CN117437222A - 一种表面裂缝的统计方法 - Google Patents
一种表面裂缝的统计方法 Download PDFInfo
- Publication number
- CN117437222A CN117437222A CN202311744959.1A CN202311744959A CN117437222A CN 117437222 A CN117437222 A CN 117437222A CN 202311744959 A CN202311744959 A CN 202311744959A CN 117437222 A CN117437222 A CN 117437222A
- Authority
- CN
- China
- Prior art keywords
- crack
- image
- detected
- area
- black
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000003973 paint Substances 0.000 claims abstract description 12
- 238000007619 statistical method Methods 0.000 claims abstract description 12
- 238000010845 search algorithm Methods 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims description 15
- 238000005507 spraying Methods 0.000 claims description 6
- 238000011946 reduction process Methods 0.000 claims description 2
- 238000005336 cracking Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000000926 separation method Methods 0.000 abstract description 2
- 239000011248 coating agent Substances 0.000 abstract 1
- 238000000576 coating method Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 9
- 239000000835 fiber Substances 0.000 description 4
- 239000004568 cement Substances 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000011182 bendable concrete Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003362 morphology assessment method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000003079 width control Methods 0.000 description 1
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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- 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)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种表面裂缝的统计方法,属于图像处理技术领域。本发明的统计方法通过在待检测区域涂覆白漆降低了环境噪音对裂缝识别的影响;并且本发明的统计方法基于深度优先搜索算法提高了裂缝的识别精度和速度;此外,本发明的统计方法通过对裂缝族中每条裂缝的单独追踪,解决了因裂缝交错分离,难以准确统计裂缝信息的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种表面裂缝的统计方法。
背景技术
超高延性纤维增强水泥基复合材料(Engineered Cementitious Composite,ECC)在2%体积率的纤维掺量下,通常能达到3%以上的拉伸应变,显著改善了水泥基体抗拉强度低,韧性差,裂缝宽度控制能力差的问题,在建筑工程和各种大型基础设施耐久性修复、抗震加固方面得到了广泛应用。
ECC的表面裂缝的数量和宽度是评估其力学性能和耐久性的关键,因此,根据其开裂后的表面形态可直接判断ECC材料质量,然而,ECC的裂缝相对传统混凝土的更细、更密,识别难度大。传统的裂缝识别方法有基于显微镜的刻度尺测量法,但该方法效率低、精度差且结果波动性大。此外,声波检测法、红外热成像检测法等间接测量方法也被用于裂缝测量,但易受到基体缺陷和纤维等噪声的影响。数字图像技术(Digital Image Correlation,DIC)可以实现对裂缝形态的半自动测量,但DIC获得的结果无法达到像素水平,裂缝的识别难以细化。
另一方面,既有的裂缝形态评估方法大多聚焦于对表面裂缝的识别,尚无研究者提出对全检测区域内裂缝形态进行统计的系统方法,其难点在于检测区域内的裂缝形态复杂,难以分辨追踪多条交汇裂缝。
发明内容
本发明的目的在于提供一种表面裂缝的统计方法,本发明的统计方法可以准确识别多条交汇裂缝中裂缝的数量、长度及宽度。
为了实现上述发明目的,本发明提供以下技术方案:
本发明提供了一种表面裂缝的统计方法,包括以下步骤:
在表面的待检测区域喷涂白漆后获取待检测区域图像;
将所述待检测区域图像进行二值化处理,基于深度优先搜索算法识别二值化处理后的图像中每块连续的黑色像素区域,所述黑色像素区域为裂缝族,获取每个裂缝族的黑色像素坐标;
对裂缝族进行列遍历,确定裂缝族中单个裂缝的像素发生变化时黑色像素的纵坐标差值以及确定单个裂缝的出现次数,从而确定裂缝长度方向上的黑色像素数量;
根据裂缝族的裂缝在长度方向上的黑色像素数量和单个像素代表的长度,计算得到各条裂缝的长度;
根据所述裂缝中黑色像素纵坐标差值的最大值和单个像素代表的长度,计算得到裂缝的最大宽度。
优选的,所述待检测区域喷涂白漆的厚度为小于0.6mm。
优选的,所述待检测区域图像的像素为2048×2048ppi。
优选的,所述二值化处理的方法为二值化阈值处理,所述二值化阈值处理的阈值为180±20。
优选的,所述降噪处理时,还包括:确定二值化处理所得图像中的目标待检测区域,然后通过预设最小的连续区域内黑色像素数量和最小裂缝长度对所述目标待检测区域进行降噪处理。
优选的,所述列遍历前,还包括:为每个裂缝族生成一个与所述待检测区域图像尺寸相同的全白图像,根据所述裂缝族的黑色像素坐标在所述全白图像中加入黑色像素,对所得图像进行遍历。
优选的,所述列遍历的顺序为从左到右、从上到下。
本发明的统计方法通过喷涂白漆降低了环境噪音对裂缝识别的影响;并且本发明的统计方法基于深度优先搜索算法提高了裂缝的识别精度和速度;此外,本发明的统计方法通过对裂缝族中每条裂缝的单独追踪,解决了因裂缝交错分离,难以准确统计裂缝信息的问题。
进一步地,本发明通过预设最小的连续区域内黑色像素数量和最小裂缝长度的降噪处理进一步降低了环境噪音对裂缝识别的影响。
附图说明
图1为本发明实施例ECC表面裂缝统计方法的流程图;
图2为实施例1中的待检测区域图像;
图3为实施例1中二值化阈值处理后的图像;
图4为实施例1中降噪处理后的图像;
图5为实施例1中单个裂缝族在全白图像中的图像;
图6为实施例1的统计结果。
具体实施方式
本发明提供了一种表面裂缝的统计方法,包括以下步骤:
在表面的待检测区域喷涂白漆后获取待检测区域图像;
将所述待检测区域图像进行二值化处理和降噪处理,基于深度优先搜索算法识别降噪处理后的图像中每块连续的黑色像素区域,所述黑色像素区域为裂缝族,获取每个裂缝族的黑色像素坐标;
对裂缝族进行列遍历,确定裂缝族中单个裂缝的像素发生变化时黑色像素的纵坐标差值以及确定单个裂缝的出现次数,从而确定裂缝长度方向上的黑色像素数量;
根据裂缝族的裂缝在长度方向上的黑色像素数量和单个像素代表的长度,计算得到各条裂缝的长度;
根据所述裂缝中黑色像素纵坐标差值的最大值和单个像素代表的长度,计算得到裂缝的最大宽度。
本发明在表面的待检测区域喷涂白漆后获取待检测区域图像。
在本发明中,所述待检测区域喷涂白漆后白漆的厚度优选为小于0.6mm。
在本发明中,所述待检测区域图像优选由高像素相机获取;所述待检测区域图像的分辨率优选为2048×2048ppi。
获取待检测区域图像后,本发明将所述待检测区域图像进行二值化处理和降噪处理,基于深度优先搜索算法识别降噪处理后的图像中每块连续的黑色像素区域,一块黑色像素区域为一个裂缝族,获取每个裂缝族中所有黑色像素的坐标。
本发明在将所述待检测区域图像进行二值化处理前优选将所述待检测区域图像中的非检测区域的图像剔除。
在本发明中,所述二值化处理的方法优选为二值化阈值处理,所述二值化阈值处理的阈值优选为200。
在本发明中,所述降噪处理时,优选还包括:确定二值化处理所得图像中的目标检测区域,然后通过预设最小的连续区域内黑色像素数量和最小裂缝长度对所述目标检测区域进行降噪处理。
在本发明中,所述深度优先搜索算法将每个探索到的黑色像素坐标入栈并出栈,检查其周围像素是否也为未访问的黑色像素。若检测到新的黑色像素,继续入栈,直至连通区域的每个黑色像素的坐标都被记录。
在本发明中,所述列遍历的顺序优选为从左到右、从上到下。
获取每个裂缝族的黑色像素坐标后,本发明对所有裂缝族进行列遍历,确定单个裂缝中像素发生变化时黑色像素的纵坐标差值以及确定单个裂缝的出现次数,从而确定裂缝长度方向上的黑色像素数量。
在本发明中,所述纵向遍历和横向遍历前,优选还包括:为每个裂缝族生成一个与所述目标待检测区域图像尺寸相同的全白图像,根据所述裂缝族的黑色像素坐标在所述全白图像中加入黑色像素,对所得图像进行遍历。这可以提高识别裂缝的准确度。
本发明根据所述裂缝长度方向上黑色像素数量和单个像素代表的长度,计算得到裂缝族中各条裂缝的长度;
根据所述裂缝中黑色像素纵坐标差值的最大值和单个像素代表的长度,计算得到裂缝的最大宽度。
本发明实施例ECC表面裂缝统计方法的流程图如图1所示:在检测区域喷涂白漆后进行表面图像预处理,将所得图像进行基于DFS的裂缝族识别与降噪处理后记录汇总裂缝族中各条裂纹的长度与最大宽度信息。
下面结合实施例对本发明提供的表面裂缝的统计方法进行详细的说明,但是不能把它们理解为对本发明保护范围的限定。
实施例1
在表面的待检测区域喷涂0.3~0.4mm厚的白漆后获取由高像素相机获取分辨率为2048×2048ppi的待检测区域图像,图像如图2所示;
通过截取的方式将所述待检测区域图像中的非检测区域图像剔除后进行二值化阈值处理(阈值为200),结果如图3所示;
得到二值化阈值处理的图像后,在所得图像中确定目标待检测区域,目标检测区域的尺寸为30mm×80mm;
通过预设最小的连续区域内黑色像素数量(40个)和最小裂缝长度(3mm)对所述目标待检测区域进行降噪处理;
基于深度优先搜索算法识别降噪处理后的图像中每块连续的黑色像素区域(结果如图4所示),所述黑色像素区域为裂缝族,获取每个裂缝族的黑色像素坐标,裂缝族的编号为crack family1~10;
为每个裂缝族生成一个与所述目标待检测区域图像尺寸相同的全白图像,根据所述裂缝族的黑色像素坐标在所述全白图像中加入黑色像素,结果如图5所示;
然后对裂缝族进行列遍历(列遍历的顺序为从左到右、从上到下,以1个像素所在的列为基准进行遍历),确定单个裂缝中像素发生变化时黑色像素的纵坐标差值以及确定单个裂缝的出现次数,从而确定裂缝长度方向上的黑色像素数量;
根据所述裂缝长度方向上黑色像素数量和单个像素代表的长度,计算得到裂缝族中各条裂缝的长度,结果如图6所示;
根据所述裂缝中黑色像素纵坐标差值的最大值和单个像素代表的长度,计算得到裂缝的最大宽度,结果如图6所示。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种表面裂缝的统计方法,其特征在于,包括以下步骤:
在表面的待检测区域喷涂白漆后获取待检测区域图像;
将所述待检测区域图像进行二值化处理和降噪处理,基于深度优先搜索算法识别降噪处理后的图像中每块连续的黑色像素区域,一块黑色像素区域为一个裂缝族,获取每个裂缝族中所有黑色像素的坐标;
对裂缝族进行列遍历,确定裂缝族中单个裂缝的像素发生变化时黑色像素的纵坐标差值以及确定单个裂缝的出现次数,从而确定裂缝长度方向上的黑色像素数量;
根据裂缝族的裂缝在长度方向上的黑色像素数量和单个像素代表的长度,计算得到各条裂缝的长度;
根据所述裂缝中黑色像素纵坐标差值的最大值和单个像素代表的长度,计算得到裂缝的最大宽度。
2.根据权利要求1所述的统计方法,其特征在于,所述待检测区域喷涂白漆的厚度为小于0.6mm。
3.根据权利要求1所述的统计方法,其特征在于,所述待检测区域图像的像素为2048×2048ppi。
4.根据权利要求1所述的统计方法,其特征在于,所述二值化处理的方法为二值化阈值处理,所述二值化阈值处理的阈值为180±20。
5.根据权利要求1所述的统计方法,其特征在于,所述降噪处理时,还包括:确定二值化处理所得图像中的目标待检测区域,然后通过预设最小的连续区域内黑色像素数量和最小裂缝长度对所述目标待检测区域进行降噪处理。
6.根据权利要求5所述的统计方法,其特征在于,所述列遍历前,还包括:为每个裂缝族生成一个与所述目标待检测区域图像尺寸相同的全白图像,根据所述裂缝族的黑色像素坐标在所述全白图像中加入黑色像素,对所得图像进行遍历。
7.根据权利要求1所述的统计方法,其特征在于,所述列遍历的顺序为从左到右、从上到下。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311744959.1A CN117437222A (zh) | 2023-12-19 | 2023-12-19 | 一种表面裂缝的统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311744959.1A CN117437222A (zh) | 2023-12-19 | 2023-12-19 | 一种表面裂缝的统计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117437222A true CN117437222A (zh) | 2024-01-23 |
Family
ID=89553734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311744959.1A Pending CN117437222A (zh) | 2023-12-19 | 2023-12-19 | 一种表面裂缝的统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437222A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040020261A (ko) * | 2002-08-30 | 2004-03-09 | 한창수 | 영상입력에 의한 구조물의 균열 탐지장치 및 방법 |
CN105784710A (zh) * | 2014-12-23 | 2016-07-20 | 桂林电子科技大学 | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 |
CN108961230A (zh) * | 2018-06-28 | 2018-12-07 | 武汉大学 | 结构表面裂缝特征的识别与提取方法 |
KR102456987B1 (ko) * | 2022-03-15 | 2022-10-20 | 디엘이앤씨 주식회사 | 건물 외벽의 균열을 탐지하는 방법 |
-
2023
- 2023-12-19 CN CN202311744959.1A patent/CN117437222A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040020261A (ko) * | 2002-08-30 | 2004-03-09 | 한창수 | 영상입력에 의한 구조물의 균열 탐지장치 및 방법 |
CN105784710A (zh) * | 2014-12-23 | 2016-07-20 | 桂林电子科技大学 | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 |
CN108961230A (zh) * | 2018-06-28 | 2018-12-07 | 武汉大学 | 结构表面裂缝特征的识别与提取方法 |
KR102456987B1 (ko) * | 2022-03-15 | 2022-10-20 | 디엘이앤씨 주식회사 | 건물 외벽의 균열을 탐지하는 방법 |
Non-Patent Citations (1)
Title |
---|
曾艳霞: "混凝土裂缝特征信息识别研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 12, 15 December 2011 (2011-12-15), pages 138 - 766 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378879B (zh) | 一种桥梁裂缝检测方法 | |
CN115272334B (zh) | 用于复杂背景下的钢轨表面微小缺陷检测方法 | |
CN114677362B (zh) | 基于改进YOLOv5的表面缺陷检测方法 | |
Li et al. | Automatic bridge crack identification from concrete surface using ResNeXt with postprocessing | |
Shahrokhinasab et al. | Performance of image-based crack detection systems in concrete structures | |
CN116758084B (zh) | 基于图像数据的钣金件焊接缺陷智能检测方法 | |
Chen et al. | The defect detection of 3D-printed ceramic curved surface parts with low contrast based on deep learning | |
CN110084786B (zh) | 一种渐变背景的数字x射线图像缺陷自动识别方法 | |
CN115526515B (zh) | 一种水利水电用闸门的安全监测系统 | |
CN115184380A (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN110363706B (zh) | 一种大面积桥面图像拼接方法 | |
Yamaguchi et al. | Practical image measurement of crack width for real concrete structure | |
JP2021018233A (ja) | コンクリートの劣化の診断または予測方法 | |
CN1106572C (zh) | 铸坯断面质量的自动评价方法 | |
CN117437222A (zh) | 一种表面裂缝的统计方法 | |
CN114778684A (zh) | 一种基于服役场景的钢管性能评估方法及系统 | |
CN114549468A (zh) | 一种复合粘接构件界面脱粘缺陷自动识别成像方法及系统 | |
O'Byrne et al. | Texture analysis based detection and classification of surface features on ageing infrastructure elements | |
CN114511534B (zh) | 一种基于图像处理的pc板裂纹判断方法及系统 | |
CN114897794A (zh) | 基于数字图像处理的水泥基材料细密裂纹评估方法 | |
Lee et al. | A technique based on image processing for measuring cracks in the surface of concrete structures | |
CN110146027B (zh) | 一种sd-oct图像的青瓷釉层厚度测量方法 | |
CN118347882B (zh) | 一种沥青混合料疲劳寿命预测方法 | |
CN111126415A (zh) | 基于雷达探测图像的隧道钢筋检测计数系统、方法 | |
CN111289611A (zh) | 一种复合材料缺陷类型检测方法及装置 |
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 |