基于數(shù)字圖像處理技術的巖石節(jié)理寬度測量

2 圖例應用
2.1 巖石節(jié)理圖片的采集
　　首先，獲取巖石標本。對需要研究的巖體進行鉆孔，并向孔中放入放射性物質(zhì)，經(jīng)過一個星期的放射過程使放射物充滿巖體中可以達到的裂隙。然后，切割巖石。用10～50倍顯微鏡采集有代表性的節(jié)理的原始彩色圖像。本例中采集樣本使用的放大比例設定為：一個光點代表的實際長度為0.004mm。由于選用了比較大的放大比例，使微節(jié)理裂隙的物理特征更加突出，圖片規(guī)模也隨之較大。采集過程中把整條節(jié)理裂隙分成34張獨立圖像分別拍攝，每張圖片的大小為760×230個象素點。為簡潔起見，文中選取該組圖片中的一張進行處理并對各種測量方法和結果進行對比分析。
2.2 圖像處理過程
　　首先對采集到的原始彩色圖像進行二值化處理， 為便于各種算法的測量比較以及減少偶然性誤差，對被分析的圖像采取平均分割的方法等分成7份，對分割后的圖像使用改進的Ferret算法進行測量。圖3和圖4為裂隙的原始圖和二值化后被分割的圖像。此裂隙變化較復雜，起伏較大，裂隙中間有孔洞(或填充物質(zhì))，邊界有“煙霧”，這些都會影響測量的準確度，因此測量前先采用閾值法去除邊界噪聲。經(jīng)過改進的Ferret算法處理后的效果圖如圖5所示，測量結果統(tǒng)計如表１所示。

2.3 統(tǒng)計分析
　　由于橢圓算法使用廣泛且結果理想，所以以它作為基準進行對比分析。三種算法寬度測量結果的對比如圖6所示。由圖可知：對于3、4、7這三段的測量，當量圓直徑算法和橢圓算法得出的結果比較接近，從圖4中也可以看出3、4、7各段裂隙的長寬差值近似。在這種情況下Ferret算法并不能表現(xiàn)出很好的優(yōu)越性；而對于5、6段的測量，橢圓算法和Ferret算法的結果比較接近，但5、6二段的長寬差很大，可見對于長寬差比較大的不規(guī)則圖形可以使用Ferret算法測量。這就要求使用Ferret算法進行實際測量時，要注意測量前的分割尺度，使長寬有一定的差距，使用Ferret算法才可以達到理想的效果。
　　經(jīng)過大量寬度測量的實驗對比表明：Ferret算法在測量不規(guī)則圖形，特別是那些長寬差比較大的圖形都得到了理想效果。
3 總 結
　　大量的數(shù)字圖像處理技術應用在工程測量方面，由于其各異性，面對眾多測量算法，要選用某種適合的算法，需要做大量的對比研究。對于規(guī)則的被測圖形來說，當量圓算法和當量橢圓算法基本可以滿足需求，而Ferret算法在大量長寬差比較大的不規(guī)則圖形測量方面表現(xiàn)出良好的適應性，而且達到了滿意的效果。本文分析了簡單Ferret算法的原理，提出了改進的Ferret算法，給出了一個基于改進的Ferret算法的巖石節(jié)理寬度測量的實例過程。然而，在實際測量中，分割圖像時選取的長度大小、非實裂隙的中間孔洞以及邊界噪聲等都會對寬度測量產(chǎn)生一定的影響，這些都將是今后要解決的問題。