融合影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法
【專利摘要】本申請(qǐng)公開(kāi)了一種融合影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法，包括以下步驟：步驟1、由線結(jié)構(gòu)光光源照射被測(cè)表面，利用3D相機(jī)拍攝被測(cè)表面的光條圖像，獲取被測(cè)表面的每個(gè)像素點(diǎn)的深度，并將深度數(shù)據(jù)轉(zhuǎn)換灰度數(shù)據(jù)，從而形成被測(cè)表面的深度圖像；步驟2、計(jì)算所述深度圖像在八個(gè)方向下的梯度，得到所述被測(cè)表面的梯度圖像；步驟3、對(duì)所述梯度圖像計(jì)算方向非極大值抑制，得到所述被測(cè)表面的邊緣圖像；步驟4、利用分水嶺變換，獲得裂縫的連通域，將連通域邊界進(jìn)行標(biāo)識(shí)，得到裂縫封閉邊界。
【專利說(shuō)明】融合影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于公路路基路面無(wú)損檢測(cè)和評(píng)價(jià)【技術(shù)領(lǐng)域】，具體地，涉及一種融合路面深度影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法。
【背景技術(shù)】
[0002]裂縫是路面最常見(jiàn)的病害，它不僅影響路容美觀和行車(chē)的舒適性，若不及時(shí)發(fā)現(xiàn)和修補(bǔ)而且容易擴(kuò)展造成路面的結(jié)構(gòu)性破壞，縮短路面的使用壽命。路面裂縫檢測(cè)已作為公路日常養(yǎng)護(hù)管理的一項(xiàng)重要工作。因其工作量十分巨大，傳統(tǒng)的人工檢測(cè)路面裂縫的方式，無(wú)法滿足公路快速增長(zhǎng)的要求，迫切需要快速、高效、可靠的裂縫自動(dòng)檢測(cè)技術(shù)及裝備。
[0003]隨著科學(xué)技術(shù)的不斷發(fā)展，特別是近十年來(lái)，高速相機(jī)、視覺(jué)識(shí)別技術(shù)、大容量存儲(chǔ)技術(shù)以及高性能數(shù)字圖像壓縮技術(shù)應(yīng)用到路面裂縫檢測(cè)領(lǐng)域，相繼出現(xiàn)了基于影像的路面裂縫自動(dòng)檢測(cè)技術(shù)。然而，由于公路表面的不規(guī)則、多紋理、路面噪聲多、裂縫信息較細(xì)弱、圖像質(zhì)量難以控制等特性，路面病害中裂縫的檢測(cè)一直成為公路路面自動(dòng)檢測(cè)技術(shù)中的難點(diǎn)。與之相應(yīng)的路面裂縫準(zhǔn)確識(shí)別算法仍然是迫切需要解決的關(guān)鍵問(wèn)題。
[0004]隨著數(shù)字影像檢測(cè)技術(shù)的快速發(fā)展，由于其檢測(cè)速度快、測(cè)量準(zhǔn)確、快速數(shù)據(jù)存儲(chǔ)、獲取信息豐富等特點(diǎn)，被廣泛應(yīng)用于路面裂縫自動(dòng)檢測(cè)領(lǐng)域。路面裂縫自動(dòng)檢測(cè)系統(tǒng)逐漸由二維裂縫檢測(cè)技術(shù)發(fā)展起來(lái)。基于路面灰度影像裂縫的識(shí)別技術(shù)，盡管在基于閾值分害I]、邊緣檢測(cè)以及機(jī)器學(xué)習(xí)的裂縫識(shí)別算法方面取得了很多的研究成果，但是在實(shí)際應(yīng)用上非常有限，目前國(guó)內(nèi)商業(yè)化的路面圖像處理軟件仍然依賴人機(jī)交互的方式來(lái)識(shí)別裂縫，尚無(wú)法實(shí)現(xiàn)路面裂縫全自動(dòng)識(shí)別。原因是現(xiàn)有的裂縫檢測(cè)算法主要以路面裂縫的灰度特征及二維形態(tài)特征作為判別裂縫的準(zhǔn)則。由于受到圖像采集系統(tǒng)硬件條件的限制及外界光照影響，基于影像灰度信息的路面裂縫識(shí)別方法很難將路面油污、陰影、輪胎痕跡、隨機(jī)噪聲與路面實(shí)際裂縫相區(qū)分。因此，直接利用影像灰度信息進(jìn)行裂縫自動(dòng)識(shí)別難以達(dá)到令人滿意的效果。
[0005]另一方面，具有路面裂縫特征的三維數(shù)據(jù)，刻畫(huà)裂縫的幾何特征，描述裂縫深度變化信息，反映出路面裂縫實(shí)際的物理含義?？梢?jiàn)，若利用路面裂縫的空間深度變化信息，能夠有效提高裂縫的識(shí)別率。然而，裂縫深度信息卻很難從二維影像中獲得。公路路面激光三維裂縫檢測(cè)技術(shù)所獲得的路面信號(hào)包含了路面三維輪廓信息，數(shù)據(jù)精度高、采集密度大、特征豐富，其對(duì)油污、修補(bǔ)、黑斑以及隨機(jī)噪聲不敏感，很好的克服了二維灰度影像處理技術(shù)對(duì)陰影、油污等干擾因素敏感的問(wèn)題，有效的提高了路面裂縫識(shí)別率。從裂縫的幾何特征出發(fā)，分析和處理路面三維數(shù)據(jù)，已經(jīng)成為研究和探索路面裂縫自動(dòng)檢測(cè)新的發(fā)展方向。
[0006]路面裂縫三維激光視覺(jué)檢測(cè)技術(shù)利用路面深度信息，根據(jù)裂縫深度值梯度強(qiáng)弱變化，能夠有效檢測(cè)路面裂縫。目前，利用路面深度影像提取方法主要分為兩種，一種是基于裂縫幾何特性建模的方法；另一種是直接提取三維地形曲面的裂縫信息。
[0007]基于裂縫幾何特性建模的方法的步驟為:
[0008](I)圖像預(yù)處理，如采用中值濾波、歸一化；[0009](2)裂縫幾何特征建模，如梯形函數(shù)和高斯函數(shù)組合，小波等；
[0010](3)建立裂縫過(guò)完備原子庫(kù)，如利用信號(hào)稀疏分解建立；
[0011](4)裂縫提取，如根據(jù)匹配算法逼近最優(yōu)解，進(jìn)行裂縫識(shí)別。
[0012]基于三維地形曲面的方法的步驟為:
[0013](I)圖像預(yù)處理，如采用中值濾波，歸一化；
[0014](2)三維表面重建，如采用不規(guī)則三角網(wǎng)等；
[0015](3)曲面特征提取,計(jì)算表面的偏微商及法向，確定表面類(lèi)型,如利用Zernike矩計(jì)算深度圖像的曲率和法向。
[0016](4)裂縫提取，根據(jù)表面的偏微商及法向閾值，進(jìn)行裂縫提取。

【發(fā)明內(nèi)容】

[0017]現(xiàn)有的基于裂縫幾何特性建模方法具有如下缺陷:該方法往往基于路面掃描線對(duì)裂縫幾何特性建模，其是一種局部裂縫檢測(cè)方法，僅限于一維問(wèn)題的推廣。由于路面掃描線上的裂縫幾何特征受到光條方向與裂縫幾何形態(tài)共同影響，雖然能夠較好地檢測(cè)路面縱向裂縫，但是難以準(zhǔn)確提取任意方向的裂縫。路面任意方向裂縫的幾何形態(tài)十分復(fù)雜，其主要類(lèi)型還包括橫向、網(wǎng)狀裂縫等，往往表現(xiàn)為空間分布上的變異性、各向異性和全局特征，若只考慮路面掃描線裂縫幾何信息則無(wú)法準(zhǔn)確描述裂縫在整個(gè)路面上的空間分布特征。相比之下，本專利申請(qǐng)?jiān)O(shè)計(jì)的融合路面深度影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)算法是一種全局處理的方法，能實(shí)現(xiàn)對(duì)任意方向和幾何形態(tài)的裂縫的有效提取。
[0018]現(xiàn)有基于三維地形曲面方法具有如下缺陷:該方法在路面深度影像曲面上，計(jì)算表面的偏微商及法向?qū)α芽p的“谷脊”進(jìn)行提取。其缺陷主要有兩點(diǎn):1)根據(jù)三維激光視覺(jué)檢測(cè)原理，路面深度影像的曲面特征十分復(fù)雜，對(duì)于裂縫的線性部分存在較明顯的“谷脊”現(xiàn)象，但是，對(duì)于裂縫的面狀部分，沒(méi)有明顯的裂縫“谷脊”，難以計(jì)算路面表面的偏微商及法向，因此無(wú)法滿足裂縫面狀目標(biāo)的有效提取。2)路面表面的偏微商及法向計(jì)算效率較低，無(wú)法滿足裂縫檢測(cè)實(shí)際需求。因此，本專利申請(qǐng)?jiān)O(shè)計(jì)了分水嶺的方法進(jìn)行裂縫區(qū)域的提取，它根據(jù)裂縫邊緣的強(qiáng)度和方向，通過(guò)判別邊緣的標(biāo)識(shí)，使裂縫分段邊緣有效閉合起來(lái)，能夠有效評(píng)估裂縫的破損范圍，為公路日常的管理和維護(hù)提供支持。
[0019]另外，由于目前的方法是基于局部信息處理的方法，只是針對(duì)路面掃描線進(jìn)行裂縫特征提取，對(duì)整個(gè)路面裂縫特征的描述方法較少，所以無(wú)法準(zhǔn)確檢測(cè)任意類(lèi)型裂縫。
[0020]針對(duì)于現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明要解決的技術(shù)問(wèn)題主要有:
[0021](I)裂縫信號(hào)增強(qiáng)
[0022]路面深度影像的裂縫幾何形態(tài)具體特征:(I)裂縫目標(biāo)由形狀不規(guī)則的點(diǎn)集構(gòu)成，且具有一定方向性、邊緣梯度幅值大；(2)在空間分布上，裂縫方向上表現(xiàn)線性聚集性，在相鄰輪廓上具有連續(xù)性和鄰近性；裂縫深度幅值較大，遠(yuǎn)遠(yuǎn)大于宏觀紋理與路面噪聲的幅值；裂縫寬度范圍不一。由于路面狀況較為復(fù)雜，特別是路面往往伴隨強(qiáng)吸收強(qiáng)反射物體的存在、以及路面雜物的遮擋，造成光條信息無(wú)法完整地投射到3D相機(jī)，使得裂縫幾何信息損失；同時(shí)，由于裂縫幾何形態(tài)的多樣性，如方向、深淺、寬窄、連續(xù)與間斷隨機(jī)變化，帶來(lái)光條變形異常，造成裂縫幾何特征退化。路面狀況復(fù)雜性和裂縫幾何形態(tài)多樣性，造成裂縫深度影像呈現(xiàn)無(wú)效零值、異常值等現(xiàn)象，并產(chǎn)生大量噪聲。由于裂縫具有對(duì)比度低的特點(diǎn)，裂縫信號(hào)非常弱。因此為了準(zhǔn)確、有效地檢測(cè)裂縫，需要對(duì)裂縫信號(hào)進(jìn)行增強(qiáng)。但路面圖像具有顆粒紋理背景特征，給裂縫增強(qiáng)帶來(lái)巨大困難，傳統(tǒng)的圖像增強(qiáng)算法很難發(fā)揮作用。本專利利用中值濾波和最小二乘擬合方法對(duì)裂縫信號(hào)進(jìn)行增強(qiáng)。
[0023](2)裂縫邊緣提取
[0024]由于裂縫在深度影像上表現(xiàn)為掃描點(diǎn)深度值的急劇變化和邊緣掃描點(diǎn)線性聚集，因此，本專利申請(qǐng)的深度影像裂縫在其線性方向深度值梯度變化平穩(wěn)，在線性垂直方向深度值梯度變化劇烈的思想，利用深度影像梯度方向直方圖，計(jì)算裂縫邊緣強(qiáng)度和方向，通過(guò)非最大值抑制方法提取裂縫邊緣。
[0025](3)裂縫目標(biāo)提取
[0026]由于裂縫的幾何形態(tài)多樣，表現(xiàn)為連續(xù)性較差和寬度范圍不均勻，因此路面裂縫兼具線狀目標(biāo)和面狀目標(biāo)的特點(diǎn)。在裂縫日常檢測(cè)工作中，不僅僅關(guān)注裂縫是否發(fā)生，檢測(cè)其準(zhǔn)確位置，同時(shí)需要識(shí)別路面(裂縫)破損區(qū)域。因?yàn)榛谔荻确较蛑狈綀D是一種線檢測(cè)的局部方法，只能檢測(cè)裂縫邊緣，因此本專利申請(qǐng)運(yùn)用方向分水嶺算法，實(shí)現(xiàn)對(duì)裂縫面狀目標(biāo)的有效提取，將裂縫目標(biāo)檢測(cè)問(wèn)題被轉(zhuǎn)化為裂縫封閉邊緣的提取。
[0027]根據(jù)本發(fā)明的實(shí)施例，提出了一種融合影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法，包括以下步驟:步驟1、由線結(jié)構(gòu)光光源照射被測(cè)表面，利用3D相機(jī)拍攝被測(cè)表面的光條圖像，獲取被測(cè)表面的每個(gè)像素點(diǎn)的深度，并將深度數(shù)據(jù)轉(zhuǎn)換灰度數(shù)據(jù)，從而形成被測(cè)表面的深度圖像；步驟2、計(jì)算所述深度圖像在八個(gè)方向下的梯度，得到所述被測(cè)表面的梯度圖像；步驟3、對(duì)所述梯度圖像計(jì)算方向非極大值抑制，得到所述被測(cè)表面的邊緣圖像；步驟4、利用分水嶺變換，獲得裂縫的連通域，將連通域邊界進(jìn)行標(biāo)識(shí)，得到裂縫封閉邊界。
[0028]本發(fā)明的裂縫檢測(cè)方法的有益效果主要在于:
[0029]1、設(shè)計(jì)了基于中值濾波和最小二乘的裂縫增強(qiáng)算法，兩者配合使用，保證了增強(qiáng)的效果。
[0030]2、設(shè)計(jì)了基于梯度方向直方圖的裂縫邊緣提取方法。梯度方向直方圖方法常被用于線目標(biāo)的提取，但由于其梯度和方向計(jì)算依賴于直方圖統(tǒng)計(jì)分析，裂縫的具體形態(tài)與統(tǒng)計(jì)區(qū)域相關(guān)，單一尺度空間無(wú)法滿足裂縫邊緣檢測(cè)要求。本發(fā)明巧妙地運(yùn)用多尺度方法解決了這一難題。
[0031]3、設(shè)計(jì)了基于方向分水嶺的裂縫目標(biāo)提取方法。本發(fā)明在傳統(tǒng)的分水嶺方法的基礎(chǔ)上，巧妙地運(yùn)用邊緣方向，解決了大量短小、離散裂縫邊緣的閉合為區(qū)域目標(biāo)這一難題。
[0032]4、本發(fā)明設(shè)計(jì)的融合路面深度影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)算法，不僅能夠準(zhǔn)確檢測(cè)任意類(lèi)型裂縫的邊緣，而且能識(shí)別裂縫破損程度。
【專利附圖】

【附圖說(shuō)明】
[0033]圖1為根據(jù)本發(fā)明的實(shí)施例的裂縫檢測(cè)方法的流程示意圖；
[0034]圖2為根據(jù)本發(fā)明的實(shí)施例的裂縫檢測(cè)方法的裂縫邊緣提取的技術(shù)路線圖；
[0035]圖3為根據(jù)本發(fā)明的實(shí)施例的裂縫檢測(cè)方法所使用的三維激光檢測(cè)系統(tǒng)的配置示意圖；以及
[0036]圖4為根據(jù)本發(fā)明的實(shí)施例的進(jìn)行邊界擬合時(shí)采用的弧度劃分的示意圖?！揪唧w實(shí)施方式】
[0037]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體說(shuō)明，由此，本發(fā)明的優(yōu)點(diǎn)和特點(diǎn)將會(huì)隨著描述而更為清楚。
[0038]本領(lǐng)域的技術(shù)人員能夠理解，盡管以下的說(shuō)明涉及到有關(guān)本發(fā)明的實(shí)施例的很多技術(shù)細(xì)節(jié)，但這僅為用來(lái)說(shuō)明本發(fā)明的原理的示例、而不意味著任何限制。本發(fā)明能夠適用于不同于以下例舉的技術(shù)細(xì)節(jié)之外的場(chǎng)合，只要它們不背離本發(fā)明的原理和精神即可。
[0039]另外，為了避免使本說(shuō)明書(shū)的描述限于冗繁，在本說(shuō)明書(shū)中的描述中，可能對(duì)可在現(xiàn)有技術(shù)資料中獲得的部分技術(shù)細(xì)節(jié)進(jìn)行了省略、簡(jiǎn)化、變通等處理，這對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)是可以理解的，并且這不會(huì)影響本說(shuō)明書(shū)的公開(kāi)充分性。
[0040]圖1為根據(jù)本發(fā)明的實(shí)施例的裂縫檢測(cè)方法的流程示意圖。如圖1所示，本方法主要分為三個(gè)階段，其中第一階段為裂縫增強(qiáng)(線特征增強(qiáng))，主要涉及點(diǎn)云數(shù)據(jù)濾波、最小二乘擬合等算法；第二階段為裂縫邊緣提取，主要應(yīng)用梯度方向直方圖來(lái)提取邊緣；第三階段為裂縫目標(biāo)的提取，主要運(yùn)用方向分水嶺的算法來(lái)提取目標(biāo)。
[0041]下面，依次說(shuō)明上述三個(gè)階段的實(shí)現(xiàn)方法。
[0042](I)裂縫增強(qiáng)
[0043]為了有利于后續(xù)的裂縫識(shí)別處理，可對(duì)路面深度圖像線特征進(jìn)行增強(qiáng)處理。這里，可采用傳統(tǒng)的中值濾波和最小二乘擬合相結(jié)合的方法。首先，從局部特征出發(fā)，用中值濾波對(duì)線特征進(jìn)行增強(qiáng)，消除系統(tǒng)和外界噪聲；然后，從全局特征出發(fā)，運(yùn)用最小二乘擬合的方法進(jìn)行線特征的增強(qiáng)，消除數(shù)據(jù)采集過(guò)程中的無(wú)效值。
[0044]根據(jù)線結(jié)構(gòu)光的三角測(cè)量原理，路面深度圖像描述高精密三維物體表面空間信息分布。其測(cè)量基本原理如圖3所示，由線結(jié)構(gòu)光光源在空間投射出一個(gè)光平面，當(dāng)光平面與被測(cè)物體表面相交時(shí)在物體表面產(chǎn)生一個(gè)亮光條，利用3D相機(jī)采集物體表面的光條圖像；若被測(cè)物體表面的幾何形狀變化，投射的光條發(fā)生形變，根據(jù)三角測(cè)量原理，從變形的光條圖像信息中獲取被測(cè)物體表面的三維輪廓信息。并將深度數(shù)據(jù)轉(zhuǎn)換灰度數(shù)據(jù)，從而形成被測(cè)表面的深度圖像，即，每個(gè)像素的灰度大小代表該點(diǎn)的深度大小。
[0045]中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，從而消除孤立的噪聲點(diǎn)。這里使用二維滑動(dòng)模板，將模板內(nèi)深度值按照大小進(jìn)行排序，生成單調(diào)增大(或減小)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x，y)=med{f (x-k, y-1), (k, I e W)},其中，f (x, y)、g(x, y)分別表示原始深度圖像中心點(diǎn)鄰近的深度值和處理后中心點(diǎn)處的深度值，med{}表示中值濾波操作，W為二維濾波模板，通常為3*3，5*5區(qū)域，也可以是不同的形狀，如線狀、圓形、十字形等。
[0046]由于路面局部區(qū)域的強(qiáng)反射、強(qiáng)吸收和裂縫兩側(cè)遮擋，路面裂縫深度圖像存在許多值為零值點(diǎn)。這里采用最小二乘法對(duì)掃描線上的數(shù)據(jù)(深度數(shù)據(jù))進(jìn)行曲線擬合。從整體上考慮近似函數(shù)P (X)同所給數(shù)據(jù)點(diǎn)(Xi, Yi) (i = O, I,…，m)誤差A(yù) = P (Xi) -Yi (i =
O,I,..., m)的大小,常用的方法有以下三種:一是誤差1^ = P(Xi)IiQ = O, I,..., m)絕對(duì)值





m
的最大值maX|r|即誤差向量r= 0-(ι， ，…rm)T的⑴一范數(shù)；二是誤差絕對(duì)值的和ΣΙΜ
【權(quán)利要求】
1.一種融合影像梯度方向直方圖和分水嶺方法的裂縫檢測(cè)方法，包括以下步驟: 步驟1、由線結(jié)構(gòu)光光源照射被測(cè)表面，利用3D相機(jī)拍攝被測(cè)表面的光條圖像，獲取被測(cè)表面的每個(gè)像素點(diǎn)的深度，并將深度數(shù)據(jù)轉(zhuǎn)換灰度數(shù)據(jù)，從而形成被測(cè)表面的深度圖像； 步驟2、計(jì)算所述深度圖像在八個(gè)方向下的梯度，得到所述被測(cè)表面的梯度圖像； 步驟3、對(duì)所述梯度圖像計(jì)算方向非極大值抑制，得到所述被測(cè)表面的邊緣圖像； 步驟4、利用分水嶺變換，獲得裂縫的連通域，將連通域邊界進(jìn)行標(biāo)識(shí)，得到裂縫封閉邊界。
2.根據(jù)權(quán)利要求1所述的裂縫檢測(cè)方法，其中，所述步驟I包括以下步驟: 步驟1-1、由線結(jié)構(gòu)光光源在空間投射出光平面，當(dāng)光平面與被測(cè)表面相交時(shí)，在被測(cè)表面產(chǎn)生一個(gè)亮光條，利用3D相機(jī)采集被測(cè)表面的光條圖像，根據(jù)光條圖像的形變信息，獲取被測(cè)表面的三維輪 廓信息。
3.根據(jù)權(quán)利要求1所述的裂縫檢測(cè)方法，其中，所述步驟I和步驟2之間還包括以下步驟: 步驟1-2、根據(jù)以下公式，對(duì)所述深度圖像進(jìn)行二維中值濾波:
g(x, y) = med{f (x-k, y-1), (k, I e W)}，其中，f (χ, y)、g (χ, y)分別表示深度圖像的濾波中心點(diǎn)的原深度值、以及濾波后的濾波中心點(diǎn)的深度值，med{}表示中值濾波操作，W為二維濾波模板。
4.根據(jù)權(quán)利要求3所述的裂縫檢測(cè)方法，其中，所述步驟I和步驟2之間還包括以下步驟: 步驟1-3、對(duì)所述深度圖像(Xi，yi)，i = O, I,…，m，m為深度圖像的寬度和高度方向的像素?cái)?shù)目，在取定的函數(shù)類(lèi)Φ中，求P(X) e Φ，使誤差ri = P(Xi)-yi的平方和最小，即 y r2 V1 p(.t=mm
I ,-ο ' = 口1..(I) 輸出P (Xi)作為處理后的深度圖像，以進(jìn)行步驟2之后的處理。
5.根據(jù)權(quán)利要求3所述的裂縫檢測(cè)方法，其中，所述步驟2包括以下步驟: 步驟2-1、使用Savitzky-Golay濾波算法,對(duì)所述梯度影像進(jìn)行濾波。
6.根據(jù)權(quán)利要求3所述的裂縫檢測(cè)方法，其中，所述步驟4包括以下步驟: 步驟4-1、計(jì)算離散邊界； 步驟4-2、提取邊界兩側(cè)的區(qū)域； 步驟4-3、創(chuàng)建頂點(diǎn)/邊緣映射圖； 步驟4-4、提取頂點(diǎn)坐標(biāo)； 步驟4-5、提取邊緣的端點(diǎn)； 步驟4-6、提取邊緣上各個(gè)掃描點(diǎn)的坐標(biāo)； 步驟4-7、提取封閉邊緣的標(biāo)識(shí)。
7.根據(jù)權(quán)利要求1所述的裂縫檢測(cè)方法，其中，還包括以下步驟: 步驟5、對(duì)所述裂縫封閉邊界進(jìn)行邊界擬合，其包括: 步驟5-1、計(jì)算所述裂縫封閉邊界的每條小邊緣的方向取近似直線段的小邊緣任意兩點(diǎn)的坐標(biāo)，計(jì)算兩點(diǎn)的夾角，并轉(zhuǎn)化為相應(yīng)的弧度，范圍在[O，)之間； 步驟5-2、按照弧度的大小分別將這兩點(diǎn)之間的方向設(shè)置為對(duì)應(yīng)區(qū)域方向； 步驟5-3、取對(duì)應(yīng)區(qū)域邊界方向的邊緣強(qiáng)度值，作為小邊緣的邊緣強(qiáng)度值。
【文檔編號(hào)】G06T7/00GK104008553SQ201410268332
【公開(kāi)日】2014年8月27日 申請(qǐng)日期:2014年6月17日 優(yōu)先權(quán)日:2014年6月17日
【發(fā)明者】李清泉, 毛慶洲, 靳華中, 曹民, 張德津, 陳振興, 周瑾, 章麗萍 申請(qǐng)人:武漢武大卓越科技有限責(zé)任公司