王偉 陳新軒 韓敏

摘? 要：該文立足于解決瀝青路面裂縫識(shí)別，基于OpenCV函數(shù)庫(kù)，對(duì)該函數(shù)庫(kù)中Canny算子進(jìn)行改進(jìn)，將原始Canny算子高斯平滑濾波器，改進(jìn)為選擇濾波器。改進(jìn)后的識(shí)別算法，不僅能消除原始圖像中附帶的高斯噪聲，還能消除椒鹽（脈沖）噪聲?；诟倪M(jìn)后的算法進(jìn)行實(shí)驗(yàn)，結(jié)果顯示，經(jīng)過(guò)算法改進(jìn)后，路面裂縫識(shí)別更加精準(zhǔn)。

關(guān)鍵詞：路面裂縫識(shí)別? OpenCV? 選擇濾波器

中圖分類號(hào)：TP274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）03（b）-0055-02

瀝青路面裂縫是一種早期瀝青路面病害，如不及時(shí)處理，會(huì)降低路面防水性能，導(dǎo)致大量路面水下滲至路基，破壞路基穩(wěn)定層結(jié)構(gòu)，降低路基承載能力，引發(fā)路基失穩(wěn)造成更大程度的路面病害。因此，對(duì)于路面裂縫，應(yīng)當(dāng)及時(shí)修補(bǔ)處理。當(dāng)前，路面修補(bǔ)主要依靠工人操作機(jī)械灌縫，工作效率低，灌縫質(zhì)量取決于操作人員經(jīng)驗(yàn)。若要實(shí)現(xiàn)自動(dòng)路面裂縫修補(bǔ)，最關(guān)鍵的一步，是要能正確識(shí)別路面裂縫，并根據(jù)路面裂縫生成引導(dǎo)路徑，從而能夠引導(dǎo)機(jī)械自動(dòng)完成路面裂縫的修補(bǔ)工作。當(dāng)前，機(jī)器視覺(jué)技術(shù)發(fā)展迅速，利用機(jī)器視覺(jué)解決以上問(wèn)題可行性極高。該文基于OpenCV，針對(duì)原始Canny算子進(jìn)行改進(jìn)，提高路面裂縫檢測(cè)的效率和準(zhǔn)確度。

1? 利用原始Canny算子檢測(cè)路面裂縫時(shí)的缺陷

OpenCV是圖像識(shí)別領(lǐng)域廣泛使用的圖像處理函數(shù)庫(kù)，使用OpenCV提供的庫(kù)函數(shù)，可以極大地提升開(kāi)發(fā)速度，降低開(kāi)發(fā)難度。瀝青路面裂縫的檢測(cè)，本質(zhì)上是提取裂縫邊緣的過(guò)程，OpenCV對(duì)于邊緣提取，有許多成熟的函數(shù)，其中，Canny算子就是被廣泛使用的邊緣提取函數(shù)。但是，在應(yīng)用中發(fā)現(xiàn)，OpenCV自帶的原始Canny算子，對(duì)圖像的預(yù)處理，使用的是高斯平滑濾波器，雖能一定程度上抑制圖像噪聲，但是對(duì)于諸如椒鹽噪聲在內(nèi)的其他噪聲，降噪效果不能達(dá)到預(yù)期，同時(shí)，由于該濾波器的局限性，在圖像處理中，往往會(huì)將某些沖擊噪聲識(shí)別為待檢測(cè)邊緣。另一方面，在利用Sobel計(jì)算坐標(biāo)方向時(shí)，對(duì)噪聲敏感度過(guò)高，這也使得該方法很容易將非噪聲信號(hào)識(shí)別為噪聲，從而丟失細(xì)節(jié)信息。

2? Canny算子改進(jìn)

針對(duì)原始Canny算子的缺陷，高斯平滑濾波器能較好地消除高斯噪聲和均值噪聲，但對(duì)椒鹽噪聲等就顯得無(wú)能為力。如果考慮使用中值濾波器，雖能消除高斯平滑濾波不能處理的椒鹽噪聲，且不會(huì)對(duì)圖像帶來(lái)過(guò)多的模糊效果，但對(duì)高斯噪聲卻處理欠佳。此時(shí)，如果能有一種選擇濾波器，根據(jù)圖像不同位置的特點(diǎn)，運(yùn)用不同濾波器處理圖像，就能得到較好的效果。此時(shí)，我們可以考慮，設(shè)計(jì)一種選擇濾波器，選擇性地處理輸入圖像中的噪聲。

選擇濾波器原理：對(duì)于輸入的圖像，通過(guò)椒鹽噪聲檢測(cè)器檢測(cè)輸入圖像受到椒鹽噪聲影響的區(qū)域，對(duì)此類區(qū)域利用中值濾波器消除噪聲，其余部分利用中值濾波器濾除。經(jīng)過(guò)上述步驟濾波后，再將它們的結(jié)果疊加。對(duì)于椒鹽噪聲的檢測(cè)，這里有兩個(gè)基準(zhǔn)。

（1）灰度范圍基準(zhǔn)。

假設(shè)圖像灰度范圍為[Lmin，Lmax]，若圖像中，某一像素灰度值在此區(qū)間之外，則該像素很可能受到椒鹽噪聲的影響。

（2）局部像素對(duì)比基準(zhǔn)。

對(duì)于輸入圖像，含有椒鹽噪聲的像素點(diǎn)，灰度值為圖像灰度范圍的兩個(gè)極端?？紤]每個(gè)像素點(diǎn)的8個(gè)臨域，若該像素周邊像素與其存在極大的灰度差別，則該像素受脈沖噪聲的影響很大，判別依據(jù)為下式。

式中，假設(shè)位于處的像素的臨域?yàn)镹，屬于該臨域的像素為f（s，t），Tv用來(lái)判斷目標(biāo)像素與周邊像素灰度值差別是否足夠大，Tn代表百分比閾值。這里，我們使用兩個(gè)準(zhǔn)則來(lái)判定，是因?yàn)槿绻麅H使用灰度范圍基準(zhǔn)，可能將原本正常的像素點(diǎn)也判定為是受到了脈沖噪聲干擾的像素點(diǎn)。而如果僅僅使用局部像素對(duì)比基準(zhǔn)來(lái)判定，則可能將邊緣像素判定為受脈沖噪聲污染的像素點(diǎn)。因此，如果將兩者結(jié)合使用，就能避免以上問(wèn)題。

當(dāng)輸入圖像同時(shí)包含高斯噪聲和脈沖噪聲時(shí)，可將輸入圖像中的像素點(diǎn)一分為二，其中第一部分為受到高斯噪聲影響的像素，第二部分為受到脈沖信號(hào)影響的像素點(diǎn)。因?yàn)楦鶕?jù)灰度范圍基準(zhǔn)，含有脈沖噪聲（椒鹽噪聲）的像素的灰度值取到圖像灰度范圍的兩端極值，因而此像素點(diǎn)高斯噪聲可以忽略不計(jì)。為消除脈沖噪聲的影響，可在該像素周邊取樣，即通過(guò)該像素周邊未受影響像素的灰度信息和位置信息，通過(guò)差值計(jì)算，計(jì)算出該像素點(diǎn)的理論值，從而以新值代替舊值，消除脈沖噪聲影響。對(duì)于另外一部分的像素點(diǎn)，高斯噪聲可利用維納濾波的方法消除。最后將兩部分像素疊加，生成新消除噪聲后的圖像，供后續(xù)步驟繼續(xù)使用。

3? 實(shí)驗(yàn)及分析

該文實(shí)驗(yàn)環(huán)境為MacOS10.14+OpenCV3.4+Python3.6，將原始Canny算子降噪算法部分做上文所述改進(jìn)后，對(duì)路面裂縫進(jìn)行識(shí)別。改進(jìn)前后識(shí)別結(jié)果如圖1、圖2、圖3所示。通過(guò)對(duì)比實(shí)驗(yàn)結(jié)果可以看出，改進(jìn)前識(shí)別準(zhǔn)確度較低，周邊噪聲也被識(shí)別為裂縫標(biāo)出，只有周邊平滑的圖像，裂縫邊緣識(shí)別才比較準(zhǔn)確;改進(jìn)Canny算子，可以更精確地識(shí)別出裂縫的邊緣，周邊噪聲對(duì)于識(shí)別結(jié)果的影響不大。

4? 結(jié)語(yǔ)

該文針對(duì)OpenCV庫(kù)中Canny算子圖像噪聲處理部分進(jìn)行改進(jìn)，將原始高斯平滑濾波器改進(jìn)為選擇濾波器，能夠?qū)⒃紙D片中噪聲進(jìn)行更好的處理。通過(guò)實(shí)驗(yàn)驗(yàn)證，改進(jìn)后的Canny算子，對(duì)比改進(jìn)之前，對(duì)于輸入的路面裂縫圖像信號(hào)，能夠精準(zhǔn)識(shí)別裂縫區(qū)域，排除噪聲信號(hào)的影響。

參考文獻(xiàn)

[1] 周慧媛，邱書(shū)波，劉海英，等.基于對(duì)比度受限自適應(yīng)直方圖多種路面裂縫檢測(cè)與識(shí)別[J].齊魯工業(yè)大學(xué)學(xué)報(bào)，2018，32（5）：27-31.

[2] 豆曉瑜.基于多尺度分析的瀝青路面裂縫自動(dòng)檢測(cè)技術(shù)研究[D].長(zhǎng)安大學(xué)，2010.

[3] 徐歡，李振璧，姜媛媛，等.基于OpenCV和改進(jìn)Canny算子的路面裂縫檢測(cè)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（12）：4254-4258.

[4] 吳成茂，胡偉，王輝.小波自適應(yīng)閾值和雙邊濾波的圖像去噪[J].西安郵電大學(xué)學(xué)報(bào)，2013，18（4）：5-8.

[5] 段鎖林，殷聰聰，李大偉.改進(jìn)的自適應(yīng)Canny邊緣檢測(cè)算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2018，39（6）：1645-1652.