基于Labview的车载隧道质量自动检测

摘 要：文章主要研究了基于labview的车载隧道质量自动检测系统。利用USB摄像头和采集卡对隧道进行图像采集，然后传输给计算机，采用labview软件对图像进行数字图像处理：用频域滤波法对图像进行去噪处理；用直方图均衡化对图像进行增强处理以及用自动选取阈值的算法与梯度法结合起来对图像进行锐化处理等等。进而与预先存入的模版图像进行对比、识别，找出隧道破损或是有裂痕的图像，然后保存此图像并记录下当前图像的具置和相关的数据。该系统可以达到对隧道质量很好的检测，降低了财力、物力，提高了检查的效率，准确率和精度，经过试验，成功率高达90%。

关键词：labview；自动检测；数字图像处理；锐化；滤波；直方图均衡化

Abstract： In this paper， it studies the automatic detection system of vehicle tunnel quality based on Labview .Using the USB camera and acquisition card to collect the tunnel image ，and then transfer to computer，adopting labview software to digital image processing ： Using frequency filtering method to do image denoising：Using histogram equalization to do enhance image and using Auto-select Thresholds of Gradiant Method to sharpen image and so on ，then comparing and recognizing with the pre stored template image to find and save the images of break tunnel and record the specific location and related data of the current image. The system can achieve a good effect on quality detection of the tunnel ，which reduces financial power and materials and improve the efficiency ，accuracy and precision of inspection. Through the test， the success rate is as high as 90%.

Keywords： labview； automatic detection； digital image processing； sharpening；wave filtering； histogram equalization

引言

现如今，隧道质量检测也有用较先进技术进行检测，但仪器比较昂贵，一个观测点就要花费近3000人民币，所以普遍还是依靠工作人员亲身徒步检测。有的隧道长达几千米，而且凭工作人员的视觉观察，这种检测方法不仅耗费大量的人力和时间，速度慢，具有盲目性；而且检查的效率，准确率和精度都还不够高。于是我们设计基于labview的车载隧道质量自动检测系统就显得尤为必要了。该系统能够准确，快速地检测出隧道有破损，或是裂痕的位置，大大降低了财力和物力。

1 系统设计

车载隧道质量自动检测系统是一个集图像处理、识别等高度自能的集成系统[1]。该系统的主要硬件有：PCI图像采集卡、USB摄像头和带有labview软件的计算机。系统结构框图（如D1）：

我们让装有USB摄像头的车在隧道里匀速地跑一圈，摄像头采集的图像信息传至PCI图像采集卡，回到室内再将采集到的图像信息传至计算机上。计算机对采集到的图像进行数字图像处理，然后进行图像识别，找出隧道破损或有裂痕的地方，记录下该图像及所处的具置并保存相关的数据，从而完成对隧道质量的检测。

2 图像采集

为了让USB摄像头能完全扫到隧道内壁，我们采用3个摄像头呈T字形的布置方式（如图2），将摄像头A、B、C扫到的区域进行图像拼接（如图3），避免扫到重复区域或是没扫到，保证图像采集的准确性、真实性，便于后面的数字图像处理、识别。于是采用生产者和消费者设计模式，3个摄像头为生产者，3个线程同时采集图像数据，计算机中的labview作为消费者，负责处理和分析图像数据。图像采集（如图4）。

3 数字图像处理

采集到的图像会受到光照、采集设备、图像传输、获取过程等各种综合因素客观存在的作用下，图像的质量从实物到成像的过程中会退化，这是不可避免的。这时则要采用labview中vision图像处理软件包对图像中含有的噪声进行滤波处理，图像增强处理以及图像锐化等。所以为了提高图像的质量以达到预期的效果，我们需要对采集到的图像进行处理以满足后期图像识别的需求。

3.1 图像去噪

我们采用频域滤波[2]对图像进行去噪处理。频域滤波就是对一副图像进行傅里叶变换后在频域上间接进行运算处理，然后通过傅里叶逆变换获得图像的增强效果。给定一幅大小为M×N的数字图像f（x，y），则滤波公式为g（x，y）=？祝-1[H（u，v）F（u，v）]其中，？祝-1是离散傅里叶逆变换（IDFT），F（u，v）是输入图像f（x，y）的离散傅里叶变换（DFT），H（u，v）是滤波函数，g（x，y）是输出图像。在低通滤波器中，频域实现线性低通滤波器输出的表达式为：G（u，v）=H（u，v）F（u，v），式中：F（u，v）=F[f（x，y）]为含有噪声原始图像f（x，y）的傅里叶变换；G（u，v）为低通滤波平滑处理后图像G（x，y）的傅里叶变换。得到G（u，v）后再经过傅里叶反变换就得到图像g（x，y）。我们用巴特沃斯低通滤波器（BLPF）中的滤波函数：H（u，v）=■当D（u，v）=D0，n=1时，H（u，v）在D0处的值将为其最大值的二分之一，处理结果（如图5）。

原图像存在很强的椒盐噪声，经过处理后的图像的椒盐噪声得到了很好的压制，而且清晰度没有降低，边缘的模糊程度也大大降低了。

3.2 图像增强

采用直方图均衡化[3-4]对图像进行增强。直方图均衡的设计思想主要采取的将图像的灰度值通过函数之间的对应关系，进行值的转换。并且保证转换后的图像灰度值的概率密度服从平均分布，从而使图像的灰度级更加均衡化。灰度值的波动范围比以前的范围更加广，从而优化图像的对比度。为了方便研究，用r代表原始图像中像素的灰度，s表示经过转变后图像中的像素的灰度，并且0？燮r？燮1，0？燮s？燮1（0代表黑颜色，1代表白颜色）。s=T（r），T（r）必须满足：在0？燮r？燮1内，s为单值并且函数单调递增且0？燮s？燮1。而s到r的逆向变换公式为：r=T-1（s），0？燮s？燮1。在公式Ps（s）=Pr（r）■■中：P（s）（s）表示的是经过转换的概率密度函数，Pr（r）、T（r）和T-1（s）三个函数是已知的，而且T-1（s）是单调增加的。对于连续图像，当直方图均衡化后又P（s）（s）=1，进而：ds=Pr（r）・dr=dT（r），两边同时取积分得：s=T（r）=■Pr（r）dr式中s是原图像的累积分布函数，是大于等于零的且依次增加的，所以要把s的变换函数求出来。在离散图像中，设图像总像素为N，图像的灰度级总数为L，其中用Ir来表示其第r个灰度数值的大小，其中

IIr表示为图像中含有灰度级Ir的图像的像素数值，Ir表示为灰度级像素在图像中出现的概率，图像直方图均衡化操作处理后的函数公式为：sk=T（rk）=k■Pr（rj）=■■。处理结果（如图6），直方图均衡化处理后，把输入的直方图转换成均匀分布的状态，和原图相比较，扩大了像素级别的界限，图像的信息量也加大了，同时图像的对比度也增加了，让隧道裂痕更加突出，清晰，像素也更加的分散，更有利于后面对图像的识别。

3.3 图像锐化

锐化操作属于图像复原的内容，为了使模糊的图像变得清晰起来（如图7）。经过各种锐化方法的测试和对比发现，梯度法对图像进行锐化效果最佳，让隧道裂痕变得更明显、清楚。为了弥补梯度法的一些不足，于是我们采用自动选取阈值的算法与梯度法[5]结合起来对图像进行锐化处理。

设灰度数量场为f（x，y），t其梯度列向量为：|gradf（x，y）|=■，离散图像用四点法求模，并用差分来近似代替导数：|gradf（x，y）|≈■。梯度法就是将图像中各点的灰度值用它们的灰度梯度的模来代替，设处理以后的图像为g（x，y），则：g（x，y）=|gradf（x，y）|。但是检测到的图像边缘层次模糊，边界不够清晰，不能很好的提取目标图像的特征，为了解决这个问题，采用最大类间方差法来自动确定阈值。最大类间方差法的基本原理：把图像中的像素根据灰度值t分成两部分，一部分由0到t之间的像素组成（C0），另一部分由t到T（图像的灰度级数-1）之间的像素组成（C1）。以256级灰度图为例，T=255。阈值通过计算C0和C1的类间方差？滓（t）2来确定：？滓（t）2=P1（t）×P2（t）×（AvgH1（t）-AvgH2（t））2，式中P1（t）为C0中所包含的像素数；P2（t）为C1中所包含的像素数；AvgH1（t）为C0中所有像素的平均灰度值；AvgH2（t）为C1中所有像素的平均灰度值。所取阈值就是在0到T之间，使：？滓（t）2最大的t值。处理结果（如图8）。

4 图像识别与数据保存

经过labview中的图像处理软件包vision对图像经过一系列处理后，让我们采集到的图像达到了labview软件识别的效果了，接下来把图像数据导入labview中进行图像识别，找出隧道破损或是有裂痕的图像，实时记录并保存该图像、图像所处的具置等数据信息，便于工作人员前去检修隧道出现的破损、裂痕。

5 实验结果与分析

经过试验，我们设计的车载隧道质量自动检测系统的成功率达到了90%左右，对于一些比较小、窄、短的裂缝，比如只有几厘米长的微裂缝无法准确的检测到。据分析，可能的原因是：在采集图像时，由于车的微震动或是光线等因素导致拍摄的图像不是非常清晰，虽然后期对图像做了处理，但还是无法100%还原图像，还是存在一定的误差。总的来说，我们设计的基于labview的车载隧道质量自动检测系统可以高效地对隧道质量进行检测，相对于其它检测技术，我们的成本价格较低，检测效率较高，准确率和精度也不错，适合推广和普遍的隧道质量检测。

参考文献

[1]王党树，王新霞.基于labview图像法车牌智能识别系统[D].西安：西安科技大学，2015.

[2]王昱然.基于labview的铁路扣件状态识别研究[D].石家庄：石家庄铁道大学，2015.

[3]王栩生.基于labview的数据处理及可视化研究[D].哈尔滨：哈尔滨理工大学，2013.

[4]王炳健，刘上乾，拜丽萍.红外图像实时增强的新算法[J].光电工程，2006，33（1）：46-49.

[5]陈国军.基于自动选取阈值的梯度法实现图像边缘检测[D].吉林：东北电力学院，2001.

作者简介：廖启平（1994，01-），男，汉，重庆市开县，学生，本科在读，长江大学地球物理学。

王军民（1960，04-），男，博士，高级工程师，硕士生导师，地质资源与地质工程硕导，主要研究方向为地磁勘探、地球物理测井。