！！！ 有需要的小伙伴可以通过文章末尾名片咨询我哦！！！

 💕💕作者：优创学社
💕💕个人简介：本人在读博士研究生，拥有多年程序开发经验，辅导过上万人毕业设计，支持各类专业；如果需要论文、毕设辅导，程序定制可以联系作者
💕💕各类成品java系统 。javaweb，ssh，ssm，springboot等等项目框架，源码丰富，欢迎咨询交流。学习资料、程序开发、技术解答、代码讲解、源码部署，需要请看文末联系方式。

1 项目概述

1.1 项目背景意义

随着我国经济、科技的迅疾发展，政府部门对公路营建的投入也在逐渐加大。据交通运输部统计，截至2022年4月，全国公路总里程为528万公里，较2019年增长约27万公里，全国总里程位居世界首位。伴随着国内高速公路建设的日益完善，近几年的增长趋势逐渐缓慢下来。

交通基础设施的快速革新不仅为人们的社会生活提供了便利，同时也对交通服务的安全监管和控制提出了重大挑战。随着公路的大量建设与投用，水泥混凝土材料发挥着支撑性作用。在公路表面的护理工作中，裂缝是最常见且易被忽视的病损。在正常的道路使用过程中出现的裂缝和其他病变的影响是不容忽视的，因为它们严重损耗了道路的正常使用寿命，并对交通和道路安全构成了风险。及时地分析开裂的原因，严格遵循路面结构的施工要求进行治理，做好道路的持续保养与维护工作，就能够最大限度地减少病害的破坏力，从而满足道路交通的需求及保障车辆行驶安全。

传统的人工裂缝检测方法因其缺陷性和低效性越来越不利于公路等基础设施的发展要求，因此新的裂缝检测技术及算法成为了社会发展所必须。

随着超高清摄像技术和电脑网络的普及，数字图像处理技术应运而生。数字图像处理，又称为计算机图像处理。它是在计算机程序下，将由摄像机拍摄到的

裂缝图像进行数字化；然后使用一系列计算机技术和裂缝检测算法对数字图像进行分析，最终得到裂缝的检测结果。数字图像处理技术利用计算机来模拟人类视觉，通过对裂缝图像的分析来获取道路表面状态信息，性价比较高，且更加安全便捷，在近几年得到了长足发展。

伴随硬件设备的迭代和数字图像处理技术的更新发展，基于人眼视觉的目标定位探测技术也得到了长足进步。因其具有精准性、快速性等特点，已被应用于工业自动化检测，包括目标表面质量勘察、目标点定位等方面的应用。基于数字图像处理的裂缝检测技术实现了路面和桥梁的无损检测，并提供了一个安全、高效、经济和易于使用的道路质量监测服务，使道路养护更加经济合理。

1.2 项目主要内容

（1）采集图像的预处理技术。对收集到的路面RGB图像进行灰度处理变换，以提高图像的视觉效果；对于路面图像中的裂缝目标信息弱、裂缝图像对比度低等情况，讨论出比较高效的图像增强技术，并验证其有效性；然后针对图像噪音干扰的分布特点，讨论几种常用的图像去噪技术，选择合适的图像平滑方式进行降噪。

（2）路面裂缝图像的分割算法。对预处理后的增强图像进行分割以及二值化形态处理，进一步突出目标裂缝的特征，为后续裂缝提取奠定基础。

（3）裂缝特征的参数分析与计算。对提取到的裂缝目标，计算裂缝的长宽、阈值信息、面积以及形状等参数，为分析和评价路面裂缝的危害级别提供帮助；同时对路面裂缝进行精准定位并进行标注。

图1.1 技术思路图

2 裂缝检测项目原理及算法

传统的路面裂缝识别检测算法，如阈值分割、边缘检测以及小波变换等，大多都假定裂缝区连续性好，且与背景有明显区分。但在实际的路面裂缝采集时往往会受到光照、天气、路面状况、设备等因素影响，采集到的裂缝图像亮度低、对比度差、视觉效果不佳等，传统算法无法精准检测。为改善图像效果，增强对比度，增强裂缝细节，就需要对裂缝图像进行预处理。

图2.1 裂缝图像处理步骤

对图像的预处理操作可以强化细节，提高图像质量，并减少干扰信息。预处理技术一般包括灰度变换、直方图均衡、滤波除噪、频域变换以及锐化等。

2.1 图像灰度化

普通的图像采集设备得到的图像多为彩色 RGB 格式，这种格式的图像纹理信息丰富，层次感比较强，且图像中包含了大量的色度信息。而对于裂缝检测来说，一般只关注图像亮度，而不需要如此丰富的色彩。灰度图像只有亮度级而没有色度级，满足裂缝的识别要求。因此，需要对采集的 RGB 图像进行灰度变换操作。

灰度化处理的方法主要有如下几种：

1.分量法

将RGB彩色图像三通道中任一数值作为灰度图像的灰度值。其数学表达式如式2.1：

                                           

 

                                     （2.1）

2.最大值法

将RGB彩色图像三通道中的最大值作为灰度图像的灰度值。其数学表达式如式2.2：

                           

                   （2.2）

3.平均值法

将RGB彩色图像三通道亮度值的平均值作为灰度图像的灰度值。其数学表达式如式2.3：

                       

                （2.3）

4.加权平均值

将RGB彩色图像三通道根据各分量的影响指标，分别赋予不同的权重，按比例系数相乘再求和，计算的值作为灰度图像的灰度值。依据人类的色觉感知，按下式分配合理的加权系数。其数学表达式如式2.4：

           

       （2.4）

原RGB图像

灰度图像

图2.2 图像灰度处理

2.2 裂缝图像的灰度线性变换

在曝光度不合适的时候，图像的灰度级会被局限到一个狭小区域。或者目标区域的灰度值范围小、层次级别少，导致图像的视觉效果模糊不清。通过对灰度进行线性转换，可以扩展图像的动态灰度范围，从而提高对比度。

灰度的线性变换属于点运算。它就是把图像的灰度依照特定的线性函数进行处理。反色变换是常见的一种处理手段。图像灰度经过反色处理后会倒转，即亮区域的会暗化，暗色区的加亮。反转变换对于突出图像暗部区域内的白色或灰色细节非常有用，特别是当黑色为暗色区时。反色表达式为

                                                           

                                           （2.5）

反色处理的本质其实是对图像的 R、G、B 值取反。若色彩量化值为256，反色后图像的色度值就255减去原图相应的色度值。对于灰度级范围为[0，L-1]的图像经过上式处理之后，强度会发生倒转，以获得反色图像。

经过反色处理的裂缝图像如下图 2.3 所示。

原图

反色图

图2.3 反色处理对比

2.3 裂缝图像增强

路面裂缝图像的采集工作通常是在户外进行。在拍摄、存储、传输处理过程 中，易受环境、天气、设备震颤等因素影响，使图像产生失真，模糊程度加大， 对比度有所下降。所以，图像增强技术对于改善图像质量是必要的。增强是图像 工程中的基本技术手段。通过使用某些技术手段增强图像的整体或部分特征信息， 以此来改善图像的视觉印象，以便于人眼和机器能够识别和分析图像，从而获取 实用信息。

裂缝图像的特征一般表现为灰度分布区域小，图像整体偏暗或偏亮。这严重 影响了后期的裂缝检测和识别鉴定，因此必须对裂缝图像进行增强改进来增加图 像的对比度。

基于直方图处理的图像增强

（1）定义

直方图是图像中的灰度级分布的一种统计表示。它能反映出不同灰度级的存 在概率。对于灰度级为[0，L-1]的数字图像，其直方图的数学表达为

                                                     

                                             （2.6）

其中tk指第k级灰度，Nk是灰度为tk的所有像素数。

若一幅图像的总像素数为 N，那么图像的归一化直方图 P(tk)为

                                                    

                                                  (2.7)

图像的视觉效果与直方图对应相关，所以通过处理直方图可以实现增强效果。 在MATLAB 中，imhist函数可以计算出图像的数字直方图。其调用形式为 imhist(I) ，其中 I 是图像的数字矩阵。该语句直接返回图像的直方图。

（2）图像直方图的均衡化处理

尽管图像的直方图可以描述图像各灰度等级的出现概率，但对于灰度集中的图像，却无法看清细节，这时可对直方图进行均衡化处理。通过对图像进行非线 性的拉伸变换，扩展灰度分布区间，得到灰度级的差式分布，以达到增强图像的目标。

均衡处理的具体步骤如下：

• 统计原图像的直方图：；
• 计算图像直方图的累计分布曲线：；
• 使用累计函数对图像进行灰度均衡变换。

如图所示，对路面裂缝图像进行直方图均衡化增强处理：

图2.4 直方图均衡化

由均衡结果可知：

（1）处理后的直方图趋势平坦，灰度降低，表明有灰度整合。

（2）在原始图像中占像素数多的灰度级会被展神，而占像素数少的几个灰度级则被收缩，实际的有效信息量增加。

图4.2 GUI界面显示

连通域通常是指图像中位置邻近的、等像素的点组成的区域。对于路面图像来说，经过分割处理及平滑处理后，突出了裂缝目标。由于裂缝目标区域与背景具有较大区别，像素值差别大，而裂缝区域因其各点像素值基本相同。所以可将裂缝目标视为一个连通域。通过识别图像中连通区域的特征信息，例如面积信息、长短轴之比等，就能够判断出裂缝所在位置。裂缝识别结果如图 4.3 所示。

图5.1 裂缝检测识别结果

基于积分投影的裂缝判断技术

裂缝目标经过检测定位之后，只能够得到大致的定位信息。而线状裂缝都具有较强的方向性，且在不同方向上裂缝投影的特点各不相同。所以可以利用“积分投影”的方法绘制出裂缝的投影曲线，对二值图像的行列投影分布进行分析，以此获取较为精确的裂缝区信息。

通过对采集到的路面图像进行投影运算处理，可以发现路面裂缝图像在横向和纵向上的投影有如下两个特点：

（1）对于横向裂缝，由于其二值化图像是由一条定向的目标裂缝组成，所

以它的行投影曲线显示一个明显的波峰，而列投影曲线则分布相对均匀。

（2）对于纵向裂缝，其投影分布刚好和横向裂缝相反，列投影显示一个明

显的波峰，而行投影相对均匀。

横向裂缝和纵向裂缝的投影曲线如图所示：

图5.2 横向裂缝投影曲线

图5.3 纵向裂缝投影曲线

5.2 裂缝图像标记

通过上述的相关技术可以确定裂缝所在的精确区域。在判别连通区域的长短 轴之比时可以确定裂缝的边界信息。在裂缝边界信息已知的情况下，用最小外接 矩形的尺寸参数来描述它的形状信息是较为简单的处理方法，如图4.6 所示。只需计算出物体边界的点坐标的最值，即可得到裂缝区域的横向和纵向跨度，进而求出其最小外接矩形。

13

图5.4 裂缝标记

对于方向性不规则的目标区域，可找到其能够确定物体形状特性的主轴以及 垂直于主轴方向的宽度，然后根据主轴长度与宽度即可确定目标的外接矩形。通 过实验可知，当外接矩形的面积最小时，矩形的长宽即可作为目标物体的长短轴。

5.3 裂缝特征参数提取

对于无分支的规则裂缝，通常使用裂缝的长、宽度信息来表示路面裂缝的病

害程度。因此，本节将针对线状裂缝研究其参数提取算法。

图5.5 裂缝特征提取框图

常用的求特征参数的算法有：基于裂缝骨架的垂线法计算宽度、基于骨架的 裂缝长度计算、基于像素统计法计算裂缝区域参数以及裂缝的密度及重心计算等。 本节将着重介绍第三种方法。

对于线性裂缝，根据裂缝的长宽就能判断出其危害程度。而对于有分支的线 状裂缝，就需要了解整个裂缝区域的面积信息。

（1）裂缝面积

在图像处理中，目标区域的面积实质上就是目标中含有的像素总量。如果将 区域分割程序应用于开裂的路面图像，那么图像中的开裂和损坏部分就会被分割 出来。为了计算裂缝区域的面积，只需要简单地计算出二值图像中像素为 0 的个 数的占比，即可求出裂缝区域所占面积。

在MATLAB程序仿真中，可以使用regionprops函数的‘Area’属性来统计裂缝区域的实际像素总数，然后使用cat函数将面积信息按行串联并记录像素总数Ap。

（2）裂缝最小长短轴

若要计算裂缝的最小长、短轴信息，需要先确定裂缝区域的外切结构元素。 首先找出目标轮廓上的所有像素点，然后遍历轮廓点并构化出轮廓内的最小矩形。 通过计算矩形的最长边和最短边，即可得出裂缝区域的长短轴信息以及最小矩形域的面积信息。

图5.6 裂缝参数信息

5.4 裂缝参数保存

鉴于现实工作情况的制约，需要对检测分析出的裂缝图像及参数信息进行有效封存，以便于维护人员后期对道路的维护工作。为了能够有效地存储裂缝的参数属性，方便分析一系列的裂缝图像特征，可以将检测得出的特征参数信息写入xls 表格中，以便于质检人员对检测结果进行后续的计算与分析。裂缝参数存储的 xls 表格界面如图 4.9 所示：

图5.7 参数保存到文件

更多项目：

另有10000+份项目源码，项目有java（包含springboot，ssm，jsp等），小程序，python，php，net等语言项目。项目均包含完整前后端源码，可正常运行！

！！！ 有需要的小伙伴可以点击下方链接咨询我哦！！！