KR20200029778A - A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures - Google Patents
A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures Download PDFInfo
- Publication number
- KR20200029778A KR20200029778A KR1020180108232A KR20180108232A KR20200029778A KR 20200029778 A KR20200029778 A KR 20200029778A KR 1020180108232 A KR1020180108232 A KR 1020180108232A KR 20180108232 A KR20180108232 A KR 20180108232A KR 20200029778 A KR20200029778 A KR 20200029778A
- Authority
- KR
- South Korea
- Prior art keywords
- crack
- image
- crack width
- concrete
- evaluating
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 claims abstract description 24
- 230000002146 bilateral effect Effects 0.000 claims abstract description 19
- 238000002372 labelling Methods 0.000 claims abstract description 19
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 claims description 15
- 238000005286 illumination Methods 0.000 abstract 1
- 238000000926 separation method Methods 0.000 abstract 1
- 230000003068 static effect Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 6
- 230000010339 dilation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
- G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/001—Image restoration
- G06T5/002—Denoising; Smoothing
-
- G06T5/70—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
본 발명은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭 평가 방법에 관한 것이다.The present invention relates to a method for evaluating the crack width of a concrete structure using an image processing technique.
콘크리트 구조물은 공용기간 동안 자중, 외력, 환경적 영향 등 다양한 하중 재하 상태에 놓여있다. 이러한 하중은 구조물의 구조적 손상뿐만 아니라 잠재적으로 구조물의 붕괴를 유발 시킬 수 있으며, 이는 사회적 및 경제적 손실을 초래한다. 따라서 콘크리트 구조물의 표면 균열은 구조물의 내구성 평가 과정에서 중요한 요인으로 인지되고 있다.Concrete structures are subjected to various loads, such as self-weight, external force, and environmental impact, during the public period. These loads can not only cause structural damage to the structure, but also potentially cause the collapse of the structure, which leads to social and economic losses. Therefore, the surface crack of the concrete structure is recognized as an important factor in the durability evaluation process of the structure.
콘크리트 구조물에 대한 안전점검 및 정밀안전진단 시 균열의 폭을 조사하는 것은 필수적인 항목이다. 기존의 균열 측정은 작업자의 육안에 의한 평가가 주로 사용되고 있으며, 균열 폭을 측정하기 위한 균열 게이지 등의 장비가 사용될 수 있지만, 현장의 시간적 제약 조건 때문에 거의 사용되지 않고 있다. 균열 폭에 대한 정확한 측정은 구조물의 효율적인 유지 관리를 위한 가장 기본적인 자료임에도 불구하고, 육안에 의한 측정은 작업자에 따른 일관되지 못한 결과로 평가되어 그 오차가 크게 발생된다. 또한, 지하 구조물 및 야간 작업시 현장 측정이 곤란하며, 비용과 인력이 과다하게 소요되므로 측정 범위의 확대 또는 신속한 작업이 곤란하다. 따라서 다양한 콘크리트 구조물에 대하여 측정 정확성과 작업자의 측정 편의성이 뛰어난 측정 방법의 필요성이 대두되고 있다.It is essential to investigate the width of cracks during safety inspection and precise safety diagnosis of concrete structures. Existing crack measurement is mainly performed by the operator's visual evaluation, and equipment such as a crack gauge for measuring crack width may be used, but it is rarely used due to time constraints in the field. Although accurate measurement of the crack width is the most basic data for efficient maintenance of the structure, the measurement by the naked eye is evaluated as an inconsistent result by the operator, and the error is greatly generated. In addition, it is difficult to measure on-site during underground structures and night work, and it is difficult to expand the measurement range or to work quickly because it is costly and labor intensive. Therefore, there is a need for a measurement method that is excellent in measurement accuracy and operator convenience for various concrete structures.
콘크리트 구조물의 표면 균열은 일반적으로 하나 또는 그 이상의 선 형상으로 발생된다. 이러한 균열의 특징은 영상 처리 기법(Image Processing Techniques)의 적용에 있어서 윤곽선(edge)에 대응될 수 있다. 윤곽선 검출 기법 및 차영상 분석 기법 등은 이러한 균열의 특징을 이용하여 적용될 수 있다. 콘크리트 균열에 대한 영상 처리 기법의 적용에 있어서 반드시 수행되어야 할 과정 중의 하나는 잡음의 제거이다. 기존의 잡음 제거에 대한 방법은 많은 연구자들에 의해서 Local Histogram Equalization 기법과 Labeling 기법 등 다양한 알고리즘으로 제안되어 왔다. 잡음이 제거된 영상은 Threshold Value에 의해 이진화되어야 하며, 연구자에 따라 여러 이진화 방법이 제안되었다.Surface cracks in concrete structures generally occur in one or more linear shapes. The characteristics of these cracks can correspond to the edges in the application of image processing techniques. The contour detection technique and the difference image analysis technique can be applied using the characteristics of these cracks. One of the processes that must be performed in the application of image processing techniques to concrete cracks is the removal of noise. Existing noise reduction methods have been proposed by many researchers with various algorithms such as Local Histogram Equalization and Labeling. The noise-removed image must be binarized by the threshold value, and several binarization methods have been proposed depending on the researcher.
본 발명은 Bilateral Blur를 통하여 점 형태의 잡음을 제거하고, Adaptive Threshold 이진화를 통하여 균열 영상의 먼지와 얼룩 및 촬영시 발생되는 그림자와 조명 반사 등에 대한 영향을 제거하고자 하였다.The present invention was intended to remove the noise in the form of dots through the Bilateral Blur, and to remove the effect of dust and stains in the crack image and shadows and light reflections when shooting through adaptive threshold binarization.
본 발명에 따른 콘크리트 구조물 균열 폭 평가 방법은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서, 콘크리트 표면을 카메라로 촬영하는 단계(S100); 촬영한 영상을 회색 영상으로 변환하는 단계(S200); 콘크리트 표면에 의해 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300); 상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400); 상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및 이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 한다.The method for evaluating the crack width of a concrete structure according to the present invention includes a method for evaluating the crack width of a concrete structure using an image processing technique, comprising: photographing a concrete surface with a camera (S100); Converting the captured image into a gray image (S200); Smoothing through Bilateral Blur to remove noise generated in the photographed image by a concrete surface (S300); Applying an Adaptive Threshold Gaussian Constant to remove the influence of shadows and lighting reflections on the captured image (S400); Applying a Closing operation (Dilation-Erosion) to compensate for the effect of separating a continuous concrete crack object due to the Adaptive Threshold Gaussian Constant (S500) and to detect a uniform candidate region in an image to which binarization and Closing operations are applied. And applying a labeling algorithm (S600).
본 발명은 Bilateral Blur를 통하여 점 형태의 잡음을 제거하고, Adaptive Threshold 이진화를 통하여 균열 영상의 먼지와 얼룩 및 촬영시 발생되는 그림자와 조명 반사 등에 대한 영향을 제거하고, Labeling 기법을 통하여 균열 객체를 분리하고, Labeling된 영역에 대한 면적비를 통하여 균열 후보 영역을 선정하여, 각각의 균열 폭은 위치 Histogram 분석과 삼각비를 이용하여 균열 후보 영역에서 계산되고, Reference Bar를 이용하여 미리 계산된 Scale Factor를 적용함으로써 콘크리트 표면에 대한 최대 균열 폭을 평가할 수 있는 효과를 보유하고 있다.The present invention removes the noise in the form of dots through the bilateral blur, removes the influence of dust and stains in the crack image and shadows and lighting reflections when shooting through adaptive threshold binarization, and separates crack objects through the labeling technique Then, by selecting a crack candidate area through the area ratio to the labeled area, each crack width is calculated from the crack candidate area using a positional histogram analysis and a triangular ratio, and by applying a pre-calculated scale factor using a reference bar. It has the effect of evaluating the maximum crack width on a concrete surface.
도 1은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 x축 Histogram을 나타낸다.
도 2는 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 y축 Histogram을 나타낸다.
도 3은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 균열 폭 평가를 나타낸다.
도 4는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 알고리즘이다.
도 5는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 균열 게이지에 의한 균열 폭 측정 실시 예이다.
도 6은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 순서도이다.1 shows an x-axis histogram in a crack width calculation method using a histogram according to the present invention.
Figure 2 shows the y-axis histogram in the crack width calculation method using the histogram according to the present invention.
3 shows crack width evaluation in a crack width calculation method using a histogram according to the present invention.
4 is an algorithm for evaluating crack width in a concrete structure using an image processing technique according to the present invention.
5 is an example of measuring the crack width by a crack gauge of the crack width evaluation method of a concrete structure using the image processing technique according to the present invention.
6 is a flowchart of a method for evaluating crack width in a concrete structure using an image processing technique according to the present invention.
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.
도 1은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 x축 Histogram을 나타내고, 도 2는 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 y축 Histogram을 나타내고, 도 3은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 균열 폭 평가를 나타내고, 도 4는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 알고리즘이고, 도 5는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 균열 게이지에 의한 균열 폭 측정 실시 예이고, 도 6은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 순서도이다.1 shows an x-axis histogram in a crack width calculation method using a histogram according to the present invention, FIG. 2 shows a y-axis histogram in a crack width calculation method using a histogram according to the present invention, and FIG. 3 shows a histogram according to the present invention Fig. 4 shows the crack width evaluation in the crack width estimation method using the method, Fig. 4 is an algorithm for evaluating the crack width of a concrete structure using the image processing method according to the present invention, and Fig. 5 is the crack width of a concrete structure using the image processing method according to the present invention. An example of crack width measurement by a crack gauge of an evaluation method, and FIG. 6 is a flowchart of a crack width evaluation method of a concrete structure using an image processing technique according to the present invention.
이하에서는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법을 도1 내지 도 6을 참조하여 실시 예를 통해 상세히 설명하도록 한다.Hereinafter, a method for evaluating crack width in a concrete structure using an image processing technique according to the present invention will be described in detail with reference to FIGS. 1 to 6.
본 발명에 따른 콘크리트 구조물 균열 폭 평가 방법은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서, 콘크리트 표면을 카메라로 촬영하는 단계(S100); 촬영한 영상을 회색 영상으로 변환하는 단계(S200); 콘크리트 표면에 의해 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300); 상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400); 상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및 이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 한다.The method for evaluating the crack width of a concrete structure according to the present invention includes a method for evaluating the crack width of a concrete structure using an image processing technique, comprising: photographing a concrete surface with a camera (S100); Converting the captured image into a gray image (S200); Smoothing through Bilateral Blur to remove noise generated in the photographed image by a concrete surface (S300); Applying an Adaptive Threshold Gaussian Constant to remove the influence of shadows and lighting reflections on the captured image (S400); Applying a Closing operation (Dilation-Erosion) to compensate for the effect of separating a continuous concrete crack object due to the Adaptive Threshold Gaussian Constant (S500) and to detect a uniform candidate region in an image to which binarization and Closing operations are applied. And applying a labeling algorithm (S600).
또한, 상기 단계(S300)은 Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 40으로 적용할 수 있다.In addition, in step S300, the diameter for the bilateral blur is 15, and the standard deviation for color and space is 40.
그리고, 상기 단계(S400)은 Block Size 7, Constant C 8.0으로 적용할 수 있다.And, the step (S400) can be applied to Block Size 7, Constant C 8.0.
다음은 Bialateral Blur에 대해 상세히 설명하도록 한다.The following describes the Bialateral Blur in detail.
Bilateral Blur는 경계 보존(edge-preserving) Smoothing이라고 알려져 있는 영상 분석 방법 중의 하나로써, 양방향 필터를 사용하여 Smoothing을 수행한다. Bilateral Blur는 각 픽셀과 주변 요소들로부터 가중 평균(weighted average)을 구하며, 가중치는 두 개의 성분을 갖는다. 하나는 Gaussian Smoothing에서 사용되는 가중치와 동일하고, 나머지 하나는 Gaussian 가중치와 유사하지만, 중심으로부터 거리에 따라 결정되는 값이 아니라 중심 픽셀 값과의 밝기 차이에 의해 결정되는 가중치를 사용한다. 즉, Bilateral Blur는 유사한 픽셀에 대하여 더 큰 가중치를 부여하는 Gaussian Smoothing이라고 간주할 수 있으며, 이는 콘크리트 표면에 대한 점 형태의 잡음 제거에 효과적일 수 있다. Bilateral Blur는 하기의 수학식 1과 같이 정의된다.Bilateral Blur is one of the image analysis methods known as edge-preserving smoothing, and smoothing is performed using a bidirectional filter. Bilateral Blur obtains a weighted average from each pixel and surrounding elements, and 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 uses the weight determined by the difference in brightness from the center pixel value, not the value determined by the distance from the center. In other words, Bilateral Blur can be considered as Gaussian Smoothing, which gives more weight to similar pixels, which can be effective in removing noise in the form of dots on a concrete surface. Bilateral Blur is defined as
(수학식 1)(Equation 1)
여기서 f와 h는 입력 영상과 결과 영상이 다중 대역임을 의미하며, k는 Kernel로써 하기 수학식 2와 같이 정의된다.Here, f and h mean that the input image and the result image are multi-band, and k is a kernel and is defined as in
(수학식 2)(Equation 2)
다음은 Adaptive Threshold에 대해 상세히 설명하도록 한다.The following describes the Adaptive Threshold in detail.
Adaptive Threshold는 특정 영역에 대한 주변 픽셀들의 분포를 분석하여 Threshold Value를 결정함으로써 이진화를 수행하는 방법이며, Adaptive Threshold T(x,y)는 특정 영역에 대하여 다른 값을 갖는다. T(x,y)는 각 픽셀 주변 (block size) × (block size)에서 계산된 가중치 평균값에서 지정된 상수를 뺀 값으로 결정된다. Adaptive Threshold 방법은 이미지에 강한 조명 또는 반사가 포함되어 픽셀 값이 점진적으로 변화하는 경우에 유용하며, Adaptive Threshold Mean Constant의 경우 가중치는 모두 동일한 값으로 지정되고, Adaptive Threshold Gaussian Constant의 경우 가중치는 가우시안 함수의 형태로 지정되어 중심 쪽 픽셀에 대한 가중치가 좀 더 크게 부여된다. 본 발명에서는 콘크리트 영상에 대한 얼룩 및 그림자 영향을 제거하기 위하여 Adaptive Threshold Gaussian Constant를 적용하는 것을 권장한다. Adaptive Threshold는 다음과 같이 하기 수학식3에 따라 연산된다.Adaptive Threshold is a method of performing binarization by analyzing the distribution of surrounding pixels for a specific area to determine the Threshold Value, and Adaptive Threshold T (x, y) has different values for a specific area. T (x, y) is determined by subtracting the specified constant from the weighted average value calculated at (block size) × (block size) around each pixel. The Adaptive Threshold method is useful when the image contains a strong light or reflection and the pixel value gradually changes. For the Adaptive Threshold Mean Constant, the weights are all assigned the same value, and for the Adaptive Threshold Gaussian Constant, the weight is the Gaussian function It is designated in the form of and the weight for the central pixel is given more. In the present invention, it is recommended to apply an Adaptive Threshold Gaussian Constant to remove the stain and shadow effects on the concrete image. Adaptive Threshold is calculated according to
(수학식 3)(Equation 3)
다음은 Dilation 연산에 대해 상세히 설명하도록 한다.The following describes the Dilation operation in detail.
Dilation 연산은 영상의 일부와 kernel과의 convolution이다. kernel은 template 또는 mask와 유사하며, Dilation 연산은 지역적 최대값을 선택하는 효과가 있다. 특정 영역에 대한 최대 픽셀값은 영상의 일부와 kernel의 연산 영역에서 구해지고, kernel의 고정점 아래에 있는 픽셀값은 이 최대값으로 설정된다. 그 결과 영상의 관심 객체는 확장된다. Dilation 연산은 connected component를 통한 Labeling에 적용될 수 있으며, 하기 수학식 4를 통하여 연산된다.Dilation operation is a convolution between a part of the image and the kernel. The kernel is similar to a template or mask, and the Dilation operation has the effect of selecting a local maximum. The maximum pixel value for a specific area is obtained from a part of the image and the computational area of the kernel, and the pixel value below the fixed point of the kernel is set to this maximum value. As a result, the object of interest in the image is expanded. Dilation operation can be applied to labeling through a connected component, and is calculated through
(수학식 4)(Equation 4)
다음은 Erosion 연산에 대해 상세히 설명하도록 한다.The following describes the Erosion operation in detail.
Erosion 연산은 Dilaton과 반대되는 개념이다. Erosion은 kernel 아래에서 지역적 최소값을 계산한다. Erosion 연산은 영상에서 얼룩 잡음을 제거하기 위해 사용될 수 있다. 얼룩은 Erosion 연산을 통하여 제거되고, 관심 영역들은 영향을 받지 않고 남아있게 된다. Erosion 연산은 다음과 같이 하기 수학식 5에 따라 연산된다.Erosion is the opposite of Dilaton. Erosion calculates the local minimum under the kernel. The Erosion operation can be used to remove speckle noise from the image. The stain is removed through the Erosion operation, and the regions of interest remain unaffected. The Erosion operation is calculated according to Equation 5 below.
(수학식 5)(Equation 5)
이진화 영상에 대한 Labeling은 영상 처리에 대한 많은 분야에서 적용되어 왔다. 입력 영상 에 하나 또는 그 이상의 연결된 요소가 포함되어 있을 때 입력 영상 A와 같은 크기의 행렬 X 0로부터 배경 픽셀 값 0을 검출할 수 있다. 이렇게 검출된 X 0에 대응되는 위치를 제외하고, 입력 영상 A의 각 연결된 요소는 전경 픽셀 값인 이 된다. Labeling 연산은 연결된 요소에 대한 X 0로부터 시작되고, 입력 영상 A의 전 범위에 대해서 연산함으로써 모든 연결된 요소를 찾을 수 있다. Labeling 연산은 다음과 같이 하기 수학식 6에 의해서 연산된다.Labeling for binarized images has been applied in many fields for image processing. When one or more connected elements are included in the input image, the background pixel value 0 can be detected from the matrix X 0 having the same size as the input image A. Except for the position corresponding to the detected X 0 , each connected element of the input image A becomes a foreground pixel value. Labeling operation starts from X 0 for connected elements, and all connected elements can be found by operating on the entire range of input image A. The labeling operation is calculated by Equation 6 below.
(수학식 6)(Equation 6)
여기서, B는 연결된 요소 검출에 대한 임의의 구조적 요소이며, 상기 수학식6의 알고리즘은 입력 영상 A의 모든 연결된 요소를 포함하는 X k에 대해서 X k=X k-1이 만족될 때 종료된다.Here, B is any structural element to the associated component is detected, the algorithm of the equation (6) is terminated when about X k containing all the connected elements of an input image A X k = X k-1 is satisfied.
다음은 Labeling 면적비를 이용한 균열 후보 영역 검출하는 방법에 대해 상세히 설명하도록 한다.Next, a method for detecting a crack candidate region using a labeling area ratio will be described in detail.
콘크리트 균열은 발생 원인에 대한 형상과 관련하여 진행 방향을 유지하려는 특성이 있다. 이러한 특성을 고려해볼 때 Labeling된 영역에 대한 면적비를 이용하면 균열과 비균열 영역으로 구분할 수 있다. Labeling된 영역에 대한 면적비는 다음과 같이 하기 수학식 7에 의해 계산될 수 있다.Concrete cracks have the property of maintaining the direction of progress in relation to the shape of the cause of occurrence. Considering these characteristics, using the area ratio to the labeled area can be divided into crack and non-crack areas. The area ratio for the labeled area can be calculated by Equation 7 below.
(수학식 7)(Equation 7)
여기서, A ob는 Labeling에 의해서 검출된 각 영역의 객체 면적이고, A cb는 각 영역의 직사각형 면적이다. 면적비 F cb는 0에서 1.0 사이의 값을 가질 수 있으며, 일반적으로 독립된 균열의 경우에 그 값은 작아지게 된다.Here, A ob is the object area of each area detected by labeling, and A cb is the rectangular area of each area. The area ratio F cb may have a value between 0 and 1.0, and in general, in the case of an independent crack, the value becomes small.
다음은 Histogram을 이용한 균열 폭 산정에 대해 상세히 설명하도록 한다.Next, the crack width calculation using the histogram will be described in detail.
Histogram은 정해진 개수의 축에 축적된 데이터의 단순 합산이다. Histogram은 gradient의 크기와 방향, 색상 등으로부터 추출된 특징들이 나타나는 횟수를 합산한 것이며, 주어진 데이터 분포에 대한 통계적인 그림을 보여준다. Histogram은 일반적으로 원본 데이터보다 낮은 차수로 구성된다. Histogram은 Labeling된 균열 후보 영역에서 x, y축에 대한 균열 픽셀 빈도수를 도 1 내지 도 2와 같이 나타낼 수 있다. 도 1 및 도 2에서 각 축에 대한 Histogram 빈도 최대값과 그 위치는 도 3과 하기 수학식 8을 이용하여 균열 폭 평가에 사용될 수 있다.Histogram is a simple summation of data accumulated on a defined number of axes. The histogram is the sum of the number of times the features extracted from the size, direction, and color of the gradient appear, and shows a statistical picture of the given data distribution. Histograms generally consist of orders of magnitude lower than the original data. The histogram may indicate the frequency of crack pixels for the x and y axes in the labeled crack candidate region as shown in FIGS. 1 to 2. In FIG. 1 and FIG. 2, the maximum Histogram frequency for each axis and its position can be used for crack width evaluation using FIG. 3 and Equation 8 below.
(수학식 8)(Equation 8)
여기서, w는 각 균열 후보 영역에 대한 최대 균열 폭이며, w1과 w2는 x축과 y축 기준 Histogram 최대 빈도수에 대한 균열 폭이다. Δx1은 x축 기준 최대 빈도수이며, Δy1은 Δx1 위치에서의 y축 빈도수이다. Δy2는 y축 기준 최대 빈도수이며, Δx2는 Δy2 위치에서의 x축 빈도수이다.Here, w is the maximum crack width for each crack candidate region, and w 1 and w 2 are crack widths for the maximum frequency of the histogram based on the x and y axes. Δx 1 is the maximum frequency based on the x-axis, and Δy 1 is the frequency of the y-axis at the Δx 1 position. Δy 2 is the maximum frequency based on the y-axis, and Δx 2 is the frequency of the x-axis at the Δy 2 position.
다음은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법을 실시 예를 통해 상세히 설명하도록 한다.Next, a method for evaluating crack width in a concrete structure using an image processing technique according to the present invention will be described in detail by way of example.
본 발명의 목적은 영상 처리 기법을 이용하여 콘크리트 표면 균열의 폭을 평가하는 것이다. 이를 위하여 콘크리트 표면에 대한 균열 영상을 카메라 렌즈 거리 를 기준으로 촬영하고, 촬영된 영상을 회색 영상으로 변환하였다. 콘크리트 표면에 대한 잡음은 일반적으로 점 형태로 존재하게 된다. 이러한 영향을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하였으며, Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 모두 40.0으로 적용되었다. 콘크리트 표면은 시간이 경과함에 따라 먼지와 얼룩 등이 발생될 수 있고, 촬영시 그림자 및 조명 반사가 포함될 수 있다. 따라서 Adaptive Threshold Gaussian Constant를 적용하여 이러한 영향을 제거하고자 하였으며, Block Size 7, Constant C 8.0 으로 적용되었다. Bilateral Blur를 통한 콘크리트 영상의 잡음 제거는 점 형태의 픽셀을 주변 픽셀의 분포에 따라 흐리게 하고, Adaptive Threshold는 흐려진 픽셀을 제거하는 효과가 있다. 이러한 영향은 연속된 콘크리트 균열 객체를 분리하는 경향이 있으므로 Closing 연산(Dilation-Erosion)을 적용하여 이를 보완하고자 하였다. 이진화와 Closing 연산이 적용된 영상은 균열 후보 영역을 검출하기 위해 Labeling 알고리즘이 적용될 수 있다.The object of the present invention is to evaluate the width of a concrete surface crack using image processing techniques. To this end, the crack image of the concrete surface was photographed based on the camera lens distance, and the photographed image was converted into a gray image. Noise on the concrete surface is generally present in the form of dots. To eliminate this effect, smoothing was performed through the bilateral blur, the diameter for the bilateral blur was 15, and the standard deviation for color and space was 40.0. The concrete surface may generate dust and stains over time, and may include shadows and lighting reflections when photographing. Therefore, adaptive Threshold Gaussian Constant was applied to remove this effect, and Block Size 7, Constant C 8.0 was applied. Noise removal of concrete images through bilateral blur blurs pixels in the form of dots according to the distribution of surrounding pixels, and adaptive threshold has an effect of removing blurred pixels. This effect tends to separate continuous concrete crack objects, so we tried to compensate by applying the Closing operation (Dilation-Erosion). Labeling algorithms can be applied to the image where binarization and closing operations are applied to detect crack candidate regions.
본 발명의 실시 예에서는 전체 입력 영상에 대하여 8개의 Labeling 영역이 검출되었으며, 상기에서 언급한 바와 같이 Labeling 면적비를 통하여 4개의 비균열 후보 영역을 제외하였다. Labeling 면적비에 대한 기준값은 균열의 형상 특성을 고려하여 0.3을 적용하였다. 후보 영역으로 검출된 4개의 균열은 x축과 y축 Histogram을 통하여 균열 대응 최대 빈도수와 그 위치가 추적될 수 있다. 이 때 각 축의 최대 빈도수에 대한 균열 폭은 시작 위치와 마지막 위치에서 각각 계산됨으로써, 각 후보 영역에 대하여 4개의 균열 폭이 평가된다. 이렇게 계산된 4개의 균열 폭 중 최대값을 각 후보 영역에 대한 최대 균열 폭으로 선정하였다. 각 후보 영역에 대한 최대 균열 폭은 픽셀 단위로 계산된 값이므로 단위로 환산할 필요가 있다. 이를 위하여 도 4의 우측에 보이는 50mm 폭의 Reference Bar 영상을 촬영하고, 이에 대한 Histogram 분석을 통하여 픽셀 단위와 단위에 대한 Scale Factor 0.092764mm/pixel 을 계산하였다.In the embodiment of the present invention, 8 labeling regions were detected for the entire input image, and as described above, 4 non-crack candidate regions were excluded through the labeling area ratio. The reference value for the labeling area ratio was 0.3, considering the shape characteristics of the crack. For the four cracks detected as candidate regions, the maximum frequency of crack correspondence and their positions can be tracked through the x-axis and y-axis histogram. At this time, the crack width for the maximum frequency of each axis is calculated at the start position and the end position, respectively, so that four crack widths are evaluated for each candidate region. The maximum value among the four crack widths calculated in this way was selected as the maximum crack width for each candidate region. Since the maximum crack width for each candidate region is calculated in pixels, it is necessary to convert it into units. To this end, a reference bar image with a width of 50 mm shown on the right side of FIG. 4 was photographed, and a scale factor of 0.092764 mm / pixel for pixels and units was calculated through histogram analysis.
도 4는 상기에서 언급한 알고리즘을 각 단계에 따라 보여주고 있으며, 각 후보 영역에 대하여 최대 균열 폭의 위치는 빨간 점으로 표시되었다. 도 5는 균열 게이지를 이용하여 균열 폭을 측정한 결과이고, 하기 표 1은 본 발명에서 제안한 방법에 의한 최대 균열 폭과 같은 위치에서 균열 게이지를 이용하여 측정한 균열 폭을 비교한 결과이며, 최대 오차는 4.17%로 평가되었다. 표에서 볼 수 있는 바와 같이 제안된 방법에 의한 균열 폭은 균열 게이지에 의한 균열 폭에 비하여 전체적으로 감소된 값으로 평가되고 있다. 이는 Bilateral Blur와 Adaptive Threshold 적용시 균열의 윤곽선을 축소시키는 영향과 균열 게이지 측정시 작업자의 시각에 의한 영향으로 판단된다. 4개의 균열에 대한 오차를 비교해 볼 때 영상 처리 기법에 의한 콘크리트 균열 폭의 평가는 균열 객체 검출에 대한 신뢰성을 높일 수 있을 것이다.4 shows the above-mentioned algorithm according to each step, and the location of the maximum crack width for each candidate region is indicated by a red dot. 5 is a result of measuring the crack width using a crack gauge, Table 1 below is a result of comparing the crack width measured using a crack gauge at the same position as the maximum crack width by the method proposed in the present invention, the maximum The error was evaluated as 4.17%. As can be seen in the table, the crack width by the proposed method is evaluated as a reduced value overall compared to the crack width by the crack gauge. This is considered to be the effect of reducing the contour of the crack when applying the Bilateral Blur and Adaptive Threshold, and the effect of the operator's vision when measuring the crack gauge. When comparing the errors of the four cracks, the evaluation of the crack width of concrete by image processing technique can increase the reliability of crack object detection.
(표 1. 제안된 방법과 균열 게이지에 의한 균열 폭 비교)(Table 1. Comparison of crack width by the proposed method and crack gauge)
따라서 본 발명은 영상 처리 기법을 이용하여 콘크리트 표면 균열 폭을 평가하는 방법에 대한 새로운 접근법을 제안하는 것이다. 콘크리트 표면은 조도 영향에 의한 점 형태의 잡음이 포함될 수 있고, 지하 구조물의 공간적 특성상 이미지 촬영 조명에 의한 반사가 발생 될 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 Bilateral Blur는 균열의 경계를 유지하면서 점 형태의 잡음을 제거할 수 있으며, Adaptive Threshold는 조명 반사와 얼룩을 제거하는데 탁월한 효과가 있다. Bilateral Blur와 Adaptive Threshold는 균열 객체를 분리하는 경향이 있다. 이러한 영향을 줄이고자 Closing 과정을 수행하였으며, 균열 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하였다. 균열 후보 영역들 중 비균열 영역은 Labeling 면적비 제한을 통하여 균열 후보 영역에서 제외되었으며, 균열 후보 영역 각각에 대한 위치 Histogram 분석을 통하여 x축과 y축 최대 픽셀 빈도수 및 그 위치가 연산된다. 1개의 균열 영역에 대하여 x축과 y축 및 이에 대한 시작 위치와 마지막 위치에 대하여 삼각비를 이용하여 4개의 균열 폭을 계산하고, 최대값을 균열 폭으로 평가하였다. 또한, 균열 게이지를 이용하여 같은 위치에서의 균열 폭을 측정하고, 제안된 방법에 의한 균열 폭과 비교 분석하였다. 본 발명에서 제안된 방법에 의해 평가된 균열 폭은 균열 게이지에 의해 측정된 균열 폭보다 전체적으로 과소평가되고 있다. 이는 Bilateral Blur와 Adaptive Threshold에 의한 영향과 균열 게이지 측정 작업자의 시각적 판단에 의한 오차로 판단된다. 제안된 방법에 의한 균열 폭과 균열 게이지에 의해 측정된 균열 폭을 비교 분석 한 결과 최대 오차는 4.17%로 보이고 있으며, 이는 영상 처리 기법에 의한 균열 폭 평가에 대하여 신뢰성 있는 결과를 도출 할 수 있을 것으로 판단된다. 향후 Labeling을 통한 좀 더 많은 균열 정보 수집을 통하여 균열 길이 평가 및 균열 패턴 특성에 대한 연구가 수행되어야 할 것이다.Therefore, the present invention proposes a new approach to a method for evaluating the crack width of a concrete surface using an image processing technique. The concrete surface may contain dot-shaped noise due to the effect of roughness, 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, the Bilateral Blur can remove point-shaped noise while maintaining the boundary of the crack, and the Adaptive Threshold is excellent for removing light reflections and stains. Bilateral Blur and Adaptive Threshold tend to separate crack objects. To reduce this effect, a closing process was performed, and a labeling algorithm was applied to detect the crack candidate region. Among the crack candidate regions, the non-cracked region was excluded from the crack candidate region by limiting the labeling area ratio, and the x-axis and y-axis maximum pixel frequencies and their positions are calculated through the positional histogram analysis for each crack candidate region. For one crack area, four crack widths were calculated using a triangular ratio for the x-axis and the y-axis and their start and end positions, and the maximum value was evaluated as the crack width. In addition, the crack width at the same location was measured using a crack gauge, and compared with the crack width by the proposed method. The crack width evaluated by the method proposed in the present invention is generally underestimated than the crack width measured by the crack gauge. This is judged to be an error due to the influence of Bilateral Blur and Adaptive Threshold and the visual judgment of the crack gauge measurement worker. As a result of comparing and analyzing the crack width measured by the proposed method and the crack width measured by the crack gauge, the maximum error is shown to be 4.17%. Is judged. In the future, the study of crack length evaluation and crack pattern characteristics should be conducted through collecting more crack information through labeling.
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 표면을 카메라로 촬영하는 단계(S100);
촬영한 영상을 회색 영상으로 변환하는 단계(S200);
콘크리트 표면에 의해 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300);
상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400);
상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및
이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
In the method of evaluating the crack width of a concrete structure using an image processing technique,
Step of taking a concrete surface with a camera (S100);
Converting the captured image into a gray image (S200);
Smoothing through Bilateral Blur to remove noise generated in the photographed image by a concrete surface (S300);
Applying an Adaptive Threshold Gaussian Constant to remove the influence of shadows and lighting reflections on the captured image (S400);
Applying a Closing operation (Dilation-Erosion) to compensate for the effect of separating a continuous concrete crack object due to the Adaptive Threshold Gaussian Constant (S500) and
A method of evaluating the crack width of a concrete structure comprising the step of applying a labeling algorithm (S600) to detect a uniform candidate region in an image to which binarization and closing operations are applied.
상기 단계(S300)은 Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 40으로 적용하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
The method according to claim 1,
The step (S300) is a method for evaluating the crack width of a concrete structure, characterized in that the diameter for the bilateral blur is 15 and the standard deviation for color and space is 40.
상기 단계(S400)은 Block Size 7, Constant C 8.0으로 적용하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
The method according to claim 1,
The step (S400) is a method of evaluating the crack width of a concrete structure, characterized in that applied to Block Size 7, Constant C 8.0.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180108232A KR102141352B1 (en) | 2018-09-11 | 2018-09-11 | A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180108232A KR102141352B1 (en) | 2018-09-11 | 2018-09-11 | A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200029778A true KR20200029778A (en) | 2020-03-19 |
| KR102141352B1 KR102141352B1 (en) | 2020-08-05 |
Family
ID=69956959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180108232A KR102141352B1 (en) | 2018-09-11 | 2018-09-11 | A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102141352B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102355997B1 (en) | 2021-05-17 | 2022-02-08 | 주식회사 한국건설 방재연구원 | method for monitoring the soundness of concrete structure based on smart glass |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000028541A (en) * | 1998-07-10 | 2000-01-28 | Ishikawajima Harima Heavy Ind Co Ltd | Crack detection method for concrete surface |
| KR100765047B1 (en) | 2006-04-06 | 2007-10-09 | 사단법인 한국콘크리트학회 | Portable concrete surface crack detecting apparatus with image processing and method thereof |
| KR101037135B1 (en) | 2008-11-12 | 2011-05-26 | 한국기초과학지원연구원 | method and apparatus for concrete air-voids detecting |
| KR20110098127A (en) * | 2010-02-26 | 2011-09-01 | 한국표준과학연구원 | Calibration device and method for revision of crack detection system by using image processing technology |
-
2018
- 2018-09-11 KR KR1020180108232A patent/KR102141352B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000028541A (en) * | 1998-07-10 | 2000-01-28 | Ishikawajima Harima Heavy Ind Co Ltd | Crack detection method for concrete surface |
| KR100765047B1 (en) | 2006-04-06 | 2007-10-09 | 사단법인 한국콘크리트학회 | Portable concrete surface crack detecting apparatus with image processing and method thereof |
| KR101037135B1 (en) | 2008-11-12 | 2011-05-26 | 한국기초과학지원연구원 | method and apparatus for concrete air-voids detecting |
| KR20110098127A (en) * | 2010-02-26 | 2011-09-01 | 한국표준과학연구원 | Calibration device and method for revision of crack detection system by using image processing technology |
Non-Patent Citations (4)
| Title |
|---|
| Efficient pavement crack detection and classification, EURASIP Journal on Image and Video Processing, 2017.06.* * |
| Research on the High-Speed Object Shadowgraph Image Processing Method Based on Adaptive Threshold Segmentation, Applied Mechanics and Materials (Volumes 325-326), Manufacturing Engineering and Process II, 2013.06.* * |
| 이미지 분석기법을 이용한 콘크리트 구조물의 균열 검출 시스템 개발, 한국구조물진단유지관리공학회 논문집 제16권제1호, 2012.01.* * |
| 화상처리 기법을 이용한 균열 검출에 관한 연구, 한국콘크리트학회, 2003 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102141352B1 (en) | 2020-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101635461B1 (en) | System and Method for Automatically Detecting a Mura Defect using Mask Filtering in Wavelet Transform | |
| CN110706224B (en) | Optical element weak scratch detection method, system and device based on dark field image | |
| CN111539927B (en) | Detection method of automobile plastic assembly fastening buckle missing detection device | |
| CN115205223B (en) | Visual inspection method and device for transparent object, computer equipment and medium | |
| JP5705711B2 (en) | Crack detection method | |
| CN111489337A (en) | Method and system for removing false defects through automatic optical detection | |
| Alazzawi | Edge detection-application of (first and second) order derivative in image processing: communication | |
| JP7139243B2 (en) | Image analysis system and method | |
| Barkavi et al. | Processing digital image for measurement of crack dimensions in concrete | |
| CN112102278A (en) | Metal workpiece machining surface defect detection method based on computer vision | |
| KR102242996B1 (en) | Method for atypical defects detect in automobile injection products | |
| KR101677070B1 (en) | System and Method for Automatically Detecting a Mura Defect using Morphological Image Processing and Labeling | |
| KR20200028776A (en) | An improved binarization method for crack detection of concrete in image processing techniques | |
| KR102141352B1 (en) | A Method on the Estimation of Crack Width Using Image Processing Techniques in Concrete Structures | |
| KR101018518B1 (en) | Structure inspection system using image deblurring technique and method of thereof | |
| Vasilic et al. | The edge detecting methods in ceramic tiles defects detection | |
| Calderón et al. | Crack detection in concrete elements from RGB pictures using modified line detection kernels | |
| KR102026427B1 (en) | Measurement System for concrete crack using smartphone | |
| Domínguez-Nicolas et al. | Algorithm for automatic detection and measurement of Vickers indentation hardness using image processing | |
| KR20220154345A (en) | Contour detection device using gaussian-weighted least squares and contour detection method thereof | |
| KR102355997B1 (en) | method for monitoring the soundness of concrete structure based on smart glass | |
| KR102205325B1 (en) | Line dectection method | |
| Mishra et al. | Surface defects detection for ceramic tiles using image processing and morphological techniques | |
| CN114638822A (en) | Method and system for detecting surface quality of automobile cover plate by using optical means | |
| Zheng et al. | Measurement of laser welding pool geometry using a closed convex active contour model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |