KR20200028776A - An improved binarization method for crack detection of concrete in image processing techniques - Google Patents
An improved binarization method for crack detection of concrete in image processing techniques Download PDFInfo
- Publication number
- KR20200028776A KR20200028776A KR1020180107357A KR20180107357A KR20200028776A KR 20200028776 A KR20200028776 A KR 20200028776A KR 1020180107357 A KR1020180107357 A KR 1020180107357A KR 20180107357 A KR20180107357 A KR 20180107357A KR 20200028776 A KR20200028776 A KR 20200028776A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- equation
- threshold
- concrete
- image processing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000002146 bilateral effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000009499 grossing Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000005336 cracking Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036571 hydration Effects 0.000 description 1
- 238000006703 hydration reaction Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법에 관한 것이다.The present invention relates to an improved binarization method of an image processing technique for concrete crack detection.
콘크리트 구조물의 표면에 발생되는 균열은 구조물의 손상을 직관적으로 판단할 수 있는 가장 확실한 손상 종류이며, 이러한 균열은 사용자의 불안감 증대 및 철근의 부식을 유발시킬 수 있다. 또한, 균열은 하중에 대한 유효 면적을 감소시키는 경향이 있기 때문에 콘크리트 구조물에서 가장 심각한 결함 중의 하나이다. 유효 하중 면적의 감소는 응력의 증가를 초래하고, 이는 콘크리트의 파손 원인이 될 수 있다. 따라서 균열을 조사하는 것은 콘크리트 구조물의 유지관리 및 손상 상태 평가 측면에서 상당히 중요하다. 균열은 콘크리트의 표면으로부터 발생되며, 미세한 폭의 균열은 시각적인 판독을 거의 불가능하게 한다. 균열은 콘크리트의 인장강도 저하에 직접적인 영향을 받는다. 인장강도 저하는 많은 요인에 의해 발생될 수 있으며, 이러한 요인들의 다양한 조합은 콘크리트에서 균열의 여러 가지 형태로 나타난다. 콘크리트 구조물에서 균열의 각 원인은 이에 대한 다양한 손상과 파괴 모드를 유발시킨다. 또한 굳지 않은 콘크리트는 고온 조건 및 저온 조건에서 균열의 지배를 받을 수 있으며, 특히 충분히 양생되지 않은 콘크리트에서는 이러한 현상이 더욱 가중된다. 온도 조건 및 수화열에 의한 콘크리트 균열 양상은 콘크리트의 개발 초창기부터 알려져 온 현상이다. 콘크리트 구조물의 균열 조사에 대한 가장 보편적인 방법은 전자 현미경 또는 광학 형광 현미경을 사용하는 것이다. 일반적으로 이러한 현미경의 발전과 균열 이미지에 대한 영상 처리 기법(image processing techniques)은 콘크리트를 정밀 조사할 수 있는 기반을 마련하고, 콘크리트 균열의 패턴 분석을 가능하게 한다. 영상 처리 기법은 영상 구조체에 특정 연산을 적용하여 이미지에서 의미 있는 객체를 추출하는 작업을 의미한다.Cracks occurring on the surface of a concrete structure are the most obvious types of damage that can intuitively determine the damage to the structure, and these cracks can increase the user's anxiety and cause corrosion of the rebar. In addition, cracking is one of the most serious defects in concrete structures because it tends to reduce the effective area for load. Decreasing the effective load area leads to an increase in stress, which can cause the concrete to break. Therefore, investigating cracks is very important in terms of maintenance and damage assessment of concrete structures. Cracks arise from the surface of the concrete, and cracks of a narrow width make visual readout almost impossible. Cracks are directly affected by the decrease in the tensile strength of concrete. A decrease in tensile strength can be caused by many factors, and various combinations of these factors appear in different forms of cracks in concrete. Each cause of cracks in a concrete structure causes various damage and failure modes for it. In addition, unconsolidated concrete can be subject to cracking at high and low temperature conditions, especially in concrete that is not sufficiently cured. Concrete cracks due to temperature conditions and hydration heat have been known since the early days of concrete development. The most common method for crack investigation of concrete structures is to use an electron microscope or an optical fluorescence microscope. In general, the development of these microscopes and image processing techniques for crack images provide a basis for detailed investigation of concrete and enable pattern analysis of concrete cracks. The image processing technique refers to a task of extracting a meaningful object from an image by applying a specific operation to an image structure.
본 발명은 상기와 같은 문제점을 해결하기 위해서, 콘크리트 균열 이미지에 대한 영상 처리 기법을 적용하기 위해 필수적인 과정인 이진화에 대한 향상된 방법을 제시함으로써 이미지 균열 검출에 대한 신뢰성을 높이고자 한다.In order to solve the above problems, the present invention intends to increase the reliability of image crack detection by presenting an improved method for binarization, which is an essential process for applying image processing techniques to concrete crack images.
본 발명에 따른 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법은 콘크리트 균열 이미지에 대하여 콘크리트 균열 검출을 위해 영상 처리 기법을 적용하는 이진화 방법에 있어서, 콘크리트 균열 이미지를 Grayscale로 변환하는 단계(S100); Grayscale로 변환된 이미지에 미리 지정된 값보다 큰 값과 작은 값을 가진 픽셀을 제거하여 노이즈를 제거하는 Blurring 단계(S200) 및 Blurring 이미지에 대해 Threshold Value를 적용하여 Binary 이미지의 결과를 얻는 영상 이진화 단계(S300)를 포함하는 것을 특징으로 한다.An improved binarization method of an image processing technique for concrete crack detection according to the present invention is a binarization method that applies an image processing technique for concrete crack detection on a concrete crack image, converting the concrete crack image to grayscale (S100) ; Blurring step (S200) to remove noise by removing pixels with values larger and smaller than a predetermined value to the grayscale converted image, and image binarization step to obtain the result of a binary image by applying a threshold value to the blurring image ( S300).
본 발명은 이미지 균열 검출에 대한 신뢰성이 높고, 회색 영상에 대하여 다양한 Blurring 연산을 수행하고, 각각의 Blurring 연산 결과 이미지에 대하여 여러 이진화 방법을 적용함으로써 균열 이미지에 대한 노이즈를 제거하는 효과를 보유하고 있다.The present invention has a high reliability for image crack detection, performs various blurring operations on gray images, and has the effect of removing noise for crack images by applying various binarization methods to images resulting from each blurring operation. .
도 1은 본 발명에 따른 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법의 순서도이다.
도 2는 본 발명에 따른 Threshold Operation의 종류 중 하나인 Value and Threshold Level이다.
도 3은 본 발명에 따른 Threshold Operation의 종류 중 하나인 Threshold Binary이다.
도 4는 본 발명에 따른 Threshold Operation의 종류 중 하나인 Threshold Truncate이다.
도 5는 본 발명에 따른 Threshold Operation의 종류 중 하나인 Threshold to Zero이다.
도 6은 본 발명에 따른 실시 예로 이진화 결과 및 Blurring 결과이다.1 is a flowchart of an improved binarization method of an image processing technique for concrete crack detection according to the present invention.
2 is a value and threshold level, which is one of the types of threshold operations according to the present invention.
3 is a Threshold Binary, which is one of the types of Threshold Operation according to the present invention.
4 is a Threshold Truncate which is one of the types of Threshold Operation according to the present invention.
5 is a Threshold to Zero which is one of the types of Threshold Operation according to the present invention.
6 is an example according to the present invention and results of binarization and blurring.
이하에서는, 본 발명의 실시 예에 따른 도면을 참조하여 설명하지만, 이는 본 발명의 더욱 용이한 이해를 위한 것으로, 본 발명의 범주가 그것에 의해 한정되는 것은 아니다.Hereinafter, with reference to the drawings according to an embodiment of the present invention, but for easier understanding of the present invention, the scope of the present invention is not limited by it.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.When a part of the specification "includes" a certain component, this means that other components may be further included instead of excluding other components unless specifically stated otherwise.
설명에 앞서 본 명세서에는 다수의 양태 및 실시양태가 기술되며, 이들은 단순히 예시적인 것으로서 한정하는 것이 아니다.Prior to the description, a number of aspects and embodiments are described herein, and these are merely illustrative and not limiting.
본 명세서를 읽은 후에, 숙련자는 다른 양태 및 실시예가 본 발명의 범주로부터 벗어남이 없이 가능함을 이해할 것이다.After reading this specification, skilled artisans will appreciate that other aspects and embodiments are possible without departing from the scope of the invention.
이하에서 설명되는 실시양태의 상세 사항을 다루기 전에, 몇몇 용어를 정의하거나 또는 명확히 하기로 한다.Before addressing the details of the embodiments described below, some terms will be defined or clarified.
argmax함수는 함수 f(x)를 최솟값으로 만들기 위한 x 값을 의미한다.The argmax function means the x value to make the function f (x) the minimum value.
본 발명에 따른 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법은 콘크리트 균열 이미지에 대하여 콘크리트 균열 검출을 위해 영상 처리 기법을 적용하는 이진화 방법에 있어서, 콘크리트 균열 이미지를 Grayscale로 변환하는 단계(S100); Grayscale로 변환된 이미지에 미리 지정된 값보다 큰 값과 작은 값을 가진 픽셀을 제거하여 노이즈를 제거하는 Blurring 단계(S200) 및 Blurring 이미지에 대해 Threshold Value를 적용하여 Binary 이미지의 결과를 얻는 영상 이진화 단계(S300)를 포함하는 것을 특징으로 한다.An improved binarization method of an image processing technique for concrete crack detection according to the present invention is a binarization method that applies an image processing technique for concrete crack detection to a concrete crack image, converting the concrete crack image to grayscale (S100) ; Blurring step (S200) to remove noise by removing pixels with values larger and smaller than a predetermined value to the grayscale converted image, and image binarization step to obtain the result of a binary image by applying a threshold value to the blurring image ( S300).
또한, 상기 단계(S300)에서 상기 영상 이진화는, 하기 수학식 1의 Threshold Binary; 하기 수학식 2의 Threshold Truncate; 하기 수학식 3의 Threshold to Zero; 하기 수학식 4의 Threshold Otsu 및 하기 수학식 5의 Adaptive Threshold 중 어느 하나 인 것을 특징으로 한다.In addition, in the step (S300), the image binarization includes: Threshold Binary of Equation 1 below; Threshold Truncate of Equation 2 below; Threshold to Zero in Equation 3 below; It is characterized in that it is one of the Threshold Otsu of Equation 4 below and the Adaptive Threshold of Equation 5 below.
(수학식 1)(Equation 1)
(수학식 2)(Equation 2)
(수학식 3)(Equation 3)
(수학식 4)(Equation 4)
(수학식 5)(Equation 5)
단, dst(x,y)는 출력이미지, src(x,y)는 입력 이미지, threshold는 미리 지정한 threshold 값, g는 임계값, m은 이미지 행렬에 대한 열의 개수, ω0는 이미지에 대한 객체 필셀의 비율, ω1은 배경 픽셀의 비율, μ0는 객체의 평균 Grayscale 레벨, μ1은 배경에 대한 평균 Grayscale 레벨, μ는 이미지에 대한 전체 평균 Grayscale 레벨.However, dst (x, y) is the output image, src (x, y) is the input image, threshold is the predefined threshold value, g is the threshold value, m is the number of columns for the image matrix, ω 0 is the object for the image The percentage of pixels, ω 1 is the percentage of background pixels, μ 0 is the average grayscale level of the object, μ 1 is the average grayscale level for the background, μ is the total average grayscale level for the image.
또한, 상기 Blurring 단계(S200)는, 하기 수학식 6을 적용한 필터인 Simple Blur; 픽셀 주위 사각형 영역에서 중간값을 선택하여 해당 픽셀의 값으로 교체하는 방식의 Median Blur; 하기 수학식 7의 가우시안 함수로 표현되는 Gaussian kernel과 컨볼루션을 통하여 결과 영상을 생성하는 Gaussian Blur 및 하기 수학식 8의 Bilateral Blur 중 어느 하나를 적용한 것을 특징으로 한다.In addition, the Blurring step (S200), Simple Blur is a filter to which Equation 6 is applied; Median Blur, which selects an intermediate value in a rectangular area around a pixel and replaces it with the value of the corresponding pixel; It is characterized in that either the Gaussian kernel expressed by the Gaussian function of Equation 7 below and the Gaussian Blur generating the result image through convolution and the Bilateral Blur of Equation 8 below are applied.
(수학식 6)(Equation 6)
단, K는 Kernel, k.size는 Blurring Kernel의 크기.However, K is the size of Kernel and k.size is the size of Blurring Kernel.
(수학식 7)(Equation 7)
단, σ는 가우시안 분포의 표준편차.However, σ is the standard deviation of the Gaussian distribution.
(수학식 8)(Equation 8)
(수학식 9)(Equation 9)
단, f와 h는 입력이미지와 결과 이미지가 다중 대역임을 의미, k는 Kernel로써 상기 수학식 9와 같이 정의.However, f and h mean that the input image and the resulting image are multi-band, k is Kernel, and is defined as in Equation (9) above.
다음은 본 발명에 따른 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법에 대하여 도면을 참조하여 좀 더 상세히 설명하도록 한다.Next, an improved binarization method of an image processing technique for concrete crack detection according to the present invention will be described in more detail with reference to the drawings.
먼저, Threshold Value는, 콘크리트 균열에 대한 영상 처리는 이미지 내 픽셀 중에서 특정 값보다 큰 값을 갖는 픽셀만 남기고 나머지 픽셀은 무시하거나 또는 그 반대의 작업이 선행되어야 한다. 이러한 작업은 픽셀 행렬로 이루어진 이미지와 특정 Threshold Value에 대하여 이미지 내 모든 픽셀을 Threshold Value와 비교함으로써 지정된 연산이 수행 가능하게 된다. 일반적으로 Threshold Value의 적용은 Grayscale 이미지에 적용되어 Binary 이미지의 결과를 보여주며, 너무 작거나 큰 값을 가진 픽셀을 제거하는 과정을 통해 노이즈 제거 효과도 고려해 볼 수 있다. Threshold Value의 적용은 그 연산 식에 따라 여러 가지로 구분될 수 있으며, 도 2 내지 도 5와 같이 비교적 간단한 연산에 의한 방법과 Otsu 알고리즘 및 Adaptive Threshold에 의한 방법 등이 있다.First, for the threshold value, image processing for a concrete crack should be preceded by ignoring the remaining pixels or vice versa, leaving only pixels having a value greater than a specific value among the pixels in the image. In this operation, a specified operation can be performed by comparing all pixels in the image with a threshold value for an image of a pixel matrix and a specific threshold value. In general, the application of the Threshold Value is applied to the grayscale image to show the result of the binary image, and the noise removal effect can be considered through the process of removing pixels with values that are too small or too large. Application of the Threshold Value can be divided into various types according to the calculation formula, and there are a method by a relatively simple operation as shown in FIGS. 2 to 5, an Otsu algorithm, and a method by Adaptive Threshold.
도 2는 Value and Threshold Level을 의미하며, 도 3은 하기 수학식 1의 Threshold Binary; 도 4는 하기 수학식 2의 Threshold Truncate; 도 5는 하기 수학식 3의 Threshold to Zero를 의미한다.Figure 2 means Value and Threshold Level, Figure 3 is the Threshold Binary of Equation 1 below; 4 is a Threshold Truncate of Equation 2 below; 5 means Threshold to Zero in Equation 3 below.
(수학식 1)(Equation 1)
(수학식 2)(Equation 2)
(수학식 3)(Equation 3)
또한, 하기 수학식 4는 Threshold Otsu이고, 하기 수학식 5는 Adaptive Threshold를 의미한다.In addition, Equation 4 below is a Threshold Otsu, and Equation 5 below means an Adaptive Threshold.
(수학식 4)(Equation 4)
(수학식 5)(Equation 5)
단, dst(x,y)는 출력이미지, src(x,y)는 입력 이미지, threshold는 미리 지정한 threshold 값, g는 임계값, m은 이미지 행렬에 대한 열의 개수, ω0는 이미지에 대한 객체 필셀의 비율, ω1은 배경 픽셀의 비율, μ0는 객체의 평균 Grayscale 레벨, μ1은 배경에 대한 평균 Grayscale 레벨, μ는 이미지에 대한 전체 평균 Grayscale 레벨.However, dst (x, y) is the output image, src (x, y) is the input image, threshold is the predefined threshold value, g is the threshold value, m is the number of columns for the image matrix, ω 0 is the object for the image The percentage of pixels, ω 1 is the percentage of background pixels, μ 0 is the average grayscale level of the object, μ 1 is the average grayscale level for the background, μ is the total average grayscale level for the image.
다음은 Threshold Otsu에 대해 상세히 설명하도록 한다.The following describes the Threshold Otsu in detail.
Threshold Otsu 알고리즘은 이미지에 대한 배경과 객체의 Grayscale 범위가 다를 경우, 히스토그램 상에서 두 그룹으로 분리되는 값을 Threshold Value로 사용한다. 이는 두 그룹에 대한 각각의 분산이 최대값을 갖도록 Thrshold Value가 선택될 때 가능해진다. Otsu 알고리즘에 의해서 최적의 조건을 가지는 임계값은 상기 수학식 4와 같이 정의된다.When the background for the image and the grayscale range of the object are different, the Threshold Otsu algorithm uses a value that is divided into two groups on the histogram as the Threshold Value. This is possible when the Thrshold Value is selected so that each variance for the two groups has the maximum value. The threshold having the optimal condition by the Otsu algorithm is defined as in Equation 4 above.
여기서, t는 
다음은 Adaptive Threshold에 관하여 상세히 설명하도록 한다.The following describes the Adaptive Threshold in detail.
Adaptive Threshold는 주변 픽셀들의 분포를 분석하여 Threshold Value를 결정하는 방법이다. Adaptive Threshold는 두 종류의 방법이 있으며, Adaptive Threshold T(x,y)는 픽셀마다 다른 값을 갖는다. T(x,y)는 각 픽셀 주변 (block size) x (block size)에서 계산된 가중치 평균값에서 지정된 상수값을 뺀 값으로 결정된다. Adaptive Threshold Mean Constant의 경우 가중치는 모두 동일한 값으로 지정되며, Adaptive Threshold Gaussian Constant의 경우 가중치는 가우시안 함수의 형태로 지정되어 중심 쪽 픽셀에 대한 가중치가 좀 더 크게 부여된다. Adaptive Threshold 방법은 이미지에 강한 조명 또는 반사가 존재하여 밝기값이 점진적으로 변화하는 경우에 유용하며 다음과 같이 수학식 5에 따라 연산된다.Adaptive Threshold is a method to determine the Threshold Value by analyzing the distribution of surrounding pixels. There are two types of Adaptive Threshold, and Adaptive Threshold T (x, y) has different values for each pixel. T (x, y) is determined by subtracting the specified constant value from the weighted average value calculated at (block size) x (block size) around each pixel. In the case of the Adaptive Threshold Mean Constant, the weights are all assigned to the same value. In the case of the Adaptive Threshold Gaussian Constant, the weights are specified in the form of a Gaussian function, so that the weight for the center pixel is given more weight. The adaptive threshold method is useful when the brightness value gradually changes due to strong illumination or reflection in the image, and is calculated according to Equation 5 as follows.
다음은 Blurring 단계에 대하여 좀 더 상세히 설명하도록 한다.Next, the Blurring step will be described in more detail.
먼저 Simple Blur는 Blurring 또는 Smoothing은 주로 영상의 노이즈 또는 손상을 완화시키기 위해서 사용된다. Simple Blur는 가장 간단한 형태의 Smoothing이며, 결과 영상의 픽셀값은 입력 영상에 대한 주변 픽셀들의 평균값으로 결정된다. Simple Blur는 하기 수학식 6과 같은 커널이 적용된 정규화된(normalized) 박스 필터이다.First, Bluring or Smoothing of Simple Blur is mainly used to mitigate noise or damage of an image. Simple Blur is the simplest form of smoothing, and the pixel value of the resulting image is determined as the average value of the surrounding pixels for the input image. Simple Blur is a normalized box filter to which a kernel such as Equation 6 below is applied.
(수학식 6)(Equation 6)
단, K는 Kernel, k.size는 Blurring Kernel의 크기.However, K is the size of Kernel and k.size is the size of Blurring Kernel.
다음은 Median Blur에 대해 상세히 설명하도록 한다.The following describes the Median Blur in detail.
Median Filter는 픽셀 주변 사각형 영역에서 중간값을 선택하여 해당 픽셀의 값으로 교체하는 방식으로 연산되며, Median Blur는 (k.size) x (k.size)의 Median Filter에 의해서 Smoothing된다. 주변 픽셀에 대한 평균값을 사용하는 Simple Blur는 독립된 노이즈, 즉 샷 노이즈에 민감하게 반응할 수 있다. 이는 작은 영역의 픽셀에서 큰 차이를 가지는 샷 노이즈 픽셀값이 평균값 계산에 영향을 줄 수 있기 때문이다. Median Filter는 중간값을 선택함으로써 이러한 현상을 제외시킬 수 있다.The Median Filter is calculated by selecting the middle value from the rectangular area around the pixel and replacing it with the value of the corresponding pixel, and the Median Blur is smoothed by the Median Filter of (k.size) x (k.size). Simple Blur using an average value for surrounding pixels can be sensitive to independent noise, that is, shot noise. This is because shot noise pixel values having a large difference in pixels in a small area may affect the average value calculation. The Median Filter can exclude this phenomenon by selecting an intermediate value.
다음은 Gaussian(가우시안) Blur에 대해 상세히 설명하도록 한다.The following describes the Gaussian Blur in detail.
Gaussian Filter는 입력 영상의 각 픽셀에서 Gaussian 함수로 표현되는 특정 Gaussian kernel과의 컨볼루션(convolution)을 통하여 결과 영상을 생성한다. 2차원 영역인 이미지에 대한 Gaussian 함수는 하기 수학식 7과 같다.The Gaussian Filter generates a result image through convolution with a specific Gaussian kernel represented by a Gaussian function in each pixel of the input image. The Gaussian function for an image that is a two-dimensional region is as shown in Equation 7.
(수학식 7)(Equation 7)
단, σ는 가우시안 분포의 표준편차.However, σ is the standard deviation of the Gaussian distribution.
다음은 Bilateral Blur에 대하여 상세히 설명하도록 한다.Next, the bilateral blur will be described in detail.
Bilateral Blur는 경계 보존(edge-preserving) Smoothing이라고 알려져 있는 영상 분석 방법 중의 하나이다. Gaussian Smoothing은 실제 영상에서 관심 픽셀의 변화가 주변 픽셀과 연관성이 많지만, 노이즈는 갑작스럽게 변한다는 점에서 착안된 개념이다. 이러한 이유로 Gaussian Smoothing은 영상을 보존하면서 잡음만 제거할 수 있게 되지만, 경계선 근처에서는 경계선을 노이즈로 인식하는 경향이 있다. 따라서 Gaussian Smoothing은 주변 픽셀값들과 연관성이 적은 경계선 부근에서 영상을 평탄화시킴으로써 경계선을 모호하게 한다. 이와 다르게 Bilateral Filter는 경계선을 보존하면서 영상의 Smoothing을 수행한다. Bilateral Filter는 Gaussian Smoothing과 유사하게 각 픽셀과 주변 요소들로부터 가중 평균(weighted average)을 구한다. 이때 가중치는 두 개의 성분을 갖는데, 하나는 Gaussian Smoothing에서 사용되는 가중치와 동일하고, 나머지 하나는 Gaussian 가중치와 유사하지만 중심으로부터의 거리에 의해 결정되는 값이 아니라 중심 픽셀값과의 밝기 차이에 의해 결정되는 가중치를 사용한다. 즉, Bilateral Filter는 유사한 픽셀에 대하여 더 큰 가중치를 부여하는 Gaussian Smoothing이라고 간주할 수 있다. Bilateral Filter는 하기의 수학식 8과 같이 정의된다.Bilateral Blur is one of the image analysis methods known as edge-preserving smoothing. Gaussian Smoothing is a concept that is devised in that the change of the pixel of interest in the real image has a lot to do with surrounding pixels, but the noise changes abruptly. For this reason, Gaussian Smoothing can remove noise while preserving the image, but tends to recognize the border as noise near the border. Therefore, Gaussian Smoothing obscures the boundary line by flattening the image around the boundary line that has little to do with surrounding pixel values. Unlike this, the Bilateral Filter performs image smoothing while preserving the boundary. The bilateral filter obtains a weighted average from each pixel and surrounding elements, similar to Gaussian Smoothing. At this time, the weight has two components, one is the same as the weight used in Gaussian Smoothing, and the other is similar to the Gaussian weight, but it is determined by the difference in brightness from the center pixel value, not the value determined by the distance from the center. Use weights. That is, the Bilateral Filter can be considered as Gaussian Smoothing, which gives a larger weight to similar pixels. Bilateral Filter is defined as Equation 8 below.
(수학식 8)(Equation 8)
여기서, f와 h는 입력 이미지와 결과 이미지가 다중 대역임을 의미하며, 는 Kernel로써 하기의 수학식 9와 같이 정의된다.Here, f and h mean that the input image and the resulting image are multi-band, and is defined as Equation 9 below as Kernel.
(수학식 9)(Equation 9)
다음은 실시 예를 통해 본 발명에 따른 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법에 대해 상세히 설명하도록 한다.The following is a detailed description of an improved binarization method of an image processing technique for concrete crack detection according to the present invention.
본 발명의 목적은 콘크리트 균열 이미지에 대한 영상 처리 기법의 적용에 있어서 반드시 수행되어야 하는 이진화 과정에 대한 새로운 접근법을 제안하는 것이다. 이를 위하여 콘크리트 표면에 대하여 다양한 균열 형상을 보이는 건조수축 균열 이미지 영상을 촬영하고, 촬영된 이미지에 대하여 5가지 방법에 의한 이진화와 4가지 방법에 의한 Blurring을 수행하였다. Threshold Binary의 경우 Threshold Value는 150으로 설정하였고, Adaptive Threshold에 대한 Block Size는 7이며, Constant C는 8.0으로 적용되었다. Simple Blur에 대하여 Ksize는 3이며, Gaussian Blur에 대한 축 및 축 표준편차는 3.0이다. Bilateral Blur에 대한 Diameter D는 15이며, 색상과 공간에 대한 표준편차는 모두 30.0으로 적용되었다. 이진화와 Blurring이 동시에 적용된 경우 Blurring을 먼저 수행한 후 이진화를 진행하였다. 본 연구는 자바 언어와 OpenvCV Library를 이용하여 수행되었으며, 본 발명에서 제안하는 방법은 다음과 같이 세 가지 단계로 구분된다.The object of the present invention is to propose a new approach to the binarization process that must be performed in the application of image processing techniques to concrete crack images. To this end, images of dry shrinkage cracks showing various crack shapes were taken on the concrete surface, and binarization by 5 methods and blurring by 4 methods were performed on the captured images. For Threshold Binary, Threshold Value was set to 150, Block Size for Adaptive Threshold was 7, and Constant C was applied to 8.0. For Simple Blur, Ksize is 3, and the standard deviation of axis and axis for Gaussian Blur is 3.0. Diameter D for Bilateral Blur is 15, and standard deviation for color and space is 30.0. When binarization and blurring were applied at the same time, blurring was performed first and then binarization was performed. This study was conducted using Java language and OpenvCV Library, and the method proposed in the present invention is divided into three steps as follows.
Step 1: Original Image에 대한 Grayscale 변환Step 1: Grayscale conversion for the original image
Step 2: Grayscale Image에 대한 BlurringStep 2: Blurring for Grayscale Image
Step 3: Blurring Image에 대한 BinarizationStep 3: Binarization for Blurring Image
도 6은 5가지 방법에 의한 이진화 결과와 4가지 방법에 의한 Blurring 결과를 보여주고 있다. 도 6에서 볼 수 있는 바와 같이 Blurring 과정 없이 이진화만 수행된 결과는 노이즈가 많이 포함되어 있으므로 균열 검출에는 적당하지 않다. 이러한 영향을 감소시키기 위해 Blurring의 노이즈 제거 효과를 고려하여 이진화 과정 전에 Blurring이 수행된다. 앞에서 언급한 바와 같이 Adaptive Threshold는 조명에 의한 반사 등을 제거해주는 효과가 있으며, 표1에서 이미지 중앙 부분의 얼룩이 사라진 것으로 그 결과가 확인된다. 또한, 4가지 Blurring 결과를 비교해 볼때 Bilateral Blur의 경우, 주요 균열 객체는 유지되면서 노이즈 제가 효과가 탁월한 것을 알 수 있다. 일반적으로 균열은 그 특성상 대부분 연속적인 형상으로 발생되고, 노이즈는 점의 형태로 나타난다. 따라서 영상 처리 기법을 이용한 균열 검출을 위해 Adative Threshold 과정 전에 Bilateral Blurring을 적용함으로써 노이즈와 얼룩을 감소시키고, 연결된 균열 객체 검출에 대한 가능성을 높일 수 있다.6 shows the results of binarization by five methods and the results of blurring by four methods. As can be seen in Figure 6, the result of performing binarization without blurring process is not suitable for crack detection because it contains a lot of noise. Blurring is performed prior to the binarization process in consideration of the noise removal effect of blurring to reduce this effect. As mentioned earlier, Adaptive Threshold has the effect of removing reflections caused by illumination, and the result is confirmed in Table 1 as the stain in the center of the image disappeared. In addition, when comparing the four Blurring results, it can be seen that in the case of the bilateral blur, the noise cracking effect is excellent while the main crack object is maintained. In general, cracks are generated in a continuous shape due to their characteristics, and noise appears in the form of dots. Therefore, to detect cracks using image processing techniques, it is possible to reduce noise and stains by applying Bilateral Blurring before the Adative Threshold process, and increase the possibility of detecting connected crack objects.
따라서, 본 발명은 영상 처리 기법을 이용한 콘크리트 표면 이미지의 균열 검출에서 필수적인 과정인 이진화 방법에 대한 새로운 접근법을 제안하는 것이다. 콘크리트 표면은 조도 영향에 의한 샷 노이즈가 포함될 수 있고, 지하 구조물의 공간적 특성상 이미지 촬영 조명에 의한 반사가 생길 수 있으며, 시간의 경과와 더불어 발생되는 얼룩이 포함될 수 있다. 따라서 영상 처리 기법에 의한 콘크리트 균열 검출시 이러한 요인들은 제거되어야 한다. 앞에서 언급한 바와 같이 Adaptive Threshold는 조명 반사와 얼룩을 제거하는데 탁월한 효과가 있으며, Bilateral Blru는 균열의 경계를 유지하면서 노이즈를 제거할 수 있다. 본 발명에서 실시 예를 통해 제안된 방법에 대한 실험적 결과는 얼룩과 샷 노이즈가 제거된 균열 객체가 비교적 선명하게 검출된다. 이러한 방법은 차후 균열 폭 및 균열 길이에 대한 분석시 신뢰성 있는 결과를 도출할 수 있을 것이다.Accordingly, the present invention proposes a new approach to the binarization method, which is an essential process in crack detection of concrete surface images using image processing techniques. The concrete surface may include shot noise due to the effect of illuminance, reflection due to imaging lighting may occur due to the spatial characteristics of the underground structure, and stains generated over time may be included. Therefore, these factors should be eliminated when detecting concrete cracks by image processing techniques. As mentioned earlier, Adaptive Threshold has an excellent effect in removing light reflections and stains, while Bilateral Blru can remove noise while maintaining the boundaries of cracks. In the present invention, experimental results for the proposed method through the embodiments show that the crack object from which stains and shot noise are removed is relatively clearly detected. This method will lead to reliable results when analyzing the crack width and crack length in the future.
이상 본 발명의 실시 예에 따른 도면을 참조하여 설명하였지만, 본 발명이 속한 분야에서 통상의 지식을 가진 자라면 상기 내용을 바탕으로 본 발명의 범주 내에서 다양한 응용 및 변형을 행하는 것이 가능할 것이다.Although described above with reference to the drawings according to embodiments of the present invention, those skilled in the art to which the present invention pertains will be able to perform various applications and modifications within the scope of the present invention based on the above.
Claims (3)
콘크리트 균열 이미지를 Grayscale로 변환하는 단계(S100);
Grayscale로 변환된 이미지에 미리 지정된 값보다 큰 값과 작은 값을 가진 픽셀을 제거하여 노이즈를 제거하는 Blurring 단계(S200) 및
Blurring 이미지에 대해 Threshold Value를 적용하여 Binary 이미지의 결과를 얻는 영상 이진화 단계(S300)를 포함하는 것을 특징으로 하는 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법.
In the binarization method using an image processing technique for the detection of concrete cracks on concrete crack images,
Converting the concrete crack image to grayscale (S100);
Blurring step (S200) of removing noise by removing pixels having values larger and smaller than a predetermined value in the grayscale-converted image, and
An improved binarization method of an image processing technique for concrete crack detection, comprising an image binarization step (S300) of obtaining a result of a binary image by applying a threshold value to a blurring image.
상기 단계(S300)에서 상기 영상 이진화는,
하기 수학식 1의 Threshold Binary;
하기 수학식 2의 Threshold Truncate;
하기 수학식 3의 Threshold to Zero;
하기 수학식 4의 Threshold Otsu 및
하기 수학식 5의 Adaptive Threshold 중 어느 하나 인 것을 특징으로 하는 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법.
(수학식 1)
(수학식 2)
(수학식 3)
(수학식 4)
(수학식 5)
단, dst(x,y)는 출력이미지, src(x,y)는 입력 이미지, threshold는 미리 지정한 threshold 값, g는 임계값, m은 이미지 행렬에 대한 열의 개수, ω0는 이미지에 대한 객체 필셀의 비율, ω1은 배경 픽셀의 비율, μ0는 객체의 평균 Grayscale 레벨, μ1은 배경에 대한 평균 Grayscale 레벨, μ는 이미지에 대한 전체 평균 Grayscale 레벨.
The method according to claim 1,
In the step (S300), the video binarization,
Threshold Binary of Equation 1 below;
Threshold Truncate of Equation 2 below;
Threshold to Zero in Equation 3 below;
Threshold Otsu of Equation 4 below and
An improved binarization method of an image processing technique for concrete crack detection, characterized in that it is one of the following Adaptive Threshold of Equation 5.
(Equation 1)
(Equation 2)
(Equation 3)
(Equation 4)
(Equation 5)
However, dst (x, y) is the output image, src (x, y) is the input image, threshold is the predefined threshold value, g is the threshold value, m is the number of columns for the image matrix, ω 0 is the object for the image The percentage of pixels, ω 1 is the percentage of background pixels, μ 0 is the average grayscale level of the object, μ 1 is the average grayscale level for the background, μ is the total average grayscale level for the image.
상기 Blurring 단계(S200)는,
하기 수학식 6을 적용한 필터인 Simple Blur;
픽셀 주위 사각형 영역에서 중간값을 선택하여 해당 픽셀의 값으로 교체하는 방식의 Median Blur;
하기 수학식 7의 가우시안 함수로 표현되는 Gaussian kernel과 컨볼루션을 통하여 결과 영상을 생성하는 Gaussian Blur 및
하기 수학식 8의 Bilateral Blur 중 어느 하나를 적용한 것을 특징으로 하는 콘크리트 균열 검출에 대한 영상 처리 기법의 향상된 이진화 방법.
(수학식 6)
단, K는 Kernel, k.size는 Blurring Kernel의 크기.
(수학식 7)
단, σ는 가우시안 분포의 표준편차.
(수학식 8)
(수학식 9)
단, f와 h는 입력이미지와 결과 이미지가 다중 대역임을 의미, k는 Kernel로써 상기 수학식 9와 같이 정의.
The method according to claim 1,
The Blurring step (S200),
Simple Blur, a filter to which Equation 6 below is applied;
Median Blur, which selects an intermediate value in a rectangular area around a pixel and replaces it with the value of the corresponding pixel;
The Gaussian kernel represented by the Gaussian function of Equation 7 below and the Gaussian Blur generating the result image through convolution and
An improved binarization method of an image processing technique for concrete crack detection, characterized in that any one of the following Bilateral Blur of Equation (8) is applied.
(Equation 6)
However, K is the size of Kernel and k.size is the size of Blurring Kernel.
(Equation 7)
However, σ is the standard deviation of the Gaussian distribution.
(Equation 8)
(Equation 9)
However, f and h mean that the input image and the result image are multi-band, k is Kernel and is defined as in Equation 9.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180107357A KR20200028776A (en) | 2018-09-07 | 2018-09-07 | An improved binarization method for crack detection of concrete in image processing techniques |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180107357A KR20200028776A (en) | 2018-09-07 | 2018-09-07 | An improved binarization method for crack detection of concrete in image processing techniques |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200028776A true KR20200028776A (en) | 2020-03-17 |
Family
ID=70003729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180107357A KR20200028776A (en) | 2018-09-07 | 2018-09-07 | An improved binarization method for crack detection of concrete in image processing techniques |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200028776A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818878A (en) * | 2021-02-05 | 2021-05-18 | 福州大学 | Tower crane crack identification and qualitative method |
| CN116309447A (en) * | 2023-03-17 | 2023-06-23 | 水利部交通运输部国家能源局南京水利科学研究院 | Dam slope crack detection method based on deep learning |
| CN117079062A (en) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | Dynamic and static influence parameter analysis method based on pavement crack analysis method |
| CN117079144A (en) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | Linear crack extraction method for asphalt pavement detection image under non-uniform illumination |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101316451B1 (en) | 2012-10-18 | 2013-10-08 | 현대건설주식회사 | Concrete surface crack detecting apparatus, detecting method, smart phone and public computer |
| KR101501120B1 (en) | 2014-05-20 | 2015-03-18 | 조선대학교산학협력단 | Crack detection apparatus and mehtod |
| KR101806272B1 (en) | 2017-07-10 | 2018-01-10 | 주식회사 태강이앤아이 | Concrete Crack Detection Device on Building Roof |
-
2018
- 2018-09-07 KR KR1020180107357A patent/KR20200028776A/en not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101316451B1 (en) | 2012-10-18 | 2013-10-08 | 현대건설주식회사 | Concrete surface crack detecting apparatus, detecting method, smart phone and public computer |
| KR101501120B1 (en) | 2014-05-20 | 2015-03-18 | 조선대학교산학협력단 | Crack detection apparatus and mehtod |
| KR101806272B1 (en) | 2017-07-10 | 2018-01-10 | 주식회사 태강이앤아이 | Concrete Crack Detection Device on Building Roof |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818878A (en) * | 2021-02-05 | 2021-05-18 | 福州大学 | Tower crane crack identification and qualitative method |
| CN116309447A (en) * | 2023-03-17 | 2023-06-23 | 水利部交通运输部国家能源局南京水利科学研究院 | Dam slope crack detection method based on deep learning |
| CN116309447B (en) * | 2023-03-17 | 2024-01-05 | 水利部交通运输部国家能源局南京水利科学研究院 | Dam slope crack detection method based on deep learning |
| CN117079062A (en) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | Dynamic and static influence parameter analysis method based on pavement crack analysis method |
| CN117079144A (en) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | Linear crack extraction method for asphalt pavement detection image under non-uniform illumination |
| CN117079062B (en) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | Dynamic and static influence parameter analysis method based on pavement crack analysis method |
| CN117079144B (en) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | Linear crack extraction method for asphalt pavement detection image under non-uniform illumination |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20200028776A (en) | An improved binarization method for crack detection of concrete in image processing techniques | |
| CN107507173B (en) | No-reference definition evaluation method and system for full-slice image | |
| Zhu et al. | Single image dehazing using color attenuation prior. | |
| JP4006007B2 (en) | Crack detection method | |
| KR101518722B1 (en) | Image enhancement processing method and apparatus for distortion correction by air particle like fog | |
| Dorafshan et al. | Automatic surface crack detection in concrete structures using OTSU thresholding and morphological operations | |
| KR101635461B1 (en) | System and Method for Automatically Detecting a Mura Defect using Mask Filtering in Wavelet Transform | |
| CN108876768B (en) | Shadow defect detection method for light guide plate | |
| Saini et al. | Object detection in underwater image by detecting edges using adaptive thresholding | |
| CN109472788B (en) | Method for detecting flaw on surface of airplane rivet | |
| Bai | Morphological infrared image enhancement based on multi-scale sequential toggle operator using opening and closing as primitives | |
| JP5812705B2 (en) | Crack detection method | |
| KR20190023374A (en) | Method for testing display pannel | |
| CN117274113B (en) | Broken silicon wafer cleaning effect visual detection method based on image enhancement | |
| WO2019181072A1 (en) | Image processing method, computer program, and recording medium | |
| JP5088165B2 (en) | Defect detection method and defect detection apparatus | |
| Schumacher et al. | THUNDER imagers: how do they really work | |
| Yildirim et al. | Simultaneously realization of image enhancement techniques on real-time FPGA | |
| CN104063851A (en) | Industrial transparent film package test method based on Retinex | |
| Ushma et al. | Object detection in image processing using edge detection techniques | |
| JP6113925B2 (en) | Fluorescence image processing apparatus and method | |
| JP2015210648A (en) | Image processing method and device for metallographic image, and image processing program | |
| JP6043178B2 (en) | Automatic unevenness detection apparatus and automatic unevenness detection method for flat panel display | |
| KR20200029778A (en) | A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures | |
| JP7009253B2 (en) | Image processing equipment, image processing methods and programs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |