基于嵌入式ARMS3C2440智能建筑物裂紋實時測量系統(tǒng)開發(fā)研究

0 引 言
??? 在建筑業(yè)中，評價墻體裂紋，地面裂紋是評價房屋質(zhì)量的一項重要指標。由于傳統(tǒng)的利用手工標尺進行裂紋寬度測量的方法既不準確又不方便，于是將嵌入式應(yīng)用于自動測量建筑裂紋寬度成為了許多研究者的重要研究內(nèi)容。
??? 本研究將問題劃分為以下兩個部分：
??? (1)裂紋寬度測量算法；
??? (2)將以上所開發(fā)軟件移植到ARM開發(fā)板，并優(yōu)化算法提高軟件運行速度。

1 裂紋寬度測量算法
??? 計算裂縫寬度關(guān)鍵是要利用圖像分割技術(shù)得到裂縫的真正邊緣。雖然已有文獻介紹了多種分割方法，但是未見有針對裂縫測試儀采集到的裂縫圖像進行處理的方法。因此，本文針對裂縫圖像，提出了結(jié)合OTSU圖像分割與Sobel邊緣檢測的混合算法進行裂紋檢測與寬度測量。
1．1 圖像獲取
??? 圖像獲取過程如圖1所示：被檢測的裂縫通過光學(xué)系統(tǒng)在CMOS圖像傳感器上成像，然后通過USB接口將裂縫圖像輸出到ARM上進行處理。

??? 裂縫圖像如圖2所示。裂縫寬度分布范圍較廣，自幾十至幾百像素不等，但遠遠小于圖像的寬度值。裂縫周圍有部分噪聲，有的圖像含有大量污染區(qū)域，這成為裂縫位置鎖定的難點。

1．2 OTSU圖像分割
??? 通過與已有圖像分割方法如：直方圖法、OTSU法、區(qū)域分割法等進行比較發(fā)現(xiàn)，OTSU在最后的效果上占有明顯的優(yōu)勢。因此采用OTSU方法進行圖像的分割。

??? 圖像分割的結(jié)果如圖3所示。觀察結(jié)果，很容易發(fā)現(xiàn)圖像的邊緣很大區(qū)域被錯分為與裂縫一樣。于是直接計算裂縫寬度時會導(dǎo)致將錯分的區(qū)域計算成裂縫。因此除了計算裂縫寬度外，對候選裂縫集合進行有效剔除是另一個重要任務(wù)。對選裂縫集合進行有效剔除將會在下一小節(jié)中進行討論。
??? 分割完圖像后，計算所有可能成為裂縫的區(qū)域的寬度。采用從圖像給定行的起始位置開始計算裂縫寬度，當發(fā)現(xiàn)像素灰度由0變?yōu)?55，記為一個裂縫的左邊緣起始位置；當查找到像素灰度由255變?yōu)?，記為一個裂縫的右邊緣結(jié)束位置。通過這種方法可以獲取給定行的所有可能的裂縫寬度。但是在具體試驗中發(fā)現(xiàn)，計算對單行的裂縫進行寬度測量還是存在比較大的誤差。于是采用求取給定行上下5行共10行的平均值的方法。這樣可以有效地去除毛刺的干擾。通過這種方法，得到一個裂縫的候選集合，并且計算出候選集合中每一個位置的寬度。
1．3 Sobel邊緣檢測
??? 以上小節(jié)得出了裂縫的候選集合，但是事實上這個候選集合含有大量的非裂縫區(qū)域。這一節(jié)中的主要內(nèi)容是設(shè)計算法剔除這些干擾裂縫，獲取更小的裂縫候選集合。在試驗中，由于裂縫具有明顯的邊緣，而干擾圖像區(qū)域有比較模糊的邊緣或者僅有一個邊緣等，通過分析，提出采用Sobel邊緣檢測的方法進行裂縫位置的鎖定。Sobel算子由兩個卷積核組成，如圖4所示，圖像中的每個點都用這兩個核做卷積，一個核對通常的垂直邊緣相應(yīng)最大，而另一個對水平邊緣相應(yīng)最大。兩個卷積的最大值作為該點的輸出位。運算結(jié)果是一幅邊緣幅度圖像。

??? 通過對原始圖像采用Sobel邊緣檢測得到如圖5所示結(jié)果。

??? 但是，這個結(jié)果很明顯存在很多微小的干擾，這些干擾必須予以剔除，否則將對鎖定裂縫邊緣沒有任何效果。通過對邊緣檢測結(jié)果圖像仔細分析發(fā)現(xiàn)，雖然存在微小干擾，但是他們的灰度值普遍偏小，針對這一發(fā)現(xiàn)，對緣檢測結(jié)果圖像做與上一節(jié)中一樣的圖像分割，這會將微小的干擾有效地剔除。實際的實驗結(jié)果也驗證了這一點，如圖6所示。
??? 同過對分割后的邊緣圖像進行觀察，圖像仍然存在一些微小的干擾，但這些干擾相對于未處理的緣檢測結(jié)果圖像已經(jīng)很少，將在后續(xù)的處理中對圖像裂縫添加附加約束，從而取出這些干擾的影響。
1．4 基于裂縫特征的附加約束
??? 通過對大量的裂縫圖像進行分析，發(fā)現(xiàn)圖像裂縫有如下特點：
??? (1)裂縫灰度值低于墻體的灰度值。
??? (2)裂縫的寬度相對于整個圖像不超過圖像寬度的1／3。
??? (3)污染的墻體區(qū)域一般呈大的塊狀出現(xiàn)，且很多僅含有一個邊界，另一邊界延伸至圖像外面。
??? (4)墻體的一些微小的干擾呈小塊狀出現(xiàn)。
??? (5)裂縫一般為帶狀。
??? 使用ARM處理器處理圖像，由于其速度慢且有實時性要求，故不能處理整張的圖像，換句話說，必須處理局部圖像。這就很明顯增加了剔除候選裂縫的難度。該系統(tǒng)顯然是無法使用特點(4)、特點(5)的。因此僅使用了前三個特點，并提出了約束：剔除寬度高于圖像寬度1／3的裂縫候選集，剔除寬度低于1／10的裂縫候選集。

??? 通過添加以上約束，實驗效果有了明顯的提高。
??? 圖7是PC機的結(jié)果，由于同時使用了5個約束效果比較好。圖8是ARM系統(tǒng)運行的截圖，由于在ARM上不方便分步計算出每一個步驟，故直接給出了帶有測量結(jié)果的截圖。

2 基于Linux的QT界面設(shè)計算法
??? 前文討論的是主要的算法部分，完整的裂紋測量系統(tǒng)還包括用戶接口部分，即圖形界面接口。在ARM上采用QT進行界面設(shè)計已經(jīng)比較成熟，它具有以下主要特點：
??? (1)入門容易、學(xué)習(xí)成本低。了解基本概念后就可以邊查文檔邊寫程序。
??? (2)跨平臺效果好。本來是Linux下的工具庫，在Windows下默認觀感也很好。

3 軟件移植與程序優(yōu)化
??? 由于最終的程序是運行在ARM系統(tǒng)上，而由于ARM處理圖像時的速度慢與裂縫測量儀器的實時性要求，必須對程序進行優(yōu)化，并將算法移植到ARM系統(tǒng)上，使之可以正確運行。
??? 軟件的移植比較容易。由于一開始很注重將PC機上仿真成功的算法及時移植到ARM上，故程序的移植變得比較容易。
??? 但是程序的優(yōu)化是一個問題，雖然現(xiàn)在的ARM速度已經(jīng)提高了很多，但是在處理圖像時還是很吃力，加上算法中需要對原圖像兩次獨立處理，相當于加倍了ARM的負擔。通過對大量裂縫圖像的分析，針對前文中提出的裂縫特點以及結(jié)合ARM本身的運算速度條件，提出剔除處理全部圖像的算法。采用了只處理給定行位置上下10行的區(qū)域。通過只處理這20行圖像，極大地提高了程序的運行速度。以上方法并行，還采用多線程編程方法，通過將圖像采樣與圖像的處理分為兩個進程完成，有效地提高了程序的運行速度。

4 實驗結(jié)果分析
??? 該程序分別在PC機和ARM開發(fā)板上運行，效果如圖7，圖8所示。
??? 通過大量的實驗發(fā)現(xiàn)該算法能較好地檢測出裂縫的分布和寬度。在算法中采用了結(jié)合OTSU圖像分割與Sobel邊緣檢測的混合算法進行裂紋檢測與寬度測量。這種算法能分別有效利用邊緣檢測與圖像分割兩種方法各自的優(yōu)點。另外在該算法中加入了一些分析獲得的約束條件，這能極大地彌補邊緣檢測與圖像分割混合方法的不足，從而有效地提高了裂紋位置鎖定與裂縫寬度測量的精度。

5 結(jié) 語
??? 針對墻體裂紋測量，設(shè)計出了一套適用于裂縫寬度檢測的算法。該算法能較好地檢測出裂縫的分布和寬度。采用邊緣檢測與圖像分割混合的方法并通過對大量圖像進行分析，對算法添加了一系列符合圖像裂縫特征的約束條件，極大地提高了算法的準確性與健壯性。分別將程序運行于PC機系統(tǒng)與ARM系統(tǒng)，并針對ARM系統(tǒng)的特點對算法進行了一系列優(yōu)化，引入了并行處理技術(shù)，在提高ARM運行速度的同時，使得ARM系統(tǒng)檢測出的結(jié)果達到與PC機系統(tǒng)幾乎同等的效果。