1.3 Sobel邊緣檢測

以上小節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域。這一節中的主要內容是設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。

通過對原始圖像采用Sobel邊緣檢測得到如圖5所示結果。

Sobel邊緣檢測結果圖像

OTSU分割后的結果

但是，這個結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。通過對邊緣檢測結果圖像仔細分析發現，雖然存在微小干擾，但是他們的灰度值普遍偏小，針對這一發現，對緣檢測結果圖像做與上一節中一樣的圖像分割，這會將微小的干擾有效地剔除。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果圖像已經很少，將在后續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，發現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）污染的墻體區域一般呈大的塊狀出現，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。

（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。該系統顯然是無法使用特點（4）、特點（5）的。

通過添加以上約束，實驗效果有了明顯的提高。

圖7是PC機的結果，由于同時使用了5個約束效果比較好。圖8是ARM系統運行的截圖，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果的截圖。

PC機計算結果