詹 偉 章楊松

(南京理工大學(xué)理學(xué)院，江蘇南京 210094)

0 引言

影響巖體力學(xué)性質(zhì)的主要因素是巖體的地質(zhì)特征，即巖體結(jié)構(gòu)、環(huán)境因素和巖性。其中巖體結(jié)構(gòu)尤為重要，應(yīng)視為巖體力學(xué)性質(zhì)研究的基礎(chǔ)，因此研究巖體結(jié)構(gòu)面具有十分重要的工程意義。

對(duì)于巖體結(jié)構(gòu)面的分布情況，傳統(tǒng)的方法主要是人工通過(guò)羅盤、皮尺等測(cè)量工具在現(xiàn)場(chǎng)進(jìn)行實(shí)地測(cè)量，包括有測(cè)窗法、測(cè)線法等[1]。該法數(shù)據(jù)處理繁瑣、工作量大，并且很多地方無(wú)法進(jìn)行測(cè)量。隨著計(jì)算機(jī)技術(shù)的發(fā)展，運(yùn)用在該領(lǐng)域的近景攝影測(cè)量和數(shù)字圖像處理技術(shù)[2-4]隨之應(yīng)運(yùn)而生。Deb等[5]采用Canny算子邊緣檢測(cè)和Hough變換連接分段線進(jìn)行裂隙跡線的自動(dòng)檢測(cè)。Vasuki等[6]采用相位對(duì)稱性和Hough變換實(shí)現(xiàn)了裂隙跡線的自動(dòng)檢測(cè)。Cinar等[7]運(yùn)用數(shù)字圖像相關(guān)性和相位一致性實(shí)現(xiàn)了裂隙跡線的自動(dòng)檢測(cè)。王衛(wèi)星等[8-9]通過(guò)形態(tài)學(xué)多級(jí)合成法和多尺度Hessian矩陣與steger算法對(duì)巖體裂隙進(jìn)行自動(dòng)檢測(cè)。這些技術(shù)相較于傳統(tǒng)現(xiàn)場(chǎng)人工測(cè)量具有高效、精確、安全等優(yōu)點(diǎn)。

對(duì)巖體結(jié)構(gòu)面裂隙跡線進(jìn)行檢測(cè)識(shí)別，其實(shí)就是對(duì)圖像進(jìn)行邊緣檢測(cè)。而在圖像中，邊緣就是灰度發(fā)生突變的像素點(diǎn)集合，其中包含了重要的數(shù)字圖像信息，所以提取邊緣能夠?qū)⒀芯啃枰膱D像信息提取出來(lái)[10]。對(duì)圖像理解、分析和識(shí)別都是在圖像邊緣檢測(cè)基礎(chǔ)上進(jìn)行的[11]。目前常用的邊緣檢測(cè)算子有一階偏導(dǎo)算子(Roberts、Sobel、Prewitt等算子)、二階偏導(dǎo)算子(拉普拉斯算子)，此兩者對(duì)噪聲敏感性較強(qiáng)[12]，檢測(cè)效果不佳[13]。通過(guò)比較Canny 算子[14]和其它各種算子，得出在眾多檢測(cè)算子中Canny算子的準(zhǔn)確度和靈敏度相對(duì)較高，該算子檢測(cè)的結(jié)果圖像中雜點(diǎn)較少，各邊緣裂隙檢測(cè)連接更為清晰，位置與實(shí)際裂隙更為吻合。因此本文以Canny算子為基礎(chǔ)對(duì)巖體結(jié)構(gòu)面進(jìn)行跡線檢測(cè)。

本文提出了一種基于數(shù)字圖像處理的邊緣檢測(cè)和分段線迭代連接，并同時(shí)濾除偽邊緣的巖體結(jié)構(gòu)面跡線檢測(cè)方法。該法的基本思路是在預(yù)處理后的圖像中人工指定少量難以正確識(shí)別的主要裂隙控制點(diǎn)，從而將該部分區(qū)域圖像提取出來(lái)，將其一分為二。然后對(duì)兩張圖片分別進(jìn)行邊緣檢測(cè)，得到兩張跡線檢測(cè)結(jié)果圖。之后根據(jù)距離、角度原則對(duì)兩張分段線圖片分別進(jìn)行迭代連接。因?yàn)橥粭l結(jié)構(gòu)面的跡線分段線滿足距離、角度原則，進(jìn)而相互連接完整，偽裂隙無(wú)法滿足而不能相互連接變長(zhǎng)，進(jìn)而濾除。該法可以將難以正確識(shí)別的主要裂隙與次要裂隙分開(kāi)處理，減少裂隙之間的干擾，所以能夠更好地保證裂隙識(shí)別的完整性與正確性，因而具有更高的精確性。

1 基本原理

巖體結(jié)構(gòu)面裂隙跡線的半自動(dòng)檢測(cè)過(guò)程，主要包含了主次裂隙區(qū)域分離、裂隙識(shí)別和迭代連接三個(gè)部分。其中主次裂隙區(qū)域分離與迭代連接是保證檢測(cè)結(jié)果準(zhǔn)確的關(guān)鍵。

1.1 主次裂隙區(qū)域分離

在預(yù)處理后的圖像中人工指定少量難以正確識(shí)別的主要裂隙的控制點(diǎn)，然后通過(guò)算法將該區(qū)域提取出來(lái)，就能夠達(dá)到主次裂隙區(qū)域分離的目的。其中裂隙的控制點(diǎn)主要包括裂隙的起點(diǎn)、拐點(diǎn)和終點(diǎn)。輸入的控制點(diǎn)越多，則裂隙區(qū)域提取越精確。

1.2 迭代連接

在對(duì)圖像進(jìn)行分割、邊緣檢測(cè)、細(xì)化以及節(jié)點(diǎn)刪除后，得到的結(jié)果往往是斷開(kāi)的分段線，不能夠形成連續(xù)與實(shí)際相吻合的裂隙跡線。所以要實(shí)現(xiàn)巖體結(jié)構(gòu)面裂隙跡線的正確檢測(cè)，就必須將檢測(cè)的分段線進(jìn)行準(zhǔn)確連接，同時(shí)濾除偽邊緣。為了準(zhǔn)確實(shí)現(xiàn)分段線連接，本文所采用的判斷方法為距離、角度原則。這就需要對(duì)各分段線的參數(shù)進(jìn)行提取，在進(jìn)行分段線參數(shù)提取時(shí)，因?yàn)閷?duì)邊緣檢測(cè)的結(jié)果進(jìn)行了細(xì)化以及節(jié)點(diǎn)刪除，所以每條分段線都相對(duì)較短，這就為參數(shù)提取提供了優(yōu)勢(shì)，可以將每條分段線的兩端點(diǎn)進(jìn)行連接，用連接后的線段參數(shù)近似等效為原跡線分段線參數(shù)，但是連接完成后跡線坐標(biāo)的提取仍然采用原裂隙跡線像素坐標(biāo)。經(jīng)過(guò)多次試驗(yàn)表明此法效果良好，誤差在允許范圍內(nèi)。

2 巖體結(jié)構(gòu)面裂隙半自動(dòng)檢測(cè)步驟

2.1 圖像預(yù)處理

由于拍攝設(shè)備與拍攝環(huán)境等原因，常常導(dǎo)致拍攝出來(lái)的照片會(huì)出現(xiàn)質(zhì)量不高的情況，這就需要對(duì)采集到的圖片進(jìn)行不同的預(yù)處理。其中常見(jiàn)的預(yù)處理操作包括圖像灰度化、圖像去噪和圖像增強(qiáng)等。通過(guò)對(duì)照片進(jìn)行這些預(yù)處理操作可以提高圖片的質(zhì)量，為后續(xù)的巖體結(jié)構(gòu)面裂隙檢測(cè)分析打下良好堅(jiān)實(shí)的基礎(chǔ)[15]。

2.2 人工指定少量主要裂隙控制點(diǎn)

對(duì)于復(fù)雜的巖體結(jié)構(gòu)面裂隙分布情況，其跡線往往是縱橫交錯(cuò)的，所以在對(duì)其進(jìn)行邊緣檢測(cè)的時(shí)候就往往會(huì)將不同的裂隙檢測(cè)成同一條裂隙；而且由于風(fēng)化作用，往往會(huì)將一條跡線檢測(cè)成相距較遠(yuǎn)且難以通過(guò)迭代連接操作進(jìn)行正確連接的分段線，這些情況都會(huì)導(dǎo)致檢測(cè)結(jié)果與實(shí)際情況不吻合。此時(shí)就需要對(duì)這些特殊裂隙進(jìn)行人工輸入控制點(diǎn)，將該區(qū)域提取出來(lái)單獨(dú)進(jìn)行識(shí)別與迭代連接。因?yàn)樘崛『鬁p少了裂隙識(shí)別的干擾因素，可以更加簡(jiǎn)單靈活地設(shè)置距離與角度閾值，從而將它們正確地連接起來(lái)。

2.3 邊緣檢測(cè)及細(xì)化

對(duì)分離后的主次裂隙圖像使用Canny算子分別進(jìn)行邊緣檢測(cè)，檢測(cè)結(jié)果的寬度為多個(gè)像素。將其細(xì)化為單像素寬度有助于減少圖形冗余信息量，突出圖形特征，這樣可減少運(yùn)算量從而縮短識(shí)別的時(shí)間和提高識(shí)別率[16]。圖像細(xì)化常用的算法有OPTA細(xì)化算法、Hilditch細(xì)化算法和形態(tài)學(xué)細(xì)化算法。由于數(shù)學(xué)形態(tài)學(xué)細(xì)化算法實(shí)現(xiàn)簡(jiǎn)單、效率高、效果好，因此本文選用形態(tài)學(xué)細(xì)化算法，將圖像中的裂隙細(xì)化，實(shí)現(xiàn)提取裂隙信息的目的[17-18]。

2.4 清除單點(diǎn)及節(jié)點(diǎn)

對(duì)圖像進(jìn)行邊緣檢測(cè)及細(xì)化后，將細(xì)化的分段線近似視為直線段，用這些直線段的參數(shù)近似代表巖體結(jié)構(gòu)面跡線分段線的參數(shù)[19]。但是圖像邊緣檢測(cè)及細(xì)化的結(jié)果往往存在分支(毛刺、跡線交叉)的情況，這有礙于對(duì)分段線進(jìn)行直線擬合以及參數(shù)提取。為了得到更加準(zhǔn)確的跡線參數(shù)，就需要對(duì)細(xì)化后圖像中的節(jié)點(diǎn)和單點(diǎn)進(jìn)行清除[20]。對(duì)節(jié)點(diǎn)及單點(diǎn)的清除如下進(jìn)行(檢測(cè)結(jié)果圖為白底黑線)：

對(duì)圖像每個(gè)像素點(diǎn)從左往右、從上往下依次進(jìn)行分析，如果當(dāng)前檢測(cè)像素點(diǎn)為黑色時(shí)，統(tǒng)計(jì)其四周八個(gè)位置中為黑色像素點(diǎn)的個(gè)數(shù)并記為N。

(1)當(dāng)N≥3時(shí)，則該點(diǎn)應(yīng)為節(jié)點(diǎn)，為了保證能夠?qū)⒐?jié)點(diǎn)完全斷開(kāi)，此步可以將該點(diǎn)以及四周八個(gè)像素點(diǎn)全部設(shè)置為圖片背景色；

(2)當(dāng)N=2時(shí)，則該點(diǎn)為分段線內(nèi)部點(diǎn)；

(3)當(dāng)N=1時(shí)，則該點(diǎn)為該分段線的端點(diǎn)，并記錄成aij(i≥1表示線段序號(hào)，j=1,2表示線段端點(diǎn)號(hào))；

(4)當(dāng)N=0時(shí)，則該點(diǎn)為單點(diǎn)，進(jìn)行刪除。

經(jīng)過(guò)此步驟處理后，圖中所有分叉的黑色邊界全部截?cái)喑珊?jiǎn)單的分段線，同時(shí)單點(diǎn)也被刪除。

2.5 分段線迭代連接

由于巖體結(jié)構(gòu)面裂隙在分布上有一明顯特征：排成一列或者端點(diǎn)相近的分段線有更大的概率為同一條裂隙，即它們?cè)谥苯亲鴺?biāo)系中有著相近的斜率和截距且端點(diǎn)間距較短。所以可以根據(jù)這個(gè)特征(距離、角度準(zhǔn)則)設(shè)計(jì)合理的算法，將同時(shí)滿足兩條件的分段線的相近端點(diǎn)相互連接起來(lái)，從而得到完整的裂隙跡線。該算法的主要步驟如下所示：

(1)測(cè)算所有分段線端點(diǎn)連線的傾斜角度。

(2)測(cè)算所有分段線端點(diǎn)線段之間的關(guān)系。

①查找兩線段最近相鄰點(diǎn)

以圖1為例，L1和L2分別為兩條線段，a11、a12分別為線段L1的兩端點(diǎn)，a21、a22分別為線段L2的兩端點(diǎn)，d1、d2表示a11與線段L2兩端點(diǎn)的距離，d3、d4表示a12與線段L2兩端點(diǎn)的距離，dmin表示d1、d2、d3、d4的最小值，即下圖中a12、a21之間的距離。如果dmin小于給定的判定閾值Dt，則繼續(xù)往下判定。

②距離準(zhǔn)則

以圖2為例，由上知a12、a21表示兩條分段線距離最近的兩個(gè)端點(diǎn)，D1、D2分別表示a12到線段L2和a21到線段L1的距離。Sd=D1+D2，如果Sd小于給定的判定閾值dt，則繼續(xù)往下判定。

③角度準(zhǔn)則

a.角度準(zhǔn)則1

以圖3為例，a12、a21連線與線段L1的夾角記為γ，如果γ小于給定的判定閾值γt，則繼續(xù)往下判定。

b.角度準(zhǔn)則2

以圖4為例，α1、α2分別為L(zhǎng)1和L2的傾斜角，β(≤90°)為兩傾角差，當(dāng)|α1-α2|≤90°時(shí)，β=|α1-α2|；當(dāng)|α1-α2|>90°時(shí)，β=180-|α1-α2|。如果β小于給定的判定閾值βt，則繼續(xù)往下判定。

踐行—實(shí)踐發(fā)揮主體能動(dòng)性?！耙詫W(xué)生為中心”教育模式的根本目的是促使不同素質(zhì)、不同特長(zhǎng)的學(xué)生揚(yáng)長(zhǎng)補(bǔ)短、各得其所。徐老師在“以學(xué)生為中心”的課堂有效性上大下功夫，她逐句逐段地培養(yǎng)學(xué)生閱讀文本的能力，在充分理解文本的基礎(chǔ)上再培養(yǎng)學(xué)生提出問(wèn)題小組團(tuán)隊(duì)解決問(wèn)題的能力，近兩年的堅(jiān)持不懈與學(xué)生共同探討磨合，學(xué)生被真正打開(kāi)，所提問(wèn)題的質(zhì)量甚至超越了一般教師的思維范疇，同時(shí)小組合作的能力達(dá)到了教師可以退居幕后，而學(xué)生真正成為學(xué)習(xí)的主人。

圖1 求兩分段線最近端點(diǎn)

圖2 最近兩端點(diǎn)分別到另一分段線的距離

圖3 最近兩端點(diǎn)連線與另一分段線的夾角

圖4 兩分段線水平夾角之差

④如果L1和L2兩線段滿足上述條件①②③，則L1和L2有很大可能屬于同一條結(jié)構(gòu)面的跡線，那么記錄對(duì)應(yīng)參數(shù)dmin、Sd、γ、β及dmin對(duì)應(yīng)的端點(diǎn)(此例子中對(duì)應(yīng)端點(diǎn)為a12、a21)。

(3)邊界線連接選取

對(duì)所有分段線兩兩進(jìn)行上述分析后，個(gè)別分段線可能會(huì)出現(xiàn)多條相似的分段線與其屬于同一條結(jié)構(gòu)面裂隙的情況。但是由于一條分段線的一個(gè)端點(diǎn)最多只能與一條分段線的一個(gè)端點(diǎn)進(jìn)行連接，所以具體與其中的哪條分段線相連，需要依據(jù)一定的判斷準(zhǔn)則，本文采取的方法如下：

其中w1、w2、w3、w4、θ1、θ2均為大于0的常數(shù)。

②對(duì)Sij按照從大到小的順序排列，找出Sij的最大值所對(duì)應(yīng)的端點(diǎn)ain、ajm，然后連接兩點(diǎn)即可。

重復(fù)上述步驟即可找出所有連接的分段線。

圖5 兩邊界線相似性分析流程圖

3 試驗(yàn)與分析

本文試驗(yàn)的對(duì)象為甘肅某地區(qū)的花崗巖露頭面圖像，運(yùn)用MATLAB編程，依次對(duì)圖像進(jìn)行上述操作。圖像分辨率均為5184×3456，巖體露頭面表面積均約為300 m2(見(jiàn)圖6)。

圖6 巖體露頭面圖像

對(duì)巖體露頭面中容易識(shí)別錯(cuò)誤的主要裂隙的控制點(diǎn)進(jìn)行人工指定，為了方便顯示，將同一裂隙的控制點(diǎn)進(jìn)行連接，如圖7所示。

圖7 人工指定主要裂隙控制點(diǎn)圖像

下一步通過(guò)人工指定的裂隙控制點(diǎn)，將指定的裂隙區(qū)域提取出來(lái)。此步是在MATLAB中利用自行編譯的程序?qū)崿F(xiàn)的。提取出來(lái)的圖像如圖8所示。

圖8 人工指定裂隙區(qū)域提取圖像

對(duì)提取出來(lái)的圖像進(jìn)行Canny邊緣檢測(cè)，此時(shí)因?yàn)閹缀鯖](méi)有次要裂隙及其他雜物的干擾，所以邊緣檢測(cè)效果很好。然后通過(guò)角度、距離準(zhǔn)則，設(shè)定合理的閾值，將屬于同一結(jié)構(gòu)面裂隙跡線的分段線相互連接起來(lái)即可。圖9為經(jīng)過(guò)兩次迭代連接的主要結(jié)構(gòu)面跡線檢測(cè)結(jié)果圖。

圖9 人工指定區(qū)域主要裂隙檢測(cè)結(jié)果圖

之后對(duì)剩余區(qū)域進(jìn)行邊緣檢測(cè)。因?yàn)橐褜⒖v橫交錯(cuò)難以正確識(shí)別的主要裂隙區(qū)域提取出來(lái)了，所以剩余的結(jié)構(gòu)面裂隙識(shí)別相對(duì)初始圖片來(lái)說(shuō)要簡(jiǎn)捷得多。圖10即為提取人工指定區(qū)域后剩余區(qū)域的圖像，圖11為對(duì)剩余區(qū)域進(jìn)行邊緣檢測(cè)、細(xì)化、刪除節(jié)點(diǎn)和單點(diǎn)后的結(jié)果圖。

圖10 提取人工指定區(qū)域后剩余的結(jié)構(gòu)面圖像

圖11 Canny邊緣檢測(cè)、細(xì)化、刪除節(jié)點(diǎn)和單點(diǎn)結(jié)果圖

然后對(duì)邊緣檢測(cè)得到的分段線進(jìn)行迭代連接，本例中分段線共經(jīng)過(guò)四次迭代連接，得到最終檢測(cè)結(jié)果如圖12所示。

圖12 分段線第四次迭代連接結(jié)果圖

當(dāng)對(duì)人工指定區(qū)域以及剩余區(qū)域分別進(jìn)行Canny邊緣檢測(cè)和迭代連接后，將二者最終檢測(cè)結(jié)果進(jìn)行疊加即為完整的巖體結(jié)構(gòu)面跡線檢測(cè)圖。最終疊加的結(jié)果如圖13所示。

圖13 人工指定區(qū)域與剩余區(qū)域的巖體結(jié)構(gòu)面跡線疊加結(jié)果圖

在傳統(tǒng)檢測(cè)算法中，常見(jiàn)的是直接對(duì)圖片進(jìn)行邊緣檢測(cè)。因而作為對(duì)比，本文采用Canny算子和Hough變換的直接檢測(cè)方法對(duì)實(shí)例中巖體露頭面圖像進(jìn)行裂隙跡線的自動(dòng)檢測(cè)，得到的裂隙跡線檢測(cè)結(jié)果繪制在原圖中，如圖14所示。同時(shí)，為了更好地對(duì)本文方法進(jìn)行評(píng)價(jià)，所以采用人工繪制結(jié)果圖與之進(jìn)行比較。人工繪制結(jié)果如圖15所示。

圖14 巖體結(jié)構(gòu)面跡線自動(dòng)檢測(cè)結(jié)果圖

圖15 巖體結(jié)構(gòu)面跡線人工繪制結(jié)果圖

本文巖體結(jié)構(gòu)面裂隙半自動(dòng)檢測(cè)結(jié)果、Canny算子和Hough變換的全自動(dòng)檢測(cè)結(jié)果、人工繪制結(jié)果三者之間的比較分析如表1所示，其中以人工繪制的結(jié)果作為比較評(píng)價(jià)的基準(zhǔn)。

表1 裂隙半自動(dòng)檢測(cè)結(jié)果與全自動(dòng)檢測(cè)結(jié)果、人工繪制結(jié)果統(tǒng)計(jì)分析(以人工繪制為參照)

圖像結(jié)果和統(tǒng)計(jì)數(shù)據(jù)從以下4方面進(jìn)行分析：

(1)裂隙檢測(cè)精確度。對(duì)圖13、圖14、圖15和表1中的裂隙正確識(shí)別數(shù)進(jìn)行分析可知，巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)中，裂隙正確檢出的數(shù)量較多，檢出的偽邊緣較少，而且裂隙分段線之間的連接錯(cuò)誤率較低，總體檢測(cè)精確度高。而自動(dòng)跡線檢測(cè)精確度則低得多。

(2)漏檢和誤檢。對(duì)圖13、圖14、圖15和表1中的裂隙誤檢、漏檢數(shù)進(jìn)行分析可知，巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)中漏檢和誤檢數(shù)量較少，漏檢和誤檢率較低。而巖體結(jié)構(gòu)面跡線自動(dòng)檢測(cè)中誤檢數(shù)量非常高，漏檢和誤檢率較高，存在大量缺失的情況。

(3)檢測(cè)長(zhǎng)度與實(shí)際對(duì)比。對(duì)圖13、圖14、圖15和表1中的檢測(cè)長(zhǎng)度與實(shí)際對(duì)比進(jìn)行分析可知，巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)中跡線檢測(cè)長(zhǎng)度與人工繪制結(jié)果基本符合。而巖體結(jié)構(gòu)面跡線自動(dòng)檢測(cè)的結(jié)果與人工繪制結(jié)果誤差較大。

(4)主要裂隙的識(shí)別情況和跡線連續(xù)性。對(duì)圖13、圖14、圖15和表1中的主要裂隙識(shí)別情況和分段線迭代連接情況進(jìn)行分析可知，巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)得到的裂隙跡線相對(duì)完整，連續(xù)性好，跡線位置準(zhǔn)確。而巖體結(jié)構(gòu)面跡線自動(dòng)檢測(cè)的結(jié)果則誤差較大。

4 結(jié)論

本文以大體積巖體露頭面圖像為對(duì)象，研究了一種基于圖像處理的巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)方法，該法是將難以正確識(shí)別的主要裂隙與次要裂隙單獨(dú)進(jìn)行裂隙識(shí)別和迭代連接。運(yùn)用MATLAB編程，進(jìn)行邊緣檢測(cè)和分段線連接操作，得到裂隙跡線檢測(cè)結(jié)果圖。實(shí)驗(yàn)結(jié)果表明，該方法有以下優(yōu)點(diǎn)：

(1)相對(duì)人工繪制，該法工作量小、效率高；

(2)相對(duì)全自動(dòng)跡線檢測(cè)，該法裂隙檢測(cè)精確度高，誤檢、漏檢情況少，檢測(cè)長(zhǎng)度與實(shí)際情況接近，主要裂隙的識(shí)別情況和跡線連續(xù)性好。

巖體結(jié)構(gòu)面跡線半自動(dòng)檢測(cè)法對(duì)于大體積且分布復(fù)雜的巖體露頭面跡線檢測(cè)，具有較大的優(yōu)越性與較好的適用性。