《基于双边滤波和black-hat变换的ostu裂缝分割算法》由会员分享,可在线阅读,更多相关《基于双边滤波和black-hat变换的ostu裂缝分割算法(7页珍藏版)》请在金锄头文库上搜索。
1、基于双边滤波和 Black-hat 变换的 OSTU裂缝分割算法 宋巧君 张东 武汉大学物理科学与技术学院 摘 要: 光照暗淡、污渍覆盖等原因会造成裂缝图像的裂缝难以被检测, 对此文中提出了一种新的裂缝分割算法:该算法首先依次对图像进行基于彩色图的对比度拉伸、基于灰度图的改进高斯滤波的双边滤波处理, 然后利用 Black-hat 变换和 OTSU相结合进行裂缝分割。最后进行覆盖处理, 用指定的颜色将二进制掩模叠加到原灰度图像上。实验结果表明, 该算法在保留原有边界的同时, 使得噪声得以有效去除, 图像非裂缝信息得以很好抑制, 裂缝可以显著突显。关键词: 计算机应用; 图像处理; Black-h
2、at 变换; 改进的 OTSU; 作者简介:宋巧君 (1993-) , 女, 硕士研究生, 研究方向为数字图像处理。收稿日期:2017-03-06基金:湖北省科技攻关项目 (2011CB70794) Improved OSTU algorithm based on bilateral filtering and Black-hat transformation in the segmentation of images with cracksSONG Qiao-jun ZHANG Dong School of Physics and Technology, Wuhan University;
3、Abstract: Causes such as unevenness of illumination, stain covering may make it difficult to detect the cracks of images, therefore the crack detection is proposed in this paper.Color image contrast stretching and gray scale bilateral filtering based on Gaussian filtering are used in turn, and then
4、the Black-hat transformation and OTSU are combined threshold segmentation.The experimental results show that the algorithm can effectively remove the noise while preserving the original boundary, and the parts with no crack is well suppressed while the cracks is obviously highlighted.Keyword: comput
5、er application; image processing; Black-hat transformation; improved OTSU; Received: 2017-03-060 引言在桥梁1-2、路面等结构图像中检测出裂缝以确保结构的安全性, 具有重要意义。裂缝分割通常用如下方法:先用数学形态学来增强对比度3, 再通过交叉曲线评估, 最后进行线性滤波将裂缝从背景中分割出来。虽然聚类4、样条小波5、区域分割、传统边缘检测与神经网络6等算法可改善分割效果, 但在边缘数据分类7过程中, 很难把控适当阈值得到可观的连续轮廓。聚类算法虽避免了阈值选取的困难和分割轮廓的不连续性, 但同一群
6、集像素的不相邻性通常导致过分割。区域分割算法, 虽在分割时间和轮廓连续性上比较可观, 但其分割结果却会随着阈值而变。徐欢、李振璧等人8提出基于 Canny 的裂缝检测;李媛媛等人9将霍夫变换和阈值分割结合用在裂缝图像的分割中。以上算法在一定程度上取得了较好效果, 但它们都对原图质量要求较高, 对低对比度、噪声较严重的图像分割效果不太理想10。因此, 探寻一种能有效分割低对比度、噪声较严重裂缝图像的算法很有必要。1 新算法及其实现本文提出的基于 Black-hat 变换和 OTSU 的裂缝图像分割改进算法, 实质上是图像的对比度拉伸、双边滤波算法和 Black-hat 变换、OTSU 阈值分割算
7、法的有机结合, 用于检测图像中的不明显裂缝。这里本文处理的图像默认为 RGB 格式, 图 1 (a) 为有代表性的原始裂缝图像。1.1 对比度拉伸直方图修正虽然图像对比度增强通常采用灰度直方图均衡化, 但它在很大程度上改变了图像的原有信息。当图像灰度直方图具有两个或两个以上峰值时, 直方图均衡处理并不能取得很好的效果11。所以这里本文直接调整彩色图像的对比度, 从而避免图像信息的丢失。此外, 在裂纹检测过程中, 需要图像在一定的对比度范围内, 且具有相对稳定的亮度;为了克服严重的图像抖动问题, 本文在补偿输入图像的动态范围之后修正图像的亮度和对比度范围来增强输入图像的对比度。当图像没有黑、白的
8、剧烈差异时, 将显示为缺乏对比度。而图像的整体明暗度总是取决于图像的亮度12。所以, 本文对裂缝图像进行对比度拉伸直方图修正, 以增强图像对比度, 效果如图 1 (b) 所示。理论推理依据如下:离散概率分布可用连续概率密度分布函数来近似, 从而得到直方图变换近似结果, 即:其中, p Y (Y) 是 Y 的概率密度函数, Px (X) 是输入图像 X 的概率分布函数。对于输出密度为均匀密度的特殊情况:因为, Y minYYmax, 故转换函数为:于是, 对比度增强率为:其中, 输入范围 X0X1可以在 Xmin到 Xmax范围内变化, 图像增强后对应像素的灰度级 Y 为:其中, Y 在 025
9、5 范围内取值。1.2 基于双边滤波和 Black-hat 变换的 OSTU 裂缝分割进行对比度拉伸后, 再将原图转换为灰度图并去噪。传统高斯滤波去噪的同时也模糊了边界。为了保边去噪, 这里用双边滤波算法。双边滤波器由两个高斯滤波器空间域滤波器、值域滤波器组成。空间域滤波通过将权重平摊到更远的像素值来确保灰度级的接近, 值域滤波器的工作原理与之类似。值域滤波器的数学公式是:其中, f 是原始亮度函数;a i是 (x, y) 处以 a0中心, 大小为 n 的邻域内的像素。事实上, 实验表明:如果采用式 (7) 将获得更好的滤波效果。因此, 文中将采用方程 (7) 进行值域过滤, 用闭合函数来确定
10、过滤器的系数, 并由等式 (8) 中所述的空间域滤波器 g (x, y:t) 进行分配。其中, t 是尺度参数, 权重可以通过 r (a) 和 g (a) 相乘得到, 用式 (9) 获得邻域 a0中心像素的新值, 用 h (a0) 表示。其中, k 是加权归一化常数, 定义为:双边滤波器相较于传统高斯滤波在去除噪声的同时很好地保存了边缘, 效果图如图 1 (c) 所示。然后, 基于形态学处理图像考虑, 本文进行 Black-hat 变换以提高裂缝的清晰度和准确度:将原始图像的闭运算结果与原始图像做差运算, 达到暗化背景的目的。图 1 (d) 显示了 Black-hat 变换后效果图。图 1 本
11、文算法各步骤效果图 下载原图对比度拉伸、双边滤波、Black-hat 变换后, 再进一步采用 Otsu 阈值法进行阈值化分割。这样便成功避免了传统意义上单一使用 Otsu 分割算法的缺陷:当目标和背景对比度小或噪声严重时 Otsu 算法无法取得预期分割效果。阈值处理通常用来分析直方图13, 对应于两个特征的直方图峰重叠的程度取决于峰值分离和峰值宽度阈值。本文通过计算每个灰度级的最大、最小阈值函数来选择阈值, 并允许用户自定义每个图像的阈值, 从而实现前景与背景的有效分离, 分割效果如图 1 (e) 所示。在 Otsu 阈值处分割后, 需要对图像进行后期处理:去除不需要的噪声并扩充、完整化图像裂
12、缝信息:将裂纹设置成暗特征、进一步去除增强的噪声后分别如图1 (f) 和 1 (g) 所示。最后, 为了尽可能还原原始图像以适应人眼的视觉习惯, 对图 1 (g) 中的图像进行覆盖处理, 即用指定的颜色将二进制掩模叠加到灰度图像上将期望的图像覆盖在灰度图上, 并用颜色突显裂缝区域。图 1 (h) 显示了覆盖算法处理后的明显裂缝。所有算法均在 Microsoft Windows 7 操作系统、1GByte RAM、3.2GHz 奔腾 4 处理器的计算机中实现, 光学显微镜连接到个人计算机。同时, 用由计算机控制的电荷耦合装置 (CCD) 相机捕获图像, 用裂缝检测用户界面 (GUI) 清楚地提取
13、裂缝。2 结果分析本文算法与传统 OTSU 方法比较:通过本文改进算法检测裂缝图像的最终结果如图 1 (h) 所示。可以看出, 该算法清楚地显示了图像裂缝。图 2-3 展示了本文算法和传统的 OTSU 方法在裂纹图像的裂缝提取效果对比。图2 (b) 和 2 (c) 对比表明, 对于具有较高对比度的图像, 两者提取的裂纹图差别不是很大。通过图 3 (b) 和 3 (c) 对比, 可以观察到:在低对比度、噪声严重且裂缝与背景路径彼此相交的暗图像中, 用传统 Otsu 方法分割得到的裂缝模糊不清;但本文算法得到的裂缝图像仍然比较清晰。由此可见, 本文算法可以更好地分割出裂缝图像中的裂缝结构。图 2
14、原图像 1 下载原图图 3 原图像 2 下载原图3 结束语本文算法基于图像处理技术很好地实现了裂缝自动分割。通过对比度拉伸后, 再采用基于双边滤波和 Black-hat 变换的 OTSU 阈值分割算法, 清晰地突显并检测了裂缝。该技术克服了传统滤波、阈值分割方法的弱点, 在低对比度和噪声条件下的裂缝检测中体现了良好的性能。然而在对比度拉伸以增强图像对比度的过程中, 如何准确设置几个参数以实现对比度进一步增强, 有待进一步研究。参考文献1Prasanna P, Dana K J, Gucunski N, et al.Automated Crack Detection on Concrete Br
15、idgeJ.IEEE Transactions on Automati, 2014, 13 (2) :591-599. 2姜会增.基于数字图像处理的铁路桥梁裂缝检测技术J.铁道建筑, 2016 (5) :82-86. 3卢迪, 黄鑫, 柳长源, 等.基于区域对比度增强的二值化算法J.电子与信息学报, 2017 (1) :240-244. 4孙超云, 呼延菊, 李伟, 等.基于椭圆模型聚类的路面裂缝定位方法J.公路, 2016 (5) 41-46. 5包丹丹.高精密零件图像的缺陷裂痕检测仿真分析J.计算机仿真, 2016 (5) :372-375. 6陈树, 徐保国.聚类算法模型的研究与应用D.
16、无锡:江南大学, 2007. 7Yi Chang Tsal, Kaul V, Mersereau R M.Assessment of Pavement Distress Segmentation MethodsJ.Journal of Transportation Engineering, 2010, 136 (1) :11-19. 8徐欢, 李振璧, 姜媛媛, 等.基于 Open CV 和改进 Canny 算子的路面裂缝检测J.计算机工程与设计, 2014 (12) :4254-4258. 9李媛媛, 黄泉源, 侯智新.基于霍夫变换的 OTSU 改进算法在路面裂缝检测中的研究J.电子设计工程, 2016 (5) :43-46. 10HUANG Kai, YU Xue-cai.Reseach on Railway Automatic Recognition by Open CV