一种混凝土试验梁裂缝分布图自动生成方法

技术领域

本发明涉及土木工程试验技术领域。更具体地说，本发明涉及一种混凝土试验梁裂缝分布图自动生成方法。

背景技术

桥梁工程中应用最广泛的结构形式为混凝土桥。众所周知，混凝土梁在外部荷载作用下会产生裂缝，梁体开裂使得结构自身承载性能下降。同时裂缝会为外部空气、水、二氧化碳以及其他有害离子(如氯离子等)提供侵蚀通道，使梁体裂缝进一步开展，导致结构安全性和耐久性持续降低。近年来，为提升混凝土桥的承载性能和耐久性能，研究人员将超高性能混凝土UHPC，工程水泥基复合材料ECC，纤维增强混凝土FRC等新型材料应用于混凝土桥中，探究不同荷载形式下的新型混凝土缩尺模型梁的裂缝开展规律。

研究人员一般基于破坏混凝土试验梁照片分析裂缝的开展规律，但照片噪声对观察裂缝开展规律影响较大。为了更清晰直观地分析裂缝开展规律，部分研究人员通过CAD或者PPT等工具将破坏混凝土试验梁照片描制成无照片噪声的混凝土试验梁裂缝分布图，但这种人工制图方式效率低、且绘制出的混凝土试验梁裂缝分布图中的裂缝形态和开展情况失真度高。因此，如何高效、精确地绘制出无照片噪声的混凝土试验梁裂缝分布图成为亟待解决的重要问题。

发明内容

为了克服现有技术的缺陷，本发明所解决的技术问题在于提出一种混凝土试验梁裂缝分布图自动生成方法。

本发明提出了一种混凝土试验梁裂缝分布图自动生成方法，所述方法包括以下步骤：

步骤1：通过相机标定获取单色背景涂有白漆的开裂混凝土试验梁正摄图像，并将其转换为灰度图像，同时获取相机距离标定系数C(d)，所述单色背景非白色或者黑色；

步骤2：提取所述灰度图像中各个像素点的灰度值及像素坐标，并存储至矩阵数据组A中；

步骤3：基于预设边缘检测算法对矩阵数据组A进行卷积，将检测出的所有边缘像素点的像素坐标存储至边缘数据组B中，所述预设边缘检测算子为canny边缘检测算法；

步骤4：基于预设图像分割算法确定裂缝灰度阈值，将矩阵数据组A中低于所述裂缝灰度阈值的像素点的像素坐标和灰度值存储至裂缝数据组C-1中，所述预设图像分割算法为拓展OSTU算法，根据自适应灰度值一阶差分阈值剔除裂缝数据组C-1中的模糊像素点，将留存的像素点的像素坐标存储至裂缝数据组C-2中；

步骤5：计算裂缝数据组C-2中的各个连通域最小外接矩形长宽比，剔除裂缝数据组C-2中低于自适应连通域最小外接矩形长宽比阈值的连通域，将剩余连通域中的像素点像素坐标存储至裂缝数据组C-3中；

步骤6：通过布尔运算对边缘数据组B和裂缝数据组C-3取并集，将结果存储至数据组D中，并将数据组D中各个像素点坐标信息由像素坐标系转为像平面坐标系；

步骤7：通过canvas画布绘制数据组D中的各个像素点，生成混凝土试验梁的裂缝分布图。

优选的，步骤1中所述确定相机距离标定系数C(d)的具体方法为：通过相机标定获取已知长度目标物体的正摄图像，确定相机到所述目标物体的拍摄距离d(m)，同时计算所述正摄图像中目标物体的长度L(mm)以及所述目标物体长度方向的像素值t(pixel)；

拍摄距离为单位长度(m)时，所述相机距离标定系数C(d)的算法为：

C(d)＝L*d/t(mm/pixel)。

进一步的，步骤2中，所述像素坐标为像素坐标系下的像素点坐标信息。

优选的，步骤4中，所述基于拓展OSTU算法确定裂缝灰度阈值包括如下步骤：

步骤4.11：根据矩阵数据组A中所有像素点的灰度值，绘制灰度直方图，确定所述灰度直方图中峰值前三的波峰区域的峰值，分别为T

其中，T

步骤4.12：根据所述灰度直方图中峰值前三的波峰区域的峰值确定步骤4.1中所述三类区域的两个预估灰度阈值分别为：

其中，T′

步骤4.13：计算所述三类区域灰度值的类间方差，以所述两个预估灰度阈值T′

其中，

进一步的，优选的，步骤4中，所述根据自适应灰度值一阶差分阈值剔除裂缝数据组C-1中的模糊像素点包括如下步骤：

步骤4.21：遍历裂缝数据组C-1中所有像素点与其相邻位置像素点灰度值一阶差分均值，具体计算公式如下：

其中，n为任一像素点相邻位置像素点个数，若所述任一像素点相邻位置像素点少于四个，则按照实际相邻像素点个数计算；

步骤4.22：将所述灰度值一阶差分均值低于所述灰度值一阶差分阈值的像素点从裂缝数据组C-1中剔除，所述自适应灰度值一阶差分阈值为裂缝数据组C-1中所有像素点灰度值gray(u，v)与其相邻四个位置像素点灰度值aray(u+i，v+j)一阶差分均值求和的均值，具体计算公式如下：

其中，m为裂缝数据组C-1中像素点的个数。

优选的，步骤5中，所述自适应连通域最小外接矩形长宽比阈值为产生相邻连通域所述最小外接矩形长宽比最大差值

其中，

优选的，步骤6中，所述将数据组D中各个像素点坐标信息由像素坐标系转为对应实际物理尺寸的像平面坐标系，具体为：

定义数据组D中像素点像素横坐标和像素纵坐标均最小的像素点为坐标原点(u

其中，(x，y)为数据组D中像素点在像平面坐标系中的坐标信息，(u，v)为数据组D中像素点在像素坐标系中的坐标信息。

优选的，步骤7中，所述通过canvas画布绘制数据组D中的各个像素点包括如下步骤：

步骤7.1：确定数据组D中任一像素点(x

步骤7.2：确定canvas画布的长(L

pC(d)d′≤L

其中，p为矩阵数数据组A中x方向的像素点个数，q为矩阵数数据组A中y方向的像素点个数；

步骤7.3：选择数据组D-1中任一像素点的所述四个角点的像平面坐标系坐标，输入至canvas画布坐标系中，按照步骤6.1所述角点坐标顺序

连接四个坐标角点，并填充为黑色；

步骤7.4：按照步骤7.3遍历数据组D-1中剩余全部数据。

本发明提供的一种混凝土试验梁裂缝分布图自动生成方法具有以下优点：

1、本发明剔除破坏混凝土试验梁照片的照片噪声，生成混凝土试验梁裂缝分布图，能够清晰直观地分析裂缝开展规律。

2、本发明利用计算机图像识别算法和canvas画布绘制像素级别的混凝土试验梁裂缝分布图，实现人工零介入。相比传统人工绘制方式，本发明能显著提高混凝土试验梁裂缝分布图的绘制效率和精度。

3、本发明通过相机标定和坐标转换，实现破坏混凝土试验梁一比一还原，生成的混凝土试验梁裂缝分布图可用于测量裂缝间距、裂缝高度等。

附图说明

图1为本发明提供的一种混凝土试验梁裂缝分布图自动生成方法的流程示意图；

图2为本发明一种混凝土试验梁裂缝分布图自动生成方法中的单色背景涂有白漆的开裂混凝土试验梁的灰度图像；

图3为本发明一种混凝土试验梁裂缝分布图自动生成方法中的混凝土试验梁裂缝分布图。

具体实施方式

为了使本发明所解决的技术问题及有益效果更佳清楚明白，下面将参照相关附图对本发明进行更全面的描述。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

具体的，参阅图1-图3，本实施例提供的一种混凝土试验梁裂缝分布图自动生成方法包括以下步骤：

步骤1：使用MATLAB中Single Camera Calibrator对拍摄相机进行标定，获取相机距离标定系数C(d)，同时获取蓝色背景下涂有白漆的开裂混凝土试验梁正摄图像，并将其转换为灰度图像，如图2所示；

具体的，在本实施例中，选用带有刻度的钢尺确定相机距离标定系数C(d)：

C(d)＝L*d/t(mm/pixel)

其中，L为拍摄图像中钢尺的长度，d为相机拍摄距离，t为拍摄图像沿钢尺长度方向的像素值。

步骤2：使用MATLAB提取所述灰度图像中各个像素点的灰度值及像素坐标，并存储至矩阵数据组A中。

步骤3：使用MATLAB通过sobel算子对矩阵数据组A进行卷积计算灰度梯度，并对所述灰度梯度计算结果依次进行灰度梯度极大值抑制、灰度梯度双阈值分类、边缘像素点连接，最后将检测出的所有边缘像素点的像素坐标存储至边缘

步骤4.1：使用MATLAB绘制矩阵数据组A的灰度直方图，确定涂有白漆的混凝土试验梁表面区域、蓝色背景区域、以及混凝土试验梁开裂区域的预估灰度阈值；

其中，T

步骤4.2：以步骤4.1中T′

具体的，在本实施例中，所述拓展OSTU算法为：

其中，

步骤4.3：遍历裂缝数据组C-1中所有像素点与其相邻位置像素点灰度值的一阶差分均值，将低于自适应灰度值一阶差分阈值的像素点从裂缝数据组C-1中剔除，将留存的像素点的像素坐标存储至裂缝数据组C-2中；

具体的，在本实施例中，所述像素点与其相邻位置像素点灰度值一阶差分均值为：

其中，n为任一像素点相邻位置像素点个数，若所述任一像素点相邻位置像素点少于四个，则按照实际相邻像素点个数计算，其中grat(u，v)为任一像素点灰度值，gray(u+i，v+j)为任一像素点相邻位置像素点灰度值；

进一步的，在本实施例中，所述自适应灰度值一阶差分阈值为裂缝数据组C-1中所有像素点与其相邻四个位置像素点一阶差分均值求和的均值，具体计算公式如下：

其中，m为裂缝数据组C-1中像素点的个数。

步骤5：利用MATLAB中Regionprops函数计算裂缝数据组C-2中的各个连通域最小外接矩形长宽比，剔除裂缝数据组C-2中低于自适应连通域最小外接矩形长宽比阈值的连通域，将剩余连通域中的像素点像素坐标存储至裂缝数据组C-3中；

具体的，在本实施例中，所述自适应连通域最小外接矩形长宽比阈值为产生相邻连通域所述最小外接矩形长宽比最大差值

进一步的，在本实施例中，所述最小外接矩形长宽比最大差值

其中，

步骤6：利用MATLAB布尔运算对边缘数据组B和裂缝数据组C-3取并集，将结果存储至数据组D中，根据所述相机距离标定系数C(d)和相机拍摄距离d′(m)将数据组D中各个像素点坐标信息由像素坐标系转为像平面坐标系；

具体的，在本实施例中，所述像素坐标系转为像平面坐标系方法为：

其中，(x，y)为数据组D中像素点在像平面坐标系中的坐标信息，(u，v)为数据组D中像素点在像素坐标系中的坐标信息，(u

步骤7：计算数据组D中所有像素点的四个角点的像平面坐标系坐标，确定canvas画布的长(L

具体的，canvas画布的长(L

pC(d)d′≤L

其中，p为矩阵数数据组A中x方向的像素点个数，q为矩阵数数据组A中y方向的像素点个数；

进一步的，在本实施例中，数据组D中任一像素点(x

上面结合实施例对本发明的实例作了详细说明，但是本发明并不限于上述实例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出的各种变化，也应视为本发明的保护范围。