[发明专利]用于建筑物或构筑物的裂纹检测方法、系统、装置和介质

说明书

本发明公开了一种用于建筑物或构筑物的裂纹检测方法、系统、装置和介质，方法包括：将预处理后的第一图像转化为二值图像，并采用预设矩形窗口从二值图像中筛选出满足预设要求第二图像；对第二图像进行连通域筛选，得到第三图像；将第三图像分割为预设等份的第四图像，在所述第四图像的每两个相邻等份的中间填充全黑背景，得到第五图像；对第五图像进行连通域筛选和膨胀处理，得到第七图像；对第七图像进行连通域筛选，并去除填充的所述全黑背景后，将第七图像的尺寸还原到预设大小，得到第八图像；根据第八图像中连通域的高宽比值确定待检测图像中是否存在裂纹，若是，则在待检测图像中标记裂纹的位置。本发明无需依赖高精度设备采集的图像。

技术领域

本发明涉及图像处理技术，尤其是一种用于建筑物或构筑物的裂纹检测方法、系统、装置和介质。

背景技术

相关技术中，混凝土建筑物/构筑物中的裂纹检测主要是依靠人工肉眼观察，这种方法的效率低且准确度不高。如果在裂纹出现的初期能够及时发现，并且对裂纹的发展情况给予实时的跟踪，就可以极大地降低养护费，而且建筑物/构筑物的安全也能够得到保证。随着机器视觉检测技术的完善，现有的基于机器视觉的裂缝/裂纹检测，主要有两大类：一类是使用深度学习，主要步骤包括：首先通过卷积神经网络对标记好的裂缝/裂纹图像进行训练，然后利用训练好的模型对裂缝/裂纹进行检测；另一类是使用较为传统的图像理解方法，首先对图像进行预处理，然后根据裂缝/裂纹的特征和应用场景的要求，设计相应的算法进行检测。基于深度学习的裂纹检测方式，需要预先对大量的训练样本进行处理，才能得到精度较高的检测模型；基于图像理解的裂纹检测方式，需要较高精度的图像采集设备进行图像采集，且凹凸不平的混凝土表面也会影响检测效果。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种用于建筑物或构筑物的裂纹检测方法、系统、装置和介质，无需训练样本，也无需较高精度的采集设备，即能有效检测出混凝土表面裂纹。

第一方面，本发明实施例提供了一种用于建筑物或构筑物的裂纹检测方法，包括以下步骤：

对获取的待检测图像进行预处理，得到第一图像，所述待检测图像包括所述建筑物或构筑物的原图像；

将所述第一图像转化为二值图像，并采用预设矩形窗口从所述二值图像中筛选出连通域满足预设要求的部分作为第二图像；

对所述第二图像进行连通域筛选，得到第三图像；

将所述第三图像分割为预设等份的第四图像，在所述第四图像的每两个相邻等份的中间填充全黑背景，得到第五图像；

对所述第五图像进行连通域筛选，得到第六图像；

对所述第六图像进行膨胀处理，得到第七图像；

对所述第七图像进行连通域筛选，并去除填充的所述全黑背景后，将第七图像的尺寸还原到预设大小，得到第八图像；

根据所述第八图像中连通域的高宽比值确定所述待检测图像中是否存在裂纹，若是，则在所述待检测图像中标记所述裂纹的位置。

本发明实施例提供的一种用于建筑物或构筑物的裂纹检测方法，具有如下有益效果：

本实施例通过对获取的待检测图像进行预处理，并将预处理后的图像转化为二值图像，对二值图像进行连通域筛选，接着将连通域筛选后的图像等份分割，并在相邻等份的中间填充全黑背景，然后再次继续连通域筛选后再进行膨胀处理，最后再次进行连通域筛选，并去除前面填充的全黑背景后，将图像还原到预设大小的图像，根据还原得到的图像中连通域的高宽比值确定待检测图像中是否存在裂纹，当确定存在裂纹后，在待检测图像中标记所述裂纹的位置。本实施例整个过程无需依赖高精度采集设备采集的图像，也无需前期制作大量的训练图像，即能有效检测出混凝土表面裂纹。

在一些实施例中，所述对获取的待检测图像进行预处理，得到第一图像，包括：