基于嵌入式的裂纹实时测量系统的设计

1.3Sobel边缘检测

以上小节得出了裂缝的候选集合，但是事实上这个候选集合含有大量的非裂缝区域。这一节中的主要内容是设计算法剔除这些干扰裂缝，获取更小的裂缝候选集合。在试验中，由于裂缝具有明显的边缘，而干扰图像区域有比较模糊的边缘或者仅有一个边缘等，通过分析，提出采用Sobel边缘检测的方法进行裂缝位置的锁定。Sobel算子由两个卷积核组成，如图4所示。

通过对原始图像采用Sobel边缘检测得到如图5所示结果。

Sobel边缘检测结果图像

OTSU分割后的结果

但是，这个结果很明显存在很多微小的干扰，这些干扰必须予以剔除，否则将对锁定裂缝边缘没有任何效果。通过对边缘检测结果图像仔细分析发现，虽然存在微小干扰，但是他们的灰度值普遍偏小，针对这一发现，对缘检测结果图像做与上一节中一样的图像分割，这会将微小的干扰有效地剔除。如图6所示。

同过对分割后的边缘图像进行观察，图像仍然存在一些微小的干扰，但这些干扰相对于未处理的缘检测结果图像已经很少，将在后续的处理中对图像裂缝添加附加约束，从而取出这些干扰的影响。

1.4 基于裂缝特征的附加约束

通过对大量的裂缝图像进行分析，发现图像裂缝有如下特点：

（1）裂缝灰度值低于墙体的灰度值。

（2）裂缝的宽度相对于整个图像不超过图像宽度的1／3。

（3）污染的墙体区域一般呈大的块状出现，且很多仅含有一个边界，另一边界延伸至图像外面。

（4）墙体的一些微小的干扰呈小块状出现。

（5）裂缝一般为带状。

使用ARM处理器处理图像，由于其速度慢且有实时性要求，故不能处理整张的图像，换句话说，必须处理局部图像。这就很明显增加了剔除候选裂缝的难度。该系统显然是无法使用特点（4）、特点（5）的。

通过添加以上约束，实验效果有了明显的提高。

图7是PC机的结果，由于同时使用了5个约束效果比较好。图8是ARM系统运行的截图，由于在ARM上不方便分步计算出每一个步骤，故直接给出了带有测量结果的截图。

PC机计算结果