[发明专利]一种基于边缘检测的墙体裂缝识别方法

说明书

技术领域

本发明属于数字图像识别技术，尤其涉及一种基于边缘检测的墙体裂缝识别方法。

背景技术

墙体材料内部会产生间隙，在长时间的风吹雨打日晒等自然环境下，会受到温度应力等因素影响，间隙可能催化放大进而在表面产生裂缝，随着裂缝不断扩大，会造成安全隐患。因此，必须有效地对墙体裂缝进行检测，评估其风险性，以便能预防潜在的危害。

当前在变电站对墙体状况的检查主要由人工巡检来完成，巡检工作量大，在恶劣环境下难以按时完成。并且人眼检测主观性强，某些情况下可靠性低。

随着计算机技术和数字图像处理技术的发展，机器视觉广泛地应用在各种目标识别上，利用图像处理技术来检测墙体裂缝，有高灵敏性、高自动化、非接触性等特点。现有的一些裂缝检测方法多数是简单的设定灰度阈值进行二值化，难以去除污垢等干扰项适应性差；或者是运用神经网络等复杂算法，计算量大实时性差。因此，要将其用于墙体检测上还需要对图像处理方法进行改进，以提高检测效率。

发明内容：

本发明要解决的技术问题是：提供一种基于边缘检测的墙体裂缝识别方法，以解决现有技术对变电站墙体裂缝检测方法采用简单的设定灰度阈值进行二值化，难以去除污垢等，导致干扰项适应性差；或者是运用神经网络等复杂算法，计算量大实时性差等技术问题。

本发明技术方案：

一种基于边缘检测的墙体裂缝识别方法，它包括：

步骤1、墙体图像采集；

步骤2、图像预处理；

步骤3、裂缝边缘提取；

步骤4、背景噪声滤波；

步骤5、墙体裂缝识别。

步骤1所述墙体图像采集，通过CCD镜头或数码相机拍摄。

步骤2所述图像预处理方法为：先对采集原图进行灰度化，使用OpenCV库的灰度均值对原图红R、绿G、蓝B三通道进行加权平均，即Gray＝0.072169B+0.715160G+0.212671R，得到灰度图像；再对所得灰度图像进行高斯滤波，使用3×3模板进行计算，消除孤立点。

步骤3所述裂缝边缘提取的方法为：利用Laplacian算子对图像预处理所得的灰度图像进行运算，使用OpenCV的Laplacian算子实现，调用的Sobel算子内核大小设为3，此运算突出裂缝特征，忽略背景噪声；然后利用Otsu算法计算图像的全局灰度分割阈值，并以此阈值对图像进行二值化将背景和裂缝分开。

步骤4所述背景噪声滤波的方法包括：

(1)对图像进行扫描，进行连通域的计算，标记出所有连通域；

(2)对每个连通域，计算其周长和面积进而得到圆形度；

(3)将连通域的圆形度与阈值相比，大于阈值则去掉连通域；

(4)对所有连通域进行步骤(3)操作后得到裂缝图像。

本发明的有益效果：

与现有技术相比，本发明的有益效果是能有效获取裂缝特征，排除背景干扰；自适应能力强，分割更准确；可以滤出大量无规则污垢块，为裂缝的检测带来了方便；在保证识别精度和抗干扰的条件下，大大降低了运算量，具有很高的应用价值；解决了现有技术对变电站墙体裂缝检测方法采用简单的设定灰度阈值进行二值化，难以去除污垢等，导致干扰项适应性差；或者是运用神经网络等复杂算法，计算量大实时性差等技术问题。

附图说明

图1为本发明流程示意图；

图2为墙体裂缝识别方法中裂缝边缘提取的关键图像处理步骤；

图3为基于连通域计算的背景噪声滤波流程。

具体实施方式：

一种基于边缘检测的墙体裂缝识别方法，它包括：

步骤1、墙体图像采集；

步骤1所述墙体图像采集，通过CCD镜头或数码相机拍摄。本发明使用巡检机器人上的可见光相机对围墙表面进行拍摄，获取高清墙体图像。

步骤2、图像预处理；

步骤2所述图像预处理方法为：先对采集原图进行灰度化，使用OpenCV库的灰度均值对原图红R、绿G、蓝B三通道进行加权平均，即Gray＝0.072169B+0.715160G+0.212671R，得到灰度图像；再对所得灰度图像进行高斯滤波，使用3×3模板进行计算，消除孤立点。

步骤3、裂缝边缘提取；