Other versions
CN115797473B (zh
Inventor
胥欣欣
王佳辉
杨延勇
李强
李雁冰
燕伟广
姜文涛
佟亮
赵延文
周庆发
张春
于天津
马景超
钱芳
袁靖
于凤玲
盖冬冬
程文尧
董晓伟
王爱孔
孙永健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Dongying Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202310084878.7A priority Critical patent/CN115797473B/zh
Publication of CN115797473A publication Critical patent/CN115797473A/zh
Application granted granted Critical
Publication of CN115797473B publication Critical patent/CN115797473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种土建工程用混凝土成型评估方法，涉及图像处理领域，该方法包括：获取待评估混凝土表面的灰度图像，将灰度图像划分为多个窗口；获取每个像素点的色差系数；利用每个像素点的色差系数、每个像素点和间隔邻域像素点的灰度梯度以及像素点的参考梯度得到每个像素点的差异系数；获取每个窗口的高频系数；利用窗口的高频系数和像素点的差异系数获取窗口中的初始种子点，进而得到每个窗口中的破损区域；利用每个窗口的破损区域中像素点的数量和初始种子点的数量，得到对应的混凝土表面的破损程度，进而评估混凝土成型是否合格。本发明提高了混凝土成型质量评估的准确性。

Description

一种土建工程用混凝土成型评估方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种土建工程用混凝土成型评估方法。
背景技术
混凝土是整个土建工程项目的重要组成部分，保护建筑内部免受外部自然环境侵蚀，也承载了建筑内部的钢筋结构模型。在混凝土成型过程中由于混凝土搅拌机搅拌不当、原料配比添加异常或相关技术工人操作不当的多种因素，可能导致凝土成型后表面出现破损缺陷。存在破损缺陷的混凝土不仅表面美观性较差，同时结构强度也会降低，影响建筑内部钢筋结构的强度从而危害到建筑整体的耐久性。所以需要对混凝土成型后的质量进行及时评估，避免成型不合格的混凝土危害建筑的安全性。
现有技术一般通过常规的阈值分割算法，人为设定分割阈值获取混凝土表面的灰度图像中的破损缺陷区域，但是人为设定分割阈值需要依赖相关技术人员的经验值，并且可能由于人为操作失误导致分割阈值过大或过小，使得到的破损缺陷区域不够准确，进而导致利用破损缺陷区域对混凝土成型的评估结果不准确。
发明内容
本发明提供一种土建工程用混凝土成型评估方法，以解决现有的过于依赖相关技术人员人为设定分割阈值导致得到的破损区域不够准确的问题。
本发明的一种土建工程用混凝土成型评估方法，采用如下技术方案：
获取待评估混凝土表面的灰度图像，将灰度图像划分为多个窗口；
利用每个像素点和间隔邻域像素点在LAB空间中的LAB值获取每个像素点的色差系数，间隔邻域像素点是指与像素点的邻域像素点间隔预设距离的像素点；
利用每个像素点的色差系数、每个像素点和间隔邻域像素点的灰度梯度以及像素点的参考梯度得到每个像素点的差异系数；
获取灰度图像对应的频谱图像中的高频区域，将灰度图像中的窗口对应到频谱图像中；
利用每个窗口中高频区域的像素点与频谱图像中心点之间的距离得到每个窗口的高频系数；
利用每个窗口的高频系数和窗口中像素点的差异系数获取窗口中的初始种子点，利用初始种子点进行区域生长得到每个窗口中的破损区域；
利用灰度图像中每个窗口的破损区域中像素点的数量和初始种子点的数量，得到对应的混凝土表面的破损程度，利用混凝土表面的破损程度评估混凝土成型是否合格。
进一步，获取每个像素点的色差系数的方法为：
获取每个像素点和每个间隔邻域像素点的LAB值的色差系数；
将每个像素点与对应的间隔邻域像素点的色差系数的均值作为对应的像素点的色差系数。
进一步，获取每个像素点的差异系数的方法为：
利用每个像素点的灰度梯度，以及对应的间隔邻域像素点的灰度梯度的均值，组成每个像素点的梯度二元组；
利用得到每个像素点的梯度二元组的方法获取标准图像中每个像素点的梯度二元组，作为参考梯度二元组；
获取每个像素点的梯度二元组与参考梯度二元组之间的差值；
利用每个像素点得到的差值与色差系数相乘得到乘积；
对每个像素点得到的乘积进行归一化得到每个像素点的差异系数。
进一步，对灰度图像的频谱图像进行高通滤波得到频谱图像中的高频区域。
进一步，获取每个窗口的高频系数的方法为：
对每个窗口中高频区域的像素点在频谱图像中与频谱图像中心点之间的距离相加得到距离和值；
将每个窗口的归一化后的距离和值作为对应的窗口的高频系数。
进一步，获取窗口中的初始种子点的方法为：
设置高频系数区间，每个高频系数区间对应不同的初始种子点数量；
利用每个窗口的高频系数对应的高频系数区间得到窗口中初始种子点的数量q；
将每个窗口中差异系数最大的q个像素点作为对应的窗口中的初始种子点。
进一步，获取每个窗口中的破损区域的方法为：
获取每个窗口中初始种子点与邻域像素点的差异系数的差值，若与某个邻域像素点得到的差值小于设定的差值阈值，则将该邻域像素点作为新的种子点并与初始种子点相连；
继续利用新的种子点与邻域像素点的差异系数的差值进行区域生长，直到新的种子点邻域中不存在差值小于设定的差值阈值的邻域像素点，停止区域生长，得到窗口中的破损区域。
进一步，获取混凝土表面的破损程度的方法为：
获取每个窗口中破损区域的像素点在窗口中的占比，利用占比与窗口中初始种子点的数量相乘得到每个窗口的破损系数；
根据下式计算混凝土表面的破损程度：
Figure SMS_1
其中，
Figure SMS_2
表示混凝土表面的破损程度；
Figure SMS_6
表示灰度图像中第
Figure SMS_8
个窗口的破损系数；
Figure SMS_3
表示灰度图像中第
Figure SMS_5
个窗口的破损系数；
Figure SMS_9
表示所有窗口的破损系数的方差；
Figure SMS_10
表示灰度图像中窗口的数量；
Figure SMS_4
为自然常数；函数
Figure SMS_7
为归一化函数。
进一步，评估混凝土成型质量是否合格的方法为：
若混凝土表面的破损程度大于设定破损程度阈值，则混凝土成型质量不合格；
若混凝土表面的破损程度不大于设定破损程度阈值，则混凝土成型质量合格。
本发明的有益效果是：本发明的一种土建工程用混凝土成型评估方法，通过将灰度图像划分为多个窗口，便于后续单独分析每个窗口中的特征得到混凝土表面的破损程度，因为破损区域在混凝土表面是分散分布的，所以通过每个窗口中破损区域就能够进一步得到混凝土表面整体的破损程度；由于破损区域的颜色与周围正常区域的颜色差异较大，且破损区域与正常区域的像素点存在灰度梯度差异，所以结合每个像素点的色差系数和梯度二元组能够得到每个像素点的差异系数，认为差异系数越大的像素点越异常，越可能为破损区域的像素点；但此时得到的差异系数还可能存在噪声点的干扰，通过获取灰度图像的频谱图像中的高频区域，能够消除噪声点的干扰，并且能够得到高频区域的像素点的高频系数，结合窗口的高频系数得到的初始种子点和差异系数得到混凝土表面的破损程度，相对于仅通过窗口中像素点的差异系数得到的破损程度更加精确，进而使得到的混凝土成型的评估结果更加准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种土建工程用混凝土成型评估方法的实施例总体步骤的流程图；
图2为高通滤波掩模后的频谱图像的示意图。
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。
本发明的一种土建工程用混凝土成型评估方法的实施例，针对成型后的混凝土进行混凝土成型评估，如图1所示，该方法包括：
S1、获取待评估混凝土表面的灰度图像，将灰度图像划分为多个窗口。
由于本方案是利用混凝土表面的图像对混凝土的成型质量进行分析，所以拍摄采集的混凝土表面的图像质量对后续混凝土成型质量的评估有直接影响，因此需要选择合适的图像采集的设备对混凝土表面进行拍摄采集。
当前的图像采集设备根据内部不同的电子元器件结构可以划分为CDD和CMOS两种设备。CCD相机相较于CMOS相机具有呈像质量高，图像细节保留完整无拖影的特点。
优选的，本发明实施例中利用CCD相机采集成型后的待检测混凝土表面的RGB图像。同时，为了进行后续分析，采集混凝土表面的标准图像，即不存在破洞缺陷的混凝土表面的图像。
RGB图像具有三个颜色通道，对图像进行分析时需要对三个不同颜色通道分别进行分析，每个颜色通道的计算方法相同，为了减少计算量，将RGB图像通过加权平均法转换得到对应的灰度图像，从而降低后续对混凝土成型评估时的计算成本。
考虑到在拍摄采集工作环境中可能存在的随机自然噪声图像的噪声干扰，从而导致后续进行分析时引起的计算误差，对灰度图像进行滤波降噪处理。
可选的，利用高斯滤波法对混凝土表面的灰度图像进行滤波降噪得到降噪后的灰度图像，高斯滤波为现有技术，在此不作赘述。
成型质量较差的混凝土表面的灰度图像中孔洞破损缺陷分布较为分散。所以将灰度图像划分为多个窗口，在每个窗口中进一步分析确定破损区域，分析结果更加准确。再进行窗口设置时，太小的窗口可能无法包含灰度图像中的孔洞破损缺陷，太大的窗口中像素点数量过多会导致在每个窗口中计算分析时计算量增大，所以需设置合适的窗口尺寸。
具体的，根据历史数据得到灰度图像中会出现的最大破损区域的参考尺寸
Figure SMS_11
，为了避免参考尺寸无法包含待检测的混凝土表面的灰度图像中的破损区域，所以设置窗口时，令窗口尺寸为
Figure SMS_12
，
Figure SMS_13
，以确保划分得到的窗口中包含混凝土表面的破损区域，其中，
Figure SMS_14
表示通过历史数据得到的灰度图像中会出现的最大破损区域的参考尺寸。同时，为了避免破损区域出现在相邻窗口的边界线附近，后续对每个窗口进行分析时得到的破损区域不够完整，令步长为3进行滑窗遍历得到灰度图像中的多个窗口。
S2、利用每个像素点和间隔邻域像素点在LAB空间中的LAB值获取每个像素点的色差系数，间隔邻域像素点是指与像素点的邻域像素点间隔预设距离的像素点。
在灰度图像中，破损缺陷区域的颜色与周围正常区域的颜色会存在较大的差异，所以利用颜色差异获取每个像素点的色差系数。
具体的，将RGB图像转换到LAB空间，利用灰度图像中每个像素点的LAB值进行色差系数的计算，获取每个像素点和每个间隔邻域像素点的LAB值的色差系数；将每个像素点与对应的间隔邻域像素点的色差系数的均值作为对应的像素点的色差系数。
因为考虑到破损区域的像素点在邻域中色差变化不明显，所以将间隔邻域像素点的间隔距离设置为3，即与邻域像素点间隔距离为3的像素点，根据下式计算每个像素点的色差系数：
Figure SMS_15
其中，
Figure SMS_18
表示第
Figure SMS_21
个像素点的色差系数；
Figure SMS_25
表示第
Figure SMS_16
个像素点在LAB空间中的L通道值；
Figure SMS_23
表示第
Figure SMS_27
个像素点在LAB空间中的A通道值；
Figure SMS_31
表示第
Figure SMS_17
个像素点在LAB空间中的B通道值；
Figure SMS_22
表示第
Figure SMS_26
个像素点的第
Figure SMS_29
个间隔邻域像素点在LAB空间中的L通道值；
Figure SMS_33
表示间隔邻域像素点的数量；
Figure SMS_34
表示第
Figure SMS_36
个像素点的第
Figure SMS_38
个间隔邻域像素点在LAB空间中的A通道值；
Figure SMS_32
表示第
Figure SMS_35
个像素点的第
Figure SMS_37
个间隔邻域像素点在LAB空间中的B通道值，
Figure SMS_39
表示第
Figure SMS_19
个像素点为中心的间隔邻域像素点从左至右、从上至下的编号，且间隔邻域像素点与第
Figure SMS_20
个像素点的邻域像素点之间的间隔大小为3；
Figure SMS_24
为计算每个像素点与其他像素点之间的色差系数的现有公式，在本发明的实施例中，通过对像素点与每个间隔邻域像素点计算色差系数，并求均值，得到像素点的色差系数；若该像素点位于破损区域，则该像素点与对应的间隔八邻域内在颜色上具有较大的差别，从而计算得到的色差系数
Figure SMS_28
的数值较大；反之，若该像素点位于正常无破损缺陷的区域时，以该像素点为中心计算得到的色差系数
Figure SMS_30
的数值应较小。
S3、利用每个像素点的色差系数、每个像素点和间隔邻域像素点的灰度梯度以及像素点的参考梯度得到每个像素点的差异系数。
具体的，获取灰度图像中每个像素点的灰度梯度；获取每个像素点的间隔邻域像素点的灰度梯度均值，此处的间隔邻域像素点的间隔设置为3；利用每个像素点的灰度梯度和对应的灰度梯度均值组成每个像素点的梯度二元组
Figure SMS_40
，
Figure SMS_41
表示第
Figure SMS_42
个像素点的灰度梯度，
Figure SMS_43
表示第
Figure SMS_44
个像素点的间隔邻域像素点的灰度梯度均值。
利用每个像素点的梯度二元组可以构建灰度图像的梯度矩阵，矩阵中每个元素的位置对应像素点在灰度图像中的位置，每个元素为对应的像素点的梯度二元组。
利用得到每个像素点的梯度二元组的方法获取标准图像中每个像素点的梯度二元组，作为参考梯度二元组，利用标准图像中每个像素点的参考梯度二元组构建标准图像的参考梯度矩阵。
获取每个像素点的梯度二元组与参考梯度二元组之间的差值，利用每个像素点得到的差值与色差系数相乘得到乘积；对每个像素点得到的乘积进行归一化得到每个像素点的差异系数。具体的，根据下式计算每个像素点的差异系数：
Figure SMS_45
其中，
Figure SMS_55
表示第
Figure SMS_46
个像素点的差异系数；
Figure SMS_51
表示第
Figure SMS_58
个像素点的色差系数；
Figure SMS_63
表示第
Figure SMS_60
个像素点的灰度梯度，
Figure SMS_62
表示第
Figure SMS_56
个像素点的间隔邻域像素点的灰度梯度均值；
Figure SMS_59
表示第
Figure SMS_49
个像素点在标准图像中对应的像素点的参考灰度梯度；
Figure SMS_53
表示第
Figure SMS_50
个像素点在标准图像中对应的像素点的间隔邻域像素点的灰度梯度均值；
Figure SMS_54
为第
Figure SMS_57
个像素点的梯度二元组，
Figure SMS_61
为第
Figure SMS_47
个像素点在标准图像中对应的像素点的参考梯度二元组，可以将像素点的梯度二元组和参考二元组看作两个坐标，利用每个像素点的梯度二元组与对应的参考二元组的差值，即两个坐标之间的差值
Figure SMS_52
表示每个像素点与标准图像中对应位置的梯度信息差异，差值越大，梯度信息的异常程度越大，像素点的差异系数越大；像素点的差异系数是指像素点与正常区域的像素点的颜色和梯度的差异，差异系数越大，像素点越可能为破损区域的像素点；利用梯度二元组的差异与色差系数相结合，色差系数越大，像素点的差异系数越大；函数
Figure SMS_48
为归一化函数，将计算得到的数值归一到区间[0,1]上，便于后续进行分析计算。
S4、获取灰度图像对应的频谱图像中的高频区域，将灰度图像中的窗口对应到频谱图像中；利用每个窗口中高频区域的像素点与频谱图像中心点之间的距离得到每个窗口的高频系数。
灰度图像上可能存在通过高斯滤波降噪算法难以去除的噪声点，会影响后续对破损区域的进一步分析。为了消除甚至减弱这种影响并进一步提高对混凝土表面成型质量的准确性判断，对灰度图像进行傅里叶变换得到对应的频域下的频谱图像。
灰度图像中的破损区域在频谱图像中对应高频信息，需要对破损区域进行分析，所以利用高通滤波器对频谱图像进行滤波得到高频信息。
可选的，利用巴特沃斯高通滤波器对频谱图像进行高通滤波，高通滤波相当于添加一个掩膜覆盖原始的频谱图像中的低频信息，从而分离得到破损区域对应的高频信息。利用巴特沃斯高通滤波器得到的掩模后的频谱图像，如图2所示，掩模半径r为巴特沃斯高通滤波器滤波时的截至频率，为现有技术，在此不作赘述。
频谱图像中掩模区域以外的亮点为高频信息，频谱图像中水平和竖直方向上的亮线为傅里叶变换时的固有的亮线，不参与后续计算，频谱图像中除亮线以外的所有亮点为高频区域。
将灰度图像中划分的窗口对应到频谱图像中，对每个窗口中高频区域的像素点在频谱图像中与频谱图像中心点之间的距离相加得到距离和值；将每个窗口的归一化后的距离和值作为对应的窗口的高频系数。
具体的，根据下式计算每个窗口的高频系数：
Figure SMS_64
其中，
Figure SMS_66
表示窗口的高频系数；
Figure SMS_70
表示频谱图像中心点的坐标；
Figure SMS_73
表示窗口中高频区域的第
Figure SMS_67
个像素点的坐标；
Figure SMS_68
表示窗口中高频区域的第
Figure SMS_72
个像素点；
Figure SMS_74
表示窗口中高频区域的像素点总数量；
Figure SMS_65
表示窗口中高频区域的第
Figure SMS_69
个像素点到频谱图像中心点的距离，距离越大，该像素点对应的频率越高，在灰度图像中的灰度变化越明显，为破损区域的像素点的可能性越大，对窗口中所有的高频区域的像素点计算得到的距离求和值，是因为窗口中高频区域的像素点越多，表明该窗口中位于灰度变化明显区域的像素点越多，即破损区域的像素点越多，距离越大，表示灰度变化越明显，破损程度越严重，对得到的和值利用
Figure SMS_71
函数进行归一化，得到归一化值作为该窗口的高频系数，进行归一化是为了将对应的数值归一到区间[0,1]上，便于后续进一步的计算。
S5、利用每个窗口的高频系数和窗口中像素点的差异系数获取窗口中的初始种子点，利用初始种子点进行区域生长得到每个窗口中的破损区域。
当混凝土表面的灰度图像中某个像素点的差异系数越大时，则该像素点处发生孔洞破损缺陷的概率越大，因此，利用灰度图像的每个窗口中差异系数最大的像素点作为初始点种子点，进行区域生长得到破损区域；考虑到不同窗口中的破损程度不同，而窗口的破损程度在一定程度上可以用窗口的高频系数来体现，所以利用高频系数获取窗口中的初始种子点。
设置高频系数区间，每个高频系数区间对应不同的初始种子点数量。
利用每个窗口的高频系数对应的高频系数区间得到窗口中初始种子点的数量q。
将每个窗口中差异系数最大的q个像素点作为对应的窗口中的初始种子点。
具体的，获取每个窗口中的初始种子点数量的表达式为：
Figure SMS_75
其中，
Figure SMS_76
表示窗口中初始种子点的数量；
Figure SMS_77
表示窗口的高频系数；高频系数越大，窗口中破损区域的像素点的数量越多，即窗口中的破损区域较大，或者窗口中存在多个破损区域，所以在进行区域生长时，选取多个初始种子点同时进行区域生长，能够使得区域生长算法更快得到最终的破损区域。
利用窗口中的初始种子点进行区域生长得到最终的破损区域，具体的：获取每个窗口中初始种子点与邻域像素点的差异系数的差值，若与某个邻域像素点得到的差值小于设定的差值阈值0.15（此处的差值是指初始种子点与邻域像素点的差异系数的差值的绝对值），则将该邻域像素点作为新的种子点并与初始种子点相连，即认为这两个像素点同属于混凝土表面的破损区域；继续利用新的种子点与邻域像素点的差异系数的差值进行区域生长，直到新的种子点邻域中不存在差值小于设定的差值阈值的邻域像素点，停止区域生长，得到窗口中的破损区域。
至此，得到了每个窗口中的破损区域。
S6、利用灰度图像中每个窗口的破损区域中像素点的数量和初始种子点的数量，得到对应的混凝土表面的破损程度，利用混凝土表面的破损程度评估混凝土成型是否合格。
具体的，获取每个窗口中破损区域的像素点在窗口中的占比，利用占比与窗口中初始种子点的数量相乘得到每个窗口的破损系数；根据下式计算每个窗口的破损系数：
Figure SMS_78
其中，
Figure SMS_80
表示第
Figure SMS_82
个窗口的破损系数；
Figure SMS_86
表示窗口中初始种子点的数量；
Figure SMS_81
表示第
Figure SMS_83
个窗口中破损区域的像素点数量；
Figure SMS_85
表示第
Figure SMS_87
个窗口中像素点的总数量；窗口中破损区域的像素点数量占比
Figure SMS_79
越大，认为窗口中的破损程度越严重，破损系数越大，窗口中的初始种子点数量
Figure SMS_84
越大，窗口中的破损区域数量越多或者破损区域越大，破损程度越严重，所以破损系数越大，因此结合初始种子点数量和破损区域像素点的占比得到窗口的破损系数。
利用灰度图像中所有窗口的破损系数得到破损系数序列
Figure SMS_88
，
Figure SMS_89
为灰度图像中窗口的数量，破损系数序列是按照灰度图像中窗口从左到右从上到下的分布进行序列排布的；根据下式计算混凝土表面的破损程度：
Figure SMS_90
其中，
Figure SMS_91
表示混凝土表面的破损程度；
Figure SMS_98
表示灰度图像中第
Figure SMS_100
个窗口的破损系数；
Figure SMS_94
表示灰度图像中第
Figure SMS_97
个窗口的破损系数；
Figure SMS_102
表示所有窗口的破损系数序列的方差；
Figure SMS_105
表示灰度图像中窗口的数量；
Figure SMS_92
为自然常数；函数
Figure SMS_95
为归一化函数。
Figure SMS_101
表示破损系数序列中相邻两个破损系数的差值的绝对值，差值越大，两个窗口的破损系数的变化程度越大，即两个窗口越可能存在破损区域，因为若两个窗口都不存在破损区域，则破损系数的差值几乎为0，
Figure SMS_103
表示对破损系数序列中每相邻两个破损系数计算差值的绝对值，并求和，得到的求和结果越大，说明灰度图像中存在破损区域的窗口的数量越多，混凝土表面的破损程度越大；若灰度图像没有缺陷，计算得到的不同窗口下的破损系数应具有一致性，得到的方差
Figure SMS_93
较小，若图像各个不同区域均有破损程度不一的区域，则通过计算得到的不同窗口下方差数值一致性较差，方差较大，
Figure SMS_96
为对灰度图像中破损系数序列的方差的反比例归一化，方差越大，反比例归一化的值越小，得到的最终的混凝土表面的破损程度越大；利用
Figure SMS_99
是为了避免出现分母为0的情况；对最终得到的结果利用
Figure SMS_104
函数进行归一化，得到混凝土表面的破损程度，进行归一化是为了将对应的数值归一到区间[0,1]上，便于后续设置阈值。
本方案中设定破损程度阈值为0.4，若混凝土表面的破损程度大于破损程度阈值0.4，则混凝土成型不合格；若混凝土表面的破损程度不大于设定破损程度阈值，则混凝土成型合格。
综上所述，本发明提供一种土建工程用混凝土成型评估方法，通过将灰度图像划分为多个窗口，便于后续单独分析每个窗口中的特征得到混凝土表面的破损程度，因为破损区域在混凝土表面是分散分布的，所以通过每个窗口中破损区域就能够进一步得到混凝土表面整体的破损程度；由于破损区域的颜色与周围正常区域的颜色差异较大，且破损区域与正常区域的像素点存在灰度梯度差异，所以结合每个像素点的色差系数和梯度二元组能够得到每个像素点的差异系数，认为差异系数越大的像素点越异常，越可能为破损区域的像素点；但此时得到的差异系数还可能存在噪声点的干扰，通过获取灰度图像的频谱图像中的高频区域，能够消除噪声点的干扰，并且能够得到高频区域的像素点的高频系数，结合窗口的高频系数得到的初始种子点和差异系数得到混凝土表面的破损程度，相对于仅通过窗口中像素点的差异系数得到的破损程度更加精确，进而使得到的混凝土成型的评估结果更加准确。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种土建工程用混凝土成型评估方法，其特征在于，该方法包括：
获取待评估混凝土表面的灰度图像，将灰度图像划分为多个窗口；
利用每个像素点和间隔邻域像素点在LAB空间中的LAB值获取每个像素点的色差系数，间隔邻域像素点是指与像素点的邻域像素点间隔预设距离的像素点；
利用每个像素点的色差系数、每个像素点和间隔邻域像素点的灰度梯度以及像素点的参考梯度得到每个像素点的差异系数；
获取灰度图像对应的频谱图像中的高频区域，将灰度图像中的窗口对应到频谱图像中；
利用每个窗口中高频区域的像素点与频谱图像中心点之间的距离得到每个窗口的高频系数；
利用每个窗口的高频系数和窗口中像素点的差异系数获取窗口中的初始种子点，利用初始种子点进行区域生长得到每个窗口中的破损区域；
利用灰度图像中每个窗口的破损区域中像素点的数量和初始种子点的数量，得到对应的混凝土表面的破损程度，利用混凝土表面的破损程度评估混凝土成型是否合格。
2.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取每个像素点的色差系数的方法为：
获取每个像素点和每个间隔邻域像素点的LAB值的色差系数；
将每个像素点与对应的间隔邻域像素点的色差系数的均值作为对应的像素点的色差系数。
3.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取每个像素点的差异系数的方法为：
利用每个像素点的灰度梯度，以及对应的间隔邻域像素点的灰度梯度的均值，组成每个像素点的梯度二元组；
利用得到每个像素点的梯度二元组的方法获取标准图像中每个像素点的梯度二元组，作为参考梯度二元组；
获取每个像素点的梯度二元组与参考梯度二元组之间的差值；
利用每个像素点得到的差值与色差系数相乘得到乘积；
对每个像素点得到的乘积进行归一化得到每个像素点的差异系数。
4.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，对灰度图像的频谱图像进行高通滤波得到频谱图像中的高频区域。
5.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取每个窗口的高频系数的方法为：
对每个窗口中高频区域的像素点在频谱图像中与频谱图像中心点之间的距离相加得到距离和值；
将每个窗口的归一化后的距离和值作为对应的窗口的高频系数。
6.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取窗口中的初始种子点的方法为：
设置高频系数区间，每个高频系数区间对应不同的初始种子点数量；
利用每个窗口的高频系数对应的高频系数区间得到窗口中初始种子点的数量q；
将每个窗口中差异系数最大的q个像素点作为对应的窗口中的初始种子点。
7.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取每个窗口中的破损区域的方法为：
获取每个窗口中初始种子点与邻域像素点的差异系数的差值，若与某个邻域像素点得到的差值小于设定的差值阈值，则将该邻域像素点作为新的种子点并与初始种子点相连；
继续利用新的种子点与邻域像素点的差异系数的差值进行区域生长，直到新的种子点邻域中不存在差值小于设定的差值阈值的邻域像素点，停止区域生长，得到窗口中的破损区域。
8.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，获取混凝土表面的破损程度的方法为：
获取每个窗口中破损区域的像素点在窗口中的占比，利用占比与窗口中初始种子点的数量相乘得到每个窗口的破损系数；
根据下式计算混凝土表面的破损程度：
Figure QLYQS_1
其中，
Figure QLYQS_4
表示混凝土表面的破损程度；
Figure QLYQS_7
表示灰度图像中第
Figure QLYQS_8
个窗口的破损系数；
Figure QLYQS_2
表示灰度图像中第
Figure QLYQS_6
个窗口的破损系数；
Figure QLYQS_9
表示所有窗口的破损系数的方差；
Figure QLYQS_10
表示灰度图像中窗口的数量；
Figure QLYQS_3
为自然常数；函数
Figure QLYQS_5
为归一化函数。
9.根据权利要求1所述的一种土建工程用混凝土成型评估方法，其特征在于，评估混凝土成型质量是否合格的方法为：
若混凝土表面的破损程度大于设定破损程度阈值，则混凝土成型质量不合格；
若混凝土表面的破损程度不大于设定破损程度阈值，则混凝土成型质量合格。
CN202310084878.7A 2023-02-09 2023-02-09 一种土建工程用混凝土成型评估方法 Active CN115797473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310084878.7A CN115797473B (zh) 2023-02-09 2023-02-09 一种土建工程用混凝土成型评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310084878.7A CN115797473B (zh) 2023-02-09 2023-02-09 一种土建工程用混凝土成型评估方法

Publications (2)

Publication Number Publication Date
CN115797473A true CN115797473A (zh) 2023-03-14
CN115797473B CN115797473B (zh) 2023-04-18

Family

ID=85430580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310084878.7A Active CN115797473B (zh) 2023-02-09 2023-02-09 一种土建工程用混凝土成型评估方法

Country Status (1)

Country Link
CN (1) CN115797473B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402822A (zh) * 2023-06-09 2023-07-07 山东建筑大学 混凝土结构图像检测方法、装置、电子设备及存储介质
CN117351433A (zh) * 2023-12-05 2024-01-05 山东质能新型材料有限公司 基于计算机视觉的胶固砂浆饱满度监控系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347767A1 (en) * 2018-05-11 2019-11-14 Boe Technology Group Co., Ltd. Image processing method and device
CN114359416A (zh) * 2022-03-17 2022-04-15 山东水利建设集团有限公司 一种建筑物外墙空鼓渗漏异常检测及定位方法
CN114842366A (zh) * 2022-07-05 2022-08-02 山东中宇航空科技发展有限公司 一种农业植保无人机稳定性识别方法
CN115272174A (zh) * 2022-06-15 2022-11-01 武汉市市政路桥有限公司 一种市政道路检测方法及系统
CN115601362A (zh) * 2022-12-14 2023-01-13 临沂农业科技职业学院（筹）（Cn） 一种基于图像处理的焊接质量评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347767A1 (en) * 2018-05-11 2019-11-14 Boe Technology Group Co., Ltd. Image processing method and device
CN114359416A (zh) * 2022-03-17 2022-04-15 山东水利建设集团有限公司 一种建筑物外墙空鼓渗漏异常检测及定位方法
CN115272174A (zh) * 2022-06-15 2022-11-01 武汉市市政路桥有限公司 一种市政道路检测方法及系统
CN114842366A (zh) * 2022-07-05 2022-08-02 山东中宇航空科技发展有限公司 一种农业植保无人机稳定性识别方法
CN115601362A (zh) * 2022-12-14 2023-01-13 临沂农业科技职业学院（筹）（Cn） 一种基于图像处理的焊接质量评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOHUI HAO，AND ETC: "Segmenting High-Frequency Intracardiac Ultrasound Images of Myocardium Into Infarcted, Ischemic, and Normal Regions" *
唐如欲;刘德安;朱健强;: "基于局部信噪比的微小损伤自适应检测技术研究" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402822A (zh) * 2023-06-09 2023-07-07 山东建筑大学 混凝土结构图像检测方法、装置、电子设备及存储介质
CN116402822B (zh) * 2023-06-09 2023-08-11 山东建筑大学 混凝土结构图像检测方法、装置、电子设备及存储介质
CN117351433A (zh) * 2023-12-05 2024-01-05 山东质能新型材料有限公司 基于计算机视觉的胶固砂浆饱满度监控系统
CN117351433B (zh) * 2023-12-05 2024-02-23 山东质能新型材料有限公司 基于计算机视觉的胶固砂浆饱满度监控系统

Also Published As

Publication number Publication date
CN115797473B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN115797473B (zh) 一种土建工程用混凝土成型评估方法
CN114549522B (zh) 基于目标检测的纺织品质量检测方法
CN109870461B (zh) 一种电子元器件质量检测系统
CN115829883B (zh) 一种异性金属结构件表面图像去噪方法
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN107220988B (zh) 基于改进canny算子的零部件图像边缘提取方法
CN109993797B (zh) 门窗位置检测方法及装置
CN107742307A (zh) 基于改进帧差法的输电线路舞动特征提取及参数分析方法
CN115619793B (zh) 基于计算机视觉的电源适配器外观质量检测方法
CN111060442B (zh) 一种基于图像处理的油液颗粒检测方法
CN116883408B (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN113222992B (zh) 基于多重分形谱的裂纹特征表征方法及系统
CN113935666B (zh) 基于图像处理的建筑装饰墙面砖异常评估方法
CN115018835B (zh) 一种汽车起动机齿轮检测方法
CN114332081B (zh) 基于图像处理的纺织品表面异常判定方法
CN114782329A (zh) 一种基于图像处理的轴承缺陷损伤程度评估方法及系统
CN112017109B (zh) 一种在线铁谱视频图像气泡的消除方法
CN115018765A (zh) 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法
CN114549441A (zh) 基于图像处理的吸管缺陷检测方法
CN115984356A (zh) 一种基于图像的导线压接间距测量方法及系统
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN116612112B (zh) 一种水桶表面缺陷视觉检测方法
CN116740579A (zh) 一种国土空间规划数据智能采集方法
Nguyen et al. A novel automatic concrete surface crack identification using isotropic undecimated wavelet transform
CN114638822B (zh) 一种利用光学手段的汽车盖板表面质量检测方法及系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231206

Address after: 257091 No.357, Nanyi Road, Dongying District, Dongying City, Shandong Province

Patentee after: Dongying Power Industry Bureau of State Grid Shandong Electric Power Company

Patentee after: DONGYING KENLI POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co.

Address before: 257091 No.357, Nanyi Road, Dongying District, Dongying City, Shandong Province

Patentee before: Dongying Power Industry Bureau of State Grid Shandong Electric Power Company