混凝土表面构造特征图像测量法研究

孔令云，孙 瑞，李金桥，刘晓霞

(1. 重庆交通大学 交通土建工程材料国家地方联合工程实验室，重庆 400074； 2. 重庆交通大学 土木工程学院，重庆 400074； 3. 重庆通力公路工程试验检测有限公司，重庆 401120)

0 引 言

在水泥混凝土桥面铺装病害中，推移、层间脱离等一直都是工程界的技术难点[1]。加固混凝土梁在受弯、受剪作用下，加固层极易产生剥离[2-3]，而水泥混凝土界面的粗糙度是影响层间粘结效果的一个重要因素，适当的粗糙度可以有效提高混凝土的粘结质量[4]。

工程中测量混凝土表面粗糙度常用的方法有铺沙法[5]、触针法[6]、分数维法[7]，或用摩擦系数间接表征等。铺沙法是其中应用最为广泛的方法，其操作简单，但测量结果受人为因素干扰较大，并且并不适用于垂直面的水泥混凝土；触针法操作过于复杂且测量过程费时；分数维法虽然理论先进、计算结果精确，但数据采集较慢，操作复杂。

笔者将图像处理技术引入水泥混凝土表面构造特征测量中，在广东省汕湛高速公路现场选取21座水泥混凝土桥梁作为试验桥进行试验分析。基于图像处理技术用灰度值来表征水泥混凝土表面的粗糙度，实现了露骨率的定量测量。该方法操作简便，更易于实际工程应用。

1 图像处理技术原理

1.1 图像处理系统设施组成

测量系统由高清数码相机、三脚架、辅助照明设备、测光仪等构成，如图1。

图1 图像处理系统设施组成Fig. 1 Image processing system facilities

采用具有较高像素的相机，可以保证所拍摄图像的清晰度，在图像处理过程中可以避免被测混凝土表面的某些细节信息失真。采用三脚架来固定相机，可以保证相机以固定高度和角度进行拍摄。数码相机是利用光学系统将光信号转化为电信号的，因此，混凝土表面的光照条件对拍摄图像有很大影响，光照强度过强或过弱都不利于成像，所以采用辅助照明设备以及测光仪来提供一个稳定的拍摄光照环境，用遮光罩来消除外界光源对拍摄环境的影响，保证了拍摄图像的质量。在图像处理过程中需要对图像进行像素大小定义，所以利用定位框来固定所拍摄图像的几何尺寸，保证每一张图像的大小一致。

1.2 图像处理系统工作原理简介

图像处理系统工作流程主要为：图像获取→图像处理→图像解释。

1.2.1 图像获取

通过数码相机拍摄被测混凝土表面来获得模拟图像又称连续图像，即在二维坐标系中连续变化的图像。图像的像点是无限稠密的，同时具有灰度值，即图像从暗到亮的变化值，再通过计算机将模拟图像转化为数字图像。

具体操作步骤为：①清理待测路面，保证路面洁净；②将相机紧固在三脚架云台上，调整三脚架，保证相机垂直对准所测混凝土表面，相机距混凝土表面距离在同一批次测量中保持不变；③架设遮光罩，保证拍摄环境没有外界光源的干扰；④在每次拍摄时测光仪应放置在相对于采集图像区域固定不变的位置；⑤架设辅助照明设备，使光线均匀照射到被测路面，调整光照强度到合适数值；⑥使用外接快门进行拍摄，获取被测混凝土表面图像；⑦根据需要将所拍摄的图像进行裁剪，如图2。

图2 混凝土表面图像Fig. 2 Concrete surface image

1.2.2 图像处理

利用MATLAB软件进行图像处理，包括图像的预处理(图像滤波降噪、像素大小定义)及图像三维恢复。

具体操作流程为：①在MATLAB中利用imread函数读取待处理图像；②调用rgb2gray函数将读取的真彩图像转化为灰度图像；③应用medfilt2函数对图像进行中值滤波，去除背景噪声的干扰；④根据试验精度要求利用imresize函数对图像的像素大小进行重新定义；⑤利用meshgrid函数生成三维采样点；⑥用mesh函数将采样点和灰度值重构得到三维图像。图3为经过图像处理及三维重构后的混凝土表面数字图像。

图3 图像处理后的混凝土表面数字图像Fig. 3 Digital image of concrete surface after image processing

1.2.3 图像解释

图像解释即利用图像处理过程中所获得的数字信息对识别目标进行有效描述。笔者利用图像处理技术得出被测混凝土表面的灰度值并对露骨率进行定量描述。

2 混凝土表面构造特征测试方法

所测混凝土表面构造特征指标包括灰度值及露骨率，二者在图像获取和图像处理的过程中完全相同，唯一的区别在图像解释环节。

2.1 灰度值指标图像解释

灰度值是指一张灰度图像中一个像素点的明暗程度，范围0～255，255表示纯白色，0表示纯黑色[8]。可以用肉眼分辨出图2中凹凸不平的点，这是因为当一束平行光线照射在粗糙的物体表面上时，反射回来的将不再是一束平行光线，通常称之为漫反射。此时，反射到相机传感器上各点光线的强度是不同的，凸起来的点反射了更多的光线到相机取景器，灰度值也就更大；反之，凹下去的点灰度值更小。这样就可以根据灰度值的大小来评价所测区域的凹凸情况。

经过处理后的图像，每个像素点的灰度值记为h(x,y)，利用reshape函数将n×m个矩阵数据转化为一行或一列数据并进行排序，排序后的数据如图4中线B。

图4 各点灰度值排序后线性拟合Fig. 4 Linear fitting chart of gray value of each point

从图4可以看出，线B两端的灰度值有较大的突变。这是因为灰度值的大小与混凝土表面的反射特性有直接关系。由于被测混凝土表面部分区域会有露石或污染，导致其反射特性与正常区域有较大差异，体现在灰度值上即为灰度值发生突变。

在进行混凝土表面灰度值计算时，为了消除上述混凝土表面部分区域反射特性突变带来的影响，将排序后的数据进行线性拟合，如图4线A。拟合线A最小值和最大值分别记为hmin和hmax，剔除n×m个矩阵中小于hmin和大于hmax的数据后，每个像素点的灰度值记为h′(x,y)，则被测混凝土表面的灰度值HD定义为

(1)

将按照图像处理流程现场获取的水泥混凝土表面进行数字图像计算分析，并在现场相应位置测量其构造深度(TD)和摩擦系数(BPN)，结果如图5。

图5 混凝土表面构造特征测量结果Fig. 5 Measurement results of characteristics of concrete surface structure

从图5可以看出，混凝土表面的灰度值与混凝土表面的整体粗糙度呈正相关，混凝土表面越平滑，灰度值越小；反之，越大。

2.2 露骨率指标图像解释

露骨率这一概念在近几年被工程人士提出，其测量方法并没有明确的规范规定，以往都采用现场目测法，测量结果受人为因素影响较大，非常不稳定。笔者采用图像处理技术对露骨率进行了定量的分析计算。

混凝土表面露石区域的颜色与正常区域的颜色有较大差异，在数字图像中则表现为露石区域像素点灰度值的突变。从图4可看出，比hmax大或者比hmin小的点即为混凝土表面露石的区域，则抛丸后混凝土表面的露骨率E可用式(2)计算：

(2)

式中：w为灰度值大于hmax或小于hmin的点数，个。

根据式(2)对现场所采集图像进行混凝土表面露骨率计算，并与现场试验人员主观观察所得结果进行比较，结果如图6。

图6 混凝土表面露骨率测量结果Fig. 6 Measurement results of exposed aggregate ratio of concrete surface

由图6可以发现，利用图像处理技术可以定量计算混凝土表面露骨率。由于测量结果由统一的计算方法分析得出，所以试验结果更加稳定。

3 测量结果影响因素分析

3.1 光照强度

在进行图像采集时，不同光照强度得到的图像灰度值也不同，若光线过暗或过亮，场景中亮度的变化过大，不可避免地导致图像中的不同部分产生过曝光或欠曝光[6]，所以需要在试验之前通过测试来选择合适的光照强度。

随机选取4个测点进行图像采集，每个测点的光照强度为100～1 100 Lux，每间隔100 Lux进行一次图像采集。图7为光照强度为500 Lux时在4个测点所采集的图像。

图7 光照强度为500 Lux时在4个测点相机所采集图像Fig. 7 Images collected at 4 measuring points at 500 Lux illumination

对4个测点不同光照强度下的灰度值进行曲线拟合，如图8。从图8可以看出，混凝土灰度值随着光照强度的增加呈现先增加后减小趋势。因此，对于某一选定的路面、某一范围内，灰度值与拍摄时所选择的光照强度有显著的关系，且在某一光照强度时灰度值达到最大值。为了保证所选指标的有效性及差异性，笔者选择灰度最大值对应的光照强度进行拍摄。

图8 不同光照强度下灰度值变化曲线Fig. 8 Curves of gray value under different illumination

分别对4个测点的灰度值随光照强度变化的拟合方程求极值，可得到对应于灰度值最大时，测点1～测点4的光照强度x1～x4分别为489.3、546.9、523.5、508.8 Lux，平均为517.1 Lux。为了方便后续不同光照强度间灰度值换算的研究，以及现场测量时光照强度仪快速方便的读数，将本次拍摄所用光照强度取整为500 Lux。

3.2 拍摄角度和距离

对于特定的一个图像采集区域，只有从正面进行图像采集才能全面地反映其表面构造信息。图9为正面拍摄时所测得图像灰度值随拍摄距离变化的情况。

图9 图像灰度值随拍摄距离变化情况Fig. 9 Image gray value changes with shooting distance

从图9可见，在拍摄距离100～150 cm变化范围，灰度值计算结果的相对极差R为

(3)

由式(3)计算得，拍摄距离由100 cm变化到150 cm时，灰度值的相对变化量为0.97%。可见，在100～150 cm距离范围内，拍摄距离对灰度值的影响较小，即在相机分辨率足够高的情况下，拍摄距离小范围内的变化对灰度值计算结果影响可以忽略。

图10 沾有沥青的混凝土表面相机拍摄图像及三维重构数字图像Fig. 10 Initial image and its reconstruction 3D digital image of concrete surface with asphalt

3.3 图像预处理和计算法则的选择

在测试过程中，由于拍摄器材、外界环境等的影响，使得在获得的图像中会叠加有复杂的背景噪声，所以在进行混凝土表面构造特征识别之前应当进行滤波去噪。去噪方法主要分为线性滤波和非线性滤波。线性滤波的低通特性会导致图像的细节和边缘失真； 非线性滤波的典型代表为中值滤波[9]。中值

滤波在图像去噪中被广泛应用，笔者利用medfilt2函数在MATLAB中对图像进行滤波去噪。

3.4 被测路面的整洁度

测量时必须保证被测路面干净整洁，如果路面杂物较多，也会反映在所拍摄图片上，与路面真正的构造特征相混淆。图10为沾有沥青的混凝土表面相机所拍摄的图像及三维重构数字图像。可以明显看出，三维重构数字图像中沾有沥青区域的像素点灰度值比其它区域的低。

4 结 论

1)基于图像处理技术的灰度值可以有效表征水泥混凝土表面的粗糙度，且测量过程简单、快速，测量结果受人为干扰因素较小。

2)利用图像处理技术实现了混凝土表面露骨率的定量测量，测量结果稳定，可靠性较高。

3)在利用图像处理技术进行混凝土表面构造特征分析时，应先对图像采集区域进行不同光照强度条件下灰度值计算分析，以此来确定拍摄所用的最佳光照强度；图像采集时采用正面拍摄角度，拍摄距离在小范围内变动时对灰度值计算结果没有影响；进行图像采集时应保证被测路面干净整洁，如果路面杂物较多，会对测量结果造成较大的影响。

参考文献(References)：

[1] 徐伟.大跨径混凝土桥梁沥青桥面铺装技术试验研究[D].哈尔滨: 哈尔滨工业大学,2002.

XU Wei.ExperimentalStudyofAsphaltOverlayontheDeckofLongSpanConcreteBridge[D]. Harbin: Harbin Institute of Technology, 2002.

[2] 罗利波.水泥复合砂浆钢筋网应用于抗剪加固钢筋混凝土梁技术[J]. 混凝土,2013(7):141-143.

LUO Libo. Construction technologies of strengthening reinforced concrete beams with composite mortar laminate reinforced with mesh reinforcement to improve the shear capacity[J].Concrete, 2013 (7): 141-143.

[3] 龙凌霄.高性能复合砂浆钢筋网加固RC梁受弯承载力研究[D].长沙:湖南大学,2005.

LONG Linxiao.ExperimentalStudyonFlexuralBehaviorofReinforcedConcreteBeamsStrengthenedwithFerrocement[D]. Changsha: Hunna Universiyty, 2005.

[4] 郭进军,张雷顺,蔺新艳.混凝土表面粗糙度评测新方法[J].工业建筑,2003,33(6):52-54.

GUO Jinjun, ZHANG Leishun, LIN Xinyan. New method of evaluation and measurement of concrete surface roughness[J].IndustrialConstruction, 2003, 33(6): 52-54.

[5] 赵志方,赵国藩.采用高压水射法处理新老混凝土粘结面的试验研究[J].大连理工大学学报,1999,39(4):558-561.

ZHAO Zhifang，ZHAO Guofan. Experimental study on bonding of new and old concrete with high pressure water jet method[J].JournalofDalianUniversityofTechnology, 1999, 39(4): 558-561.

[6] 林娜,尹健,张雄,等.分形理论在新-老混凝土粘结强度研究中的应用[J].建筑材料学报,2006,9(4): 399-403.

LIN Na, YIN Jian, ZHANG Xiong, et al. Application of fractal theory to study interfacial bond strength of old-new concrete[J].JournalofBuildingMaterials, 2006, 9(4): 399-403.

[7] 王端宜,李维杰,张肖宁.用数字图像技术评价和测量沥青路表面构造深度[J].华南理工大学学报(自然科学版),2004,32(2):42-45.

WANG Duanyi, LI Weijie, ZHANG Xiaoning. Evaluation and measurement of asphalt pavement surface texture depth with digital image technique[J].JournalofSouthChinaUniversityofTechnology(NaturalScienceEdition), 2004, 32 (2): 42-45.

[8] 刘琬辰,黄晓明.基于图像处理的沥青路面构造深度评价方法的优化研究[J].北方交通,2013,36(3):9-13.

LIU Wanchen, HUANG Xiaoming. Optimizationresearch of the asphalt pavement surface texture evaluation based on digital image[J].NorthernCommunications, 2013, 36(3): 9-13.

[9] 赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J]. 应用光学, 2011, 32(4): 678-682.

ZHAO Gaochang, ZHANG Lei, WU Fengbo. Application of improved median filtering algorithm to image de-noising[J].JournalofAppliedOptics, 2011, 32(4): 678-682.