路面裂缝检测识别系统（Matlab App Designer实现）

1 背景

随着公路的大量投运，公路日常养护和管理已经成为制约公路运营水平提高的瓶颈，特别是路面状态采集、检测维护等工作更是对传统的公路运维模式提出了挑战。路面裂缝是公路日常养护管理中最常见的路面损坏，也是影响公路状态评估和进行必要的公路维修的重要因素。一般而言，如果路面裂缝能够在被恶化成坑槽之前得到及时修补，可以大大节约公路的养护成本。传统的公路裂缝检测主要是人工检测，需要配置一定规模的人力、设备等资源来进行定期巡检。但是人工检测运营效率低、主观性影响大、危险性较高等不足，已无法满足公路破损快速检测的要求。基于数字图像的路面裂缝检测技术可以提供一个安全、高效、成本低廉的道路状态监控服务。

2 理论基础

路面裂缝检测从视觉上来看是典型的现状目标检测，因此路面裂缝图像的增强与定位属于线状目标检测的领域。路面裂缝与一般线状目标相比，具有自身特点，目标宽度相对较小，图像对比度较低，具有自然断裂、具有分叉和杂点等，并且路面裂缝只是在视觉总体上呈现出线状特征。传统的裂缝自动检测算法，如基于阈值分割、边缘检测、小波变换等算法，往往都假设路面缝隙在振幅图像中具有较高的对比度和较好的联系性，但这种假设在实际工程项目中往往是不成立的。由于受拍摄天气、路面损耗、裂缝退化等因素的影响，有一定比例的裂缝相对于路面背景具有极低的对比度，这也会引起传统裂缝检测算法的失效，因此需要再裂缝图像处理前加入一定的预处理步骤。

图像预处理用于图像质量的改善处理，通过一定的计算步骤，进行适当的变换今儿突出图像中某些感兴趣的信息，消除或降低干扰信息，如图像对比度增强，图像去噪或边缘提取等处理。本案例首先将裂缝图像进行预处理，改善图像质量，进而提高实验的优化效果。图像预处理的基本方法有图像灰度变换，频域变换，直方图变换，图像去噪，图像锐化，图像彩色变换等。

2.1 图像灰度化

自然界中绝大部分的可见光谱均能通过红、绿、蓝三色光按不同比例和强度进行混合而得到，我们将其称为RGB色彩模式。该模式以RGB模型为基础，对图像的每一个像素值的RGB分量均分配一个Unit8类型（0-255）的强度值。RGB图像的红绿蓝分量各占8位，因此是24位图像。

若某像素三种基色的亮度值相等，则会产生灰度颜色，将该R=G=B的值称为灰度值（强度值或者亮度值）。当亮度都是255时产生白色，亮度都是0时产生黑色，亮度从0-255呈现逐渐增加的趋势。RGB图像包含了有三种分量组成的大量的色彩信息，灰度图像只有亮度信息而没有色彩信息。针对路面裂缝图像的检测要求，一般需要去除不必要的色彩信息，将所采集到的RGB图像转换为灰度图像。RGB图像的灰度化方法有以下几种：

（1）分量值

选取该像素的三个分量中的某个值作为该像素的灰度值

（2）最大值

选取该像素的三个分量中的最大值作为该像素的灰度值。

（3）平均值

选取该像素的三个分量的平均值作为该像素的灰度值。

（4）加权平均值

权值选取一般是根据分量的重要性等指标，将三个分量以加权平均的方式进行计算得到灰度值。人眼在视觉主观上一般对绿色分量敏感度较高，对蓝色分量敏感度较低，常用的计算公式如下：

F=0.299R+0.587G+0.114B

2.2 图像滤波

裂缝图像在采集或传输的过程中往往会受到成像设备与传输介质等因素的干扰而产生噪声，因此待处理的裂缝图像可能会存在边缘模糊、黑白杂点等问题，这在一定程度上会对裂缝目标的检测和识别产生影响，因此需要对裂缝图像进行滤波去噪。

均值滤波也称为领域平均滤波，该方法假设待处理图像是由许多灰度值为常量的小区域组成的，并且相邻区域间存在较高的空间相关性，而噪声则显得相对独立。因此，通过将单个像素及其指定领域内的所有像素按某种规则计算平均灰度值，再作为新图像中的对应像素值，可达到滤波去噪声的目的。

均值滤波往往会引起图像边缘的模糊，这也会对裂缝目标的检测带来不利影响。中值滤波是常用的非线性滤波方法，其主要思想是对像素领域向量化取中值来进行滤波，具体运算简单、高效、能有效取出脉冲噪声，去噪的同时保护了图像边缘信息。

2.3 图像增强

路面裂缝图像一般在室外采集，容易受到大气、光照等因素的影响，图像可能整体偏暗或偏亮等问题，产生对比度较低的图像，此类图像的特点是灰度分布范围较小，集中分布在少量的灰度区间内，因此需要对此类图像进行增强处理来提高对比度。

直方图均衡化的基本思想是通过某种变换，将原始图像的灰度直方图从集中于某个较小的灰度区间变成在更大灰度区间内均匀分布的形式，从而达到增强图像整体对比度的目标。

2.4 图像二值化

灰度图像二值化是指通过约定一个灰度阈值来分割目标与北京，在阈值之内的像素属于目标即记为1，其他属于背景记为0。阈值的计算方法有全局阈值和基本自适应阈值。

全局阈值是最常见的方法，以图像的直方图或灰度空间分布为基础来确定一个阈值，特别是当图像的灰度直方图呈双峰时，全局阈值法可以明显地将目标和北京分离，得到较为理想的图像分割效果。

基本自适应阈值是一种比较基础的图像自适应分割方法，它一般与图像像素自身及其领域灰度变化的特征为基础进行阈值分割，进而实现灰度图像的二值化，该方法充分考虑了每个像素领域的特征。

3 Matlab App Designer实现

本案例中，在实现对路面裂缝的检测和识别之前，需要对图像进行预处理，主要包括直方图均衡化增强、中值滤波去噪、对比度增强、二值化处理、二值图像滤波等步骤。

页面设计如图所示：