一种PC构件表观裂缝及孔洞特征参数的计算方法

摘要

一种PC构件表观裂缝及孔洞特征参数的计算方法，涉及PC构件表观缺陷检测技术领域，特别是属于一种PC构件表观裂缝及孔洞特征参数的计算方法。包括以下步骤，步骤1，系统初始化；步骤2，将PC构件表观缺陷图像处理为计算机可识别分析的图像；步骤3，特征参数计算，计算裂缝的走向、长度、宽度，以及孔洞的数量、面积、密度的特征参数；步骤4，像素单位与实际公制单位的单位转换；步骤5，PC构件表观裂缝及孔洞特征的查询，通过计算机的用户交互页面，查询及显示PC构件表观裂缝及孔洞的特征参数。本发明具有提高检测PC构件表观缺陷的效率以及能够精确计算PC构件表观裂缝及孔洞特征参数的积极效果。

说明书

技术领域

本发明涉及PC构件表观缺陷检测技术领域，特别是属于一种PC构件表观裂缝及孔洞特征参数的计算方法。

背景技术

早前，人工检测PC构件表观缺陷的方式主要是目测，传统的如手持高倍放大镜，用测量仪器对缺陷部位比对进行测量，并由人工识读记录参数，这样的检测方法效率低下，测量数据的准确率也不高。后来，随着测量技术发展，一些精密的测量仪器开始用于表观检测，如自动读数显微镜、裂缝测量仪等间接测量表观缺陷。尽管先进测量仪器的出现在一定程度上提高了PC构件的检测效率，可始终还是由检测人员进行操作并确定最终缺陷参数，且随着PC构件检测任务量的增加造成肉眼疲劳，识别不精，不仅人工成本大，且人为的主观因素会造成检测效率和质量下降；此外，隧道、桥梁等高跨度基建项目中，部分PC构件在安装完毕后处于检测人员不方便观察的位置，此类不利观察的位置加大了检测的难度，增加了检测时间，同时，危险复杂的工程环境也给检测人员带来安全威胁。

随着建筑中所使用的PC构件的体量、跨度、高度、使用部位等逐渐复杂，传统方式下的通过人工进行表观缺陷检测的方式逐渐凸显出其局限性，不仅检测效率低，检测的精确度也难以保证，无法准确获得PC构件表观裂缝及孔洞特征参数，因此，如何研究一种能够计算PC构件表观裂缝及孔洞特征参数的方法具有重要意义。

发明内容

本发明的目的在于提供一种PC构件表观裂缝及孔洞特征参数的计算方法，以解决传统人工表观缺陷检测所存在的检测效率低、检测的精确度低以及无法准确获得PC构件表观裂缝及孔洞特征参数的问题。

本发明所提供的一种PC构件表观裂缝及孔洞特征参数的计算方法，包括以下步骤，

步骤1，系统初始化，清除系统与图像缓存，阈值初始化为0，载入PC构件表观缺陷图像；

步骤2，图像处理，通过图像处理方法，将PC构件表观缺陷图像处理为计算机可识别分析的图像；

步骤3，特征参数计算，计算裂缝的走向、长度、宽度，以及孔洞的数量、面积、密度的特征参数，其中，裂缝的长度特征参数为裂缝像素数量长度；裂缝的宽度特征参数为裂缝像素数量宽度；孔洞数量特征参数为孔洞像素数量面积；

步骤4，像素单位与实际公制单位的单位转换，并计算裂缝实际长度或宽度，以及孔洞实际面积；

步骤5，PC构件表观裂缝及孔洞特征的查询，通过计算机的用户交互页面，查询及显示PC构件表观裂缝及孔洞的特征参数。

进一步的，在步骤2中的图像处理方法包括灰度化处理、滤波降噪处理、阈值分割处理、噪点滤除处理、形态学处理，将PC构件表观缺陷图像处理为供计算机可识别计算的图像。

进一步的，在步骤3中，裂缝的走向特征参数的计算方法为，

利用凸包-Graham扫描法，对图像目标区域的边界轮廓像素点扫描，确定凸包点的像素集合，通过连线获取裂缝的最小外接矩形，标定最小外接矩形的四个角点坐标（x

若

若

其中，i、j∈1、2、3、4且i＞j；m、n∈1、2、3、4且m＞n。

进一步的，在步骤3中，裂缝的宽度特征参数的计算方法为，

1）确定二值图像中裂缝走向；

2）根据裂缝走向，设置裂缝宽度初始值为0，由像素矩阵坐标原点（0，0）遍历；

3）如果为横向裂缝，则从矩阵的列方向依次列遍历，如果为纵向裂缝，则从矩阵的行方向依次按行遍历，定义缺陷像素为1，背景像素为0，当遍历至像素矩阵每行或每列中像素值为1的像素为目标求和像素并累加1；

4）每行或每列遍历累加结束后，继续下一行或列的遍历累加，直至遍历M*N像素矩阵的点，

若裂缝为横向裂缝，则最大裂缝像素数量宽度Wmax为累加1最多的列，最小裂缝像素数量宽度Wmin为累加1最小的列；

若裂缝为纵向裂缝，则最大裂缝像素数量宽度Wmax为累加1最多的行，最小裂缝像素数量宽度Wmin为累加1最小的行。

进一步的，在步骤3中，裂缝的长度特征参数的计算方法为，

1）获取PC构件裂缝的二值图像数组尺寸大小，提取裂缝目标区域像素边缘；

2）设置边缘像素x、y方向初始个数为0，从两个方向分别进行裂缝像素边缘矩阵遍历，当遇到像素值为1的像素点时，标记并累加，如公式5所示，

3）计算出x、y方向的边缘像素数后，分别相加并以其二分之一作为裂缝像素长度，如公式6所示，

其中，在公式6中，L—裂缝像素数量长度。

进一步的，在步骤3中，孔洞数量特征参数的计算方法为，

在以像素为单位的二维矩阵的孔洞缺陷的二值图像中，孔洞表现为一个个零散分布的白块，通过图像分割使得目标区域孔洞的像素值为1，其余背景区域像素值为0，利用连通区域标记对二维矩阵中每个像素紧邻的孔洞目标区域进行标识，对目标区域的个数通过标签赋值，并记编号为1、2、…n，从而求取孔洞的数量个数。

进一步的，在步骤3中，在步骤3中，孔洞面积特征参数的计算方法为，

设孔洞缺陷二值图像大小为M*N，f(x，y)=1,即孔洞区域的像素值为1，背景区域的像素值为0，对缺陷区域像素求和，计算孔洞边缘及其内部像素点的数目，孔洞像素面积如公式7所示，

其中，在公式7中，A—孔洞像素数量面积；f（x，y）—孔洞二值图像中像素值为1的像素点。

进一步的，在步骤3中，在步骤3中，孔洞密度特征参数的计算方法为，

在二值图像中缺陷区域像素值为1的总像素数与整个二值图像像素数的比即孔洞密度ρ，如公式8所示，

其中，在公式8中：

进一步的，在步骤4中，像素单位与实际公制单位的单位转换的方法如下，

拍摄PC构件表观缺陷时，在缺陷周围放置一50mm*50mm的黑色卡片，在采集PC构件缺陷图像时同该黑色卡片一起拍摄，设计像素单位与实际公制单位转换的算法，先求出像素单位与实际公制单位的单位转换的转换系数，

单位像素实际面积的计算如公式1所示，

单位像素实际尺寸的计算如公式2所示：

其中，在公式1、公式2中，

P—单位像素实际面积（mm²）；

Q—单位像素实际尺寸(mm/pixels)；

BD—标定卡片所占像素数量；

确定转换系数后，裂缝长度、宽度的转换利用单位像素的实际尺寸的转换系数，通过裂缝长度或宽度所占像素数量与单位像素的实际尺寸的乘积，如公式3所示，计算裂缝实际长度或宽度，

RL=L*Q 公式3

RW=W*Q

其中，在公式3中，RL—裂缝实际长度（mm）；RW—裂缝实际宽度（mm）；L—裂缝像素数量长度；W—裂缝像素数量宽度；

孔洞面积转换利用单位像素的实际面积的转换系数，通过孔洞面积所占像素数量与单位像素的实际面积的乘积，如公式4所示，计算孔洞实际面积，

Sk=A*P 公式4

其中，在公式4中，Sk—孔洞实际面积（mm²）；A—孔洞像素数量面积。

本发明所提供的一种PC构件表观裂缝及孔洞特征参数的计算方法，有效解决了在大体量PC构件中传统人工检测所存在的效率低、安全风险大的弊端，能够基于图像处理对PC构件表观的裂缝、孔洞两种缺陷进行检测，克服了传统检测仪器中只能针对性检测一种缺陷的单一局限性，本发明的应用，大大提高了检测PC构件表观缺陷的效率，适应范围更广。另外，本发明能够针对PC构件表观裂缝，计算裂缝的走向、长度及宽度特征参数；针对PC构件表观孔洞，计算孔洞的数量、密度及面积特征参数，从而为后续对PC构件缺陷分析提供了精准的数据支撑。

附图说明

图1为本发明的原理图；

图2为本发明的横向裂缝的实施例示意图；

图3为本发明的纵向裂缝的实施例示意图；

图4为本发明在像素矩阵下的裂缝宽度示意图；

图5为本发明的孔洞二值图；

图6为本发明的孔洞标记矩阵图；

图7为本发明的裂缝走向检测结果与实际结果对比表；

图8为本发明的裂缝长度检测结果与实际结果对比表；

图9为本发明的裂缝宽度检测结果与实际结果对比表；

图10为本发明的孔洞数量检测结果与实际结果对比表；

图11为本发明的孔洞面积检测结果与实际结果对比表。

具体实施方式

如图1-图6所示，本发明所提供的一种PC构件表观裂缝及孔洞特征参数的计算方法，具体实现过程如下，

步骤1，系统初始化。清除系统与图像缓存，阈值初始化为0；载入PC构件表观缺陷图像。

步骤2，通过灰度化处理、滤波降噪处理、阈值分割处理、噪点滤除处理、形态学处理等图像处理方法，将PC构件表观缺陷图像处理为供计算机可识别计算的图像。

步骤3，特征参数计算。计算裂缝的走向、长度、宽度，以及孔洞的数量、面积、密度的特征参数，其中，裂缝的长度特征参数为裂缝像素数量长度；裂缝的宽度特征参数为裂缝像素数量宽度；孔洞数量特征参数为孔洞像素数量面积。具体的计算方法又包括，

（1）裂缝的走向特征参数的计算方法

利用凸包-Graham扫描法，对图像目标区域的边界轮廓像素点扫描，确定凸包点的像素集合，通过连线获取裂缝的最小外接矩形，标定最小外接矩形的四个角点坐标（x

1）如图2所示，若

2）如图3所示，若

其中，i、j∈1、2、3、4且i＞j；m、n∈1、2、3、4且m＞n。

（2）裂缝的宽度特征参数的计算方法

1）确定二值图像中裂缝走向；

2）根据裂缝走向，设置裂缝宽度初始值为0，由像素矩阵坐标原点（0，0）遍历；

3）如果为横向裂缝，则从矩阵的列方向依次按列遍历，如果为纵向裂缝，则从矩阵的行方向依次按行遍历，定义缺陷像素为1，背景像素为0，当遍历至像素矩阵每行或每列中像素值为1的像素为目标求和像素并累加1；

4）每行或每列遍历完毕累加结束后继续下一行或列的遍历累加，直至遍历M*N像素矩阵的（M，N）点，如图4所示，

①若裂缝为横向裂缝，则最大裂缝像素数量宽度Wmax为累加1最多的列，最小裂缝像素数量宽度Wmin为累加1最小的列；

②若裂缝为纵向裂缝，则最大裂缝像素数量宽度Wmax为累加1最多的行，最小裂缝像素数量宽度Wmin为累加1最小的行。

（3）裂缝长度特征参数的计算方法

1）获取PC构件裂缝的二值图像数组尺寸大小，提取裂缝目标区域像素边缘；

2）设置边缘像素x、y方向初始个数为0，从两个方向分别进行裂缝像素边缘矩阵遍历，当遇到像素值为1的像素点时，标记并累加，如公式5所示，

3）计算出x、y方向的边缘像素数后，分别相加并以其二分之一作为裂缝像素长度，如公式6所示，

其中，在公式6中:L—裂缝像素数量长度。

（4）孔洞数量特征参数的计算方法

如图5所示，孔洞缺陷的二值图像是一个以像素为单位的二维矩阵，孔洞在图像中表现为一个个零散分布的白块，通过图像分割使得目标区域孔洞的像素值为1，其余背景区域像素值为0。因此利用连通区域标记对二维矩阵中每个像素紧邻的孔洞目标区域进行标识，如图6所示，对目标区域的个数通过标签赋值，并记编号为1、2、…n，从而求取孔洞的数量个数。

（5）孔洞面积特征参数的计算方法

设孔洞缺陷二值图像大小为M*N，f(x，y)=1,即孔洞区域的像素值为1，背景区域的像素值为0，对缺陷区域像素求和，计算孔洞边缘及其内部像素点的数目，孔洞像素面积如公式7所示，

其中，在公式7中，A—孔洞像素数量面积；f（x，y）—孔洞二值图像中像素值为1的像素点。

（5）孔洞密度特征参数的计算方法

在二值图像中缺陷区域像素值为1的总像素数与整个二值图像像素数的比即孔洞密度ρ，如公式8所示，

其中，在公式8中：

步骤4，像素单位与实际公制单位的单位转换，并计算裂缝实际长度或宽度，以及孔洞实际面积。其中，像素单位与实际公制单位的单位转换以及计算裂缝实际长度或宽度，以及孔洞实际面积的具体方法如下，

拍摄PC构件表观缺陷时，在缺陷周围放置一50mm*50mm的黑色卡片，在采集PC构件缺陷图像时同该黑色卡片一起拍摄，设计像素单位与实际公制单位转换的算法，先求出像素单位与实际公制单位的单位转换的转换系数，

单位像素实际面积的计算如公式1所示，

单位像素实际尺寸的计算如公式2所示：

其中，在公式1、公式2中，

P—单位像素实际面积（mm²）；

Q—单位像素实际尺寸(mm/pixels)；

BD—标定卡片所占像素数量；

确定转换系数后，裂缝长度、宽度的转换利用单位像素的实际尺寸的转换系数，通过裂缝长度或宽度所占像素数量与单位像素的实际尺寸的乘积，如公式3所示，计算裂缝实际长度或宽度，

RL=L*Q 公式3

RW=W*Q

其中，在公式3中，RL—裂缝实际长度（mm）；RW—裂缝实际宽度（mm）；L—裂缝像素数量长度；W—裂缝像素数量宽度；

孔洞面积转换利用单位像素的实际面积的转换系数，通过孔洞面积所占像素数量与单位像素的实际面积的乘积，如公式4所示，计算孔洞实际面积，

Sk=A*P 公式4

其中，在公式4中，Sk—孔洞实际面积（mm²）；A—孔洞像素数量面积。

步骤5，PC构件表观裂缝及孔洞特征的查询。在本发明的应用实施例中，通过基于本发明的PC构件表观裂缝特征参数查询人机交互界面以及本发明的PC构件表观孔洞特征参数查询人机交互界面，可查询及显示PC构件表观裂缝及孔洞的特征参数。

在本发明的一实施例中，为验证PC构件表观缺陷检测系统检测结果的准确性，建立裂缝、孔洞的缺陷测试集，分别基于裂缝走向、长度、宽度，及孔洞数量、面积进行系统检测结果与实际结果的对比分析，其中缺陷图像使用1200万像素手机相机(最大分辨率2532x1170dpi)与1800万像素单反相机(最大分辨率5184×3456dpi)采集，实际结果数据采用高精度卡尺采集。下面，通过对本发明的上述实施例应用后的试验信息，对本发明做进一步的描述和说明，具体内容如下，

如图7所示，通过对裂缝走向检测结果与实际结果的对比表的分析可知，应用本发明后，裂缝走向检测结果与实际结果一致，走向识别率为100%。

如图8所示，通过对裂缝长度检测结果与实际结果对比表的分析可知，应用本发明后，裂缝长度的检测结果的相对误差率在1.1%~4.6%之间，相对误差平均值为2.67%，裂缝长度的检测结果精确度为97.33%。

如图9所示，通过对裂缝宽度检测结果与实际结果对比表的分析可知，应用本发明后，裂缝宽度检测结果的相对误差率在2.6%~11.0%之间，相对误差平均值为6.87%，裂缝宽度的检测结果精确度为93.13%。

如图10所示，通过对孔洞数量检测结果与实际结果对比表的分析可知，应用本发明后，孔洞数量检测结果与实际结果一致，孔洞数量识别率为100%。

如图11所示，通过对孔洞面积检测结果与实际结果对比表的分析可知，应用本发明后，孔洞面积检测结果的相对误差率在0.2%~10.0%之间，相对误差平均值为3.06%，孔洞面积的检测精度为96.94%。

根据裂缝、孔洞的特征参数对比结果，应用本发明所求测的裂缝、孔洞的特征参数的检测值与实际值存在合理范围内的较小误差，故本发明的裂缝、孔洞的特征参数的检测值在实际工程中具有一定的参考意义。综上所述，本发明有效解决了人工检测PC构件表观缺陷效率低，风险高的问题，能够精确计算裂缝和孔洞缺陷特征参数，对PC构件的表观质量管控具有一定意义。