基于ARM智能建筑物裂紋實(shí)時(shí)測(cè)量系統(tǒng)開(kāi)發(fā)研究

0 引 言

在建筑業(yè)中，評(píng)價(jià)墻體裂紋，地面裂紋是評(píng)價(jià)房屋質(zhì)量的一項(xiàng)重要指標(biāo)。由于傳統(tǒng)的利用手工標(biāo)尺進(jìn)行裂紋寬度測(cè)量的方法既不準(zhǔn)確又不方便，于是將嵌入式應(yīng)用于自動(dòng)測(cè)量建筑裂紋寬度成為了許多研究者的重要研究?jī)?nèi)容。

本研究將問(wèn)題劃分為以下兩個(gè)部分：

(1)裂紋寬度測(cè)量算法；

(2)將以上所開(kāi)發(fā)軟件移植到ARM開(kāi)發(fā)板，并優(yōu)化算法提高軟件運(yùn)行速度。

1 裂紋寬度測(cè)量算法

計(jì)算裂縫寬度關(guān)鍵是要利用圖像分割技術(shù)得到裂縫的真正邊緣。雖然已有文獻(xiàn)介紹了多種分割方法，但是未見(jiàn)有針對(duì)裂縫測(cè)試儀采集到的裂縫圖像進(jìn)行處理的方法。因此，本文針對(duì)裂縫圖像，提出了結(jié)合OTSU圖像分割與Sobel邊緣檢測(cè)的混合算法進(jìn)行裂紋檢測(cè)與寬度測(cè)量。

1．1 圖像獲取

圖像獲取過(guò)程如圖1所示：被檢測(cè)的裂縫通過(guò)光學(xué)系統(tǒng)在CMOS圖像傳感器上成像，然后通過(guò)USB接口將裂縫圖像輸出到ARM上進(jìn)行處理。

裂縫圖像如圖2所示。裂縫寬度分布范圍較廣，自幾十至幾百像素不等，但遠(yuǎn)遠(yuǎn)小于圖像的寬度值。裂縫周?chē)胁糠衷肼?，有的圖像含有大量污染區(qū)域，這成為裂縫位置鎖定的難點(diǎn)。

1．2 OTSU圖像分割

通過(guò)與已有圖像分割方法如：直方圖法、OTSU法、區(qū)域分割法等進(jìn)行比較發(fā)現(xiàn)，OTSU在最后的效果上占有明顯的優(yōu)勢(shì)。因此采用OTSU方法進(jìn)行圖像的分割。

圖像分割的結(jié)果如圖3所示。觀察結(jié)果，很容易發(fā)現(xiàn)圖像的邊緣很大區(qū)域被錯(cuò)分為與裂縫一樣。于是直接計(jì)算裂縫寬度時(shí)會(huì)導(dǎo)致將錯(cuò)分的區(qū)域計(jì)算成裂縫。因此除了計(jì)算裂縫寬度外，對(duì)候選裂縫集合進(jìn)行有效剔除是另一個(gè)重要任務(wù)。對(duì)選裂縫集合進(jìn)行有效剔除將會(huì)在下一小節(jié)中進(jìn)行討論。

分割完圖像后，計(jì)算所有可能成為裂縫的區(qū)域的寬度。采用從圖像給定行的起始位置開(kāi)始計(jì)算裂縫寬度，當(dāng)發(fā)現(xiàn)像素灰度由0變?yōu)?55，記為一個(gè)裂縫的左邊緣起始位置；當(dāng)查找到像素灰度由255變?yōu)?，記為一個(gè)裂縫的右邊緣結(jié)束位置。通過(guò)這種方法可以獲取給定行的所有可能的裂縫寬度。但是在具體試驗(yàn)中發(fā)現(xiàn)，計(jì)算對(duì)單行的裂縫進(jìn)行寬度測(cè)量還是存在比較大的誤差。于是采用求取給定行上下5行共10行的平均值的方法。這樣可以有效地去除毛刺的干擾。通過(guò)這種方法，得到一個(gè)裂縫的候選集合，并且計(jì)算出候選集合中每一個(gè)位置的寬度。

1．3 Sobel邊緣檢測(cè)

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(guò)分析，提出采用Sobel邊緣檢測(cè)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，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積，一個(gè)核對(duì)通常的垂直邊緣相應(yīng)最大，而另一個(gè)對(duì)水平邊緣相應(yīng)最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出位。運(yùn)算結(jié)果是一幅邊緣幅度圖像。

通過(guò)對(duì)原始圖像采用Sobel邊緣檢測(cè)得到如圖5所示結(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(méi)有任何效果。通過(guò)對(duì)邊緣檢測(cè)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(cè)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。實(shí)際的實(shí)驗(yàn)結(jié)果也驗(yàn)證了這一點(diǎn)，如圖6所示。

同過(guò)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(cè)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(guò)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(guò)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(huà)說(shuō)，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(wú)法使用特點(diǎn)(4)、特點(diǎn)(5)的。因此僅使用了前三個(gè)特點(diǎn)，并提出了約束：剔除寬度高于圖像寬度1／3的裂縫候選集，剔除寬度低于1／10的裂縫候選集。

通過(guò)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(cè)量結(jié)果的截圖。

2 基于Linux的QT界面設(shè)計(jì)算法

前文討論的是主要的算法部分，完整的裂紋測(cè)量系統(tǒng)還包括用戶(hù)接口部分，即圖形界面接口。在ARM上采用QT進(jìn)行界面設(shè)計(jì)已經(jīng)比較成熟，它具有以下主要特點(diǎn)：

(1)入門(mén)容易、學(xué)習(xí)成本低。了解基本概念后就可以邊查文檔邊寫(xiě)程序。

(2)跨平臺(tái)效果好。本來(lái)是Linux下的工具庫(kù)，在Windows下默認(rèn)觀感也很好。

3 軟件移植與程序優(yōu)化

由于最終的程序是運(yùn)行在ARM系統(tǒng)上，而由于ARM處理圖像時(shí)的速度慢與裂縫測(cè)量?jī)x器的實(shí)時(shí)性要求，必須對(duì)程序進(jìn)行優(yōu)化，并將算法移植到ARM系統(tǒng)上，使之可以正確運(yùn)行。

軟件的移植比較容易。由于一開(kāi)始很注重將PC機(jī)上仿真成功的算法及時(shí)移植到ARM上，故程序的移植變得比較容易。

但是程序的優(yōu)化是一個(gè)問(wèn)題，雖然現(xiàn)在的ARM速度已經(jīng)提高了很多，但是在處理圖像時(shí)還是很吃力，加上算法中需要對(duì)原圖像兩次獨(dú)立處理，相當(dāng)于加倍了ARM的負(fù)擔(dān)。通過(guò)對(duì)大量裂縫圖像的分析，針對(duì)前文中提出的裂縫特點(diǎn)以及結(jié)合ARM本身的運(yùn)算速度條件，提出剔除處理全部圖像的算法。采用了只處理給定行位置上下10行的區(qū)域。通過(guò)只處理這20行圖像，極大地提高了程序的運(yùn)行速度。以上方法并行，還采用多線程編程方法，通過(guò)將圖像采樣與圖像的處理分為兩個(gè)進(jìn)程完成，有效地提高了程序的運(yùn)行速度。

4 實(shí)驗(yàn)結(jié)果分析

該程序分別在PC機(jī)和ARM開(kāi)發(fā)板上運(yùn)行，效果如圖7，圖8所示。

通過(guò)大量的實(shí)驗(yàn)發(fā)現(xiàn)該算法能較好地檢測(cè)出裂縫的分布和寬度。在算法中采用了結(jié)合OTSU圖像分割與Sobel邊緣檢測(cè)的混合算法進(jìn)行裂紋檢測(cè)與寬度測(cè)量。這種算法能分別有效利用邊緣檢測(cè)與圖像分割兩種方法各自的優(yōu)點(diǎn)。另外在該算法中加入了一些分析獲得的約束條件，這能極大地彌補(bǔ)邊緣檢測(cè)與圖像分割混合方法的不足，從而有效地提高了裂紋位置鎖定與裂縫寬度測(cè)量的精度。

5 結(jié) 語(yǔ)

針對(duì)墻體裂紋測(cè)量，設(shè)計(jì)出了一套適用于裂縫寬度檢測(cè)的算法。該算法能較好地檢測(cè)出裂縫的分布和寬度。采用邊緣檢測(cè)與圖像分割混合的方法并通過(guò)對(duì)大量圖像進(jìn)行分析，對(duì)算法添加了一系列符合圖像裂縫特征的約束條件，極大地提高了算法的準(zhǔn)確性與健壯性。分別將程序運(yùn)行于PC機(jī)系統(tǒng)與ARM系統(tǒng)，并針對(duì)ARM系統(tǒng)的特點(diǎn)對(duì)算法進(jìn)行了一系列優(yōu)化，引入了并行處理技術(shù)，在提高ARM運(yùn)行速度的同時(shí)，使得ARM系統(tǒng)檢測(cè)出的結(jié)果達(dá)到與PC機(jī)系統(tǒng)幾乎同等的效果。