基于嵌入式的裂紋實(shí)時(shí)測量系統(tǒng)的設(shè)計(jì)

1.3 Sobel邊緣檢測

以上小節(jié)得出了裂縫的候選集合，但是事實(shí)上這個(gè)候選集合含有大量的非裂縫區(qū)域。這一節(jié)中的主要內(nèi)容是設(shè)計(jì)算法剔除這些干擾裂縫，獲取更小的裂縫候選集合。在試驗(yàn)中，由于裂縫具有明顯的邊緣，而干擾圖像區(qū)域有比較模糊的邊緣或者僅有一個(gè)邊緣等，通過分析，提出采用Sobel邊緣檢測的方法進(jìn)行裂縫位置的鎖定。Sobel算子由兩個(gè)卷積核組成，如圖4所示。

通過對(duì)原始圖像采用Sobel邊緣檢測得到如圖5所示結(jié)果。

Sobel邊緣檢測結(jié)果圖像

OTSU分割后的結(jié)果

但是，這個(gè)結(jié)果很明顯存在很多微小的干擾，這些干擾必須予以剔除，否則將對(duì)鎖定裂縫邊緣沒有任何效果。通過對(duì)邊緣檢測結(jié)果圖像仔細(xì)分析發(fā)現(xiàn)，雖然存在微小干擾，但是他們的灰度值普遍偏小，針對(duì)這一發(fā)現(xiàn)，對(duì)緣檢測結(jié)果圖像做與上一節(jié)中一樣的圖像分割，這會(huì)將微小的干擾有效地剔除。如圖6所示。

同過對(duì)分割后的邊緣圖像進(jìn)行觀察，圖像仍然存在一些微小的干擾，但這些干擾相對(duì)于未處理的緣檢測結(jié)果圖像已經(jīng)很少，將在后續(xù)的處理中對(duì)圖像裂縫添加附加約束，從而取出這些干擾的影響。

1.4 基于裂縫特征的附加約束

通過對(duì)大量的裂縫圖像進(jìn)行分析，發(fā)現(xiàn)圖像裂縫有如下特點(diǎn)：

（1）裂縫灰度值低于墻體的灰度值。

（2）裂縫的寬度相對(duì)于整個(gè)圖像不超過圖像寬度的1／3。

（3）污染的墻體區(qū)域一般呈大的塊狀出現(xiàn)，且很多僅含有一個(gè)邊界，另一邊界延伸至圖像外面。

（4）墻體的一些微小的干擾呈小塊狀出現(xiàn)。

（5）裂縫一般為帶狀。

使用ARM處理器處理圖像，由于其速度慢且有實(shí)時(shí)性要求，故不能處理整張的圖像，換句話說，必須處理局部圖像。這就很明顯增加了剔除候選裂縫的難度。該系統(tǒng)顯然是無法使用特點(diǎn)（4）、特點(diǎn)（5）的。

通過添加以上約束，實(shí)驗(yàn)效果有了明顯的提高。

圖7是PC機(jī)的結(jié)果，由于同時(shí)使用了5個(gè)約束效果比較好。圖8是ARM系統(tǒng)運(yùn)行的截圖，由于在ARM上不方便分步計(jì)算出每一個(gè)步驟，故直接給出了帶有測量結(jié)果的截圖。

PC機(jī)計(jì)算結(jié)果