MATLAB图像识别技术在彩浆薄层沥青路面油污评价中的应用

丁功瀛 ，徐大卫



MATLAB图像识别技术在彩浆薄层沥青路面油污评价中的应用

丁功瀛1，徐大卫2

(1. 河海大学 土木与交通学院，江苏 南京 210098；2. 江苏省华厦房地产开发公司，江苏 南京 210000)

在AC-13旋转压实试件上喷洒彩色浆体(丙烯酸树脂、Fe2O3颜料、白水泥)，待其完全固化后在其表面均匀涂抹93#汽油50 g，用数码相机获取被油污的试件图像，运用MATLAB图像识别技术，对获取的图像进行目标提取与油污识别，提出彩浆薄层沥青路面色彩污染指数这一概念，得出汽油对彩色试件的色彩污染程度为52.49%.

彩浆薄层；图像识别；油污；二值化；中值滤波

0 引言

近年来随着路面工程迅速发展，各种各样的路面工程材料被引入路面建设中来，其中彩色路面的发展尤为蓬勃，随着技术的不断提高，彩色沥青、彩色混凝土、彩浆薄层罩面、增摩阻彩色薄层路面等等各种类型的彩色路面应运而生，在诱导交通缓解城市热岛效应及美化市容方面具有重要贡献[1-2].目前彩色路面的施工技术日趋进步，但是在彩色路面抗油污这一方面却缺乏有效的评价指标及方法，本文引入工程类MATLAB软件，编写程序，通过其强大的数字图像处理技术，对彩浆薄层沥青路面抗油污程度进行定量计算.

1 实验材料及方法

进行油污评价需要事先做好彩浆薄层试件，彩浆薄层是采用虹吸式喷枪喷射在旋转压实试件上，试件集料产地为江西产，矿粉为镇江产，沥青为泰州产AH-70重交通道路石油沥青，各种矿料和矿粉的筛分结果见表1，混合料合成级配与级配曲线分别见表2与图1.

表1 各种矿料和矿粉的筛分结果 mm

表2 混合料合成级配 %

图1 AC-13混合料级配曲线图

最后得出矿料1#∶2#∶3#∶4#∶矿粉配比为19%∶39%∶11%∶30%∶1%，油石比5.0%[3-4].试件成型温度为140℃，采用意大利产旋转压实仪(SGC)成型试件参数如下：压力600kPa、旋转角度1.25°、旋转速度30r/min[5]，试件直径为10cm.

待旋转压实试件做好之后，在室温为20℃情况下冷却48h时间，然后准备彩浆薄层喷射.用于喷洒的彩浆为丙烯酸树脂、氧化铁红粉、白水泥的混合溶液，分别按照0.5∶0.06∶0.8的比例配置而成，经高速搅拌机搅拌均匀后用虹吸式喷枪喷射在旋转压实试件上，喷射压强为0.7 MPa，喷射距离为20～50 cm，经过2～3 h彩浆薄层完全固化，然后在其表面涂抹93#汽油50 g.

1.1 数字图像处理的基本原理

MATLAB在处理数字图像时[6-7]，读取的是图像的像素，读出来的像素值为一个矩阵.对于图像函数f(x,y)，假设其阵元量化后的矩阵大小为M×N，整个过程可表示如下：

通常情况下，对数字图像的处理主要集中在三个方面，一是图像的变换、编码和压缩，以便于图像的存储和传输；二是对图像进行几何变换，从而改善图像的视觉质感；三是提取图像中的目标区域.

1.2 油污评价指标

对于彩色路面的抗油污能力由于国内外尚没有方法进行评价，因此本文提出一种评价方法.油渍洒落在彩色路面，对路面色彩的污染主要体现在对原路面颜色的改变，先通过数码相机获取整个区域(污染与未污染部分)图像，通过MATLAB程序首先对整个区域图像的像素点进行统计，然后通过设定阈值对污染部分图像的像素点进行提取，像素点的个数等效于图像的面积，因此，把色彩污染指数T用污染部分的面积与总的面积的比值来表示，定义如式(1).

(1)

其中，S0表示色彩污染部分的面积(像素点个数)，S表示试件区域总面积(像素点个数).

2 MATLAB图像的处理

2.1 原始图像获取

通常图像采集的方法主要有摄像机采集、数码相机采集、采集卡采集、扫描仪采集等方法.本文采集图像时，首先在试件下面放一张白纸做背景，为后期提取图像目标区域时提供方便，然后用 500万像素的数码相机获取试样图像，该方法操作简单，图像质量高且易于操作.图2为数码相机采集的原图，大小为144 kB.

图2 油污染后图像

获取图像时，注意光线干扰，尽量减少图像产生的噪声对图像处理带来的难度.

2.2 图像的灰度化

数码相机获取的图像为RGB图，RGB图也叫作真彩图，它由3个大小相同的二维数组表示一个像素，因此调色板内容比较复杂，使得图像处理的许多算法都没有办法展开，故有必要对它进行灰度处理使其成为灰度图像.灰度图像没有这些颜色差异，有的只是亮度上的不同，它通常由一个二位数组表示一幅图，其中，灰度图像的像素点对应于数组中的值，0表示黑色，255表示白色，剩余的254个整数分别表示不同明暗程度的灰色[8].

图像灰度化有各种不同的算法，比较直接的一种就是给像素的 RGB各自一个加权系数，然后求和；同时还要对调色板表项进行相应的修改.将RGB图像转化为灰度图像时采用式(2)的转化方法[9-10]：

(2)

式(2)来自于 RGB 三基色体系转换到孟塞尔(A.H.Munsell)颜色体系时的明度近似构造函数，孟塞尔体系的优点是非常符合人眼对颜色的感觉，其颜色空间比较均匀.图3为试样的灰度图像.

图3 灰度图像

2.3 图像的二值化

进行灰度化处理后，图像的每一个像素在MATLAB中便对应一个像素值，但是此时还是无法对目标区域进行提取，为了更容易的识别出图像的结构特征，还需对图像进行二值化处理[11].图像的二值化即把灰度图像按一定标准划分为两种颜色，二值化方法较多，比较成熟的有自适应阈值法和给定阈值法.阈值法的基本原理为取图像的灰度值为f(x,y)，假设其灰度范围为[z0,zn]，在z0与zn之间选择一个恰当的灰度值zm，即zm∈[z0,zn]，由式(3)得灰图像二维数组的值f(x,y).

(3)

当f(x,y)为0时，表示背景色(黑色)，为1时表示目标色(白色).本文在提取整个试样区域时，原图像的红色圆形区域与白色背景区分度十分明显，提取红色区域的条件是R分量与G、B分量的差值分别大于设定的阈值，经过多次处理，最终本图片二值化的阈值设为40，图4与图5是整个区域二值化与油污区域二值化图像.

图4 整个区域的二值化

图5 污染区域的二值化

图6 整个区域滤波

图7 污染区域滤波

二值化的图像边缘比较粗糙[12]，有的部分出现明显的噪点，此时对图像目标像素点统计时还存在较大的误差.

2.4 图像滤波处理

直接获取的图像以及彩色图像灰度化后得到的图像都有噪声的存在，噪声对图像的质量影响很大，数字图像的噪声主要来源于图像的获取(数字化过程)和传输过程.减少噪声的滤波器有很多，大体上分有均值滤波器、统计排序滤波器、自适应滤波器.其中中值滤波器属于统计排序滤波器中的一种，也是最著名的一种滤波器，本文即采用中值滤波器[13]对图片进行处理，处理的结果如图6与图7.

图像二维数组的值包含在中值的计算结果中，中值滤波是一种非线性的滤波器，在一定条件下克服了线性平滑滤波器处理图像细节模糊的问题，对于很多种随机噪声，它都有良好的去噪能力.

2.5 结果处理与分析

通过图像滤波处理后，污染前整个试样的圆形区域及污染后试样颜色变化区域很快被提取出来，目标区域为白色，像素值为1，非目标区域为黑色，像素为零.最后得出，如图6整个白色区域像素点的个数为222 290，图7中白色区域像素点的个数为116 674，即得彩色污染指数为52.49%.

由此可知，汽油对涂料喷洒式彩色路面的色彩污染面积比较大，已经超过原有路面的一半，且MATLAB对污染区域的提取精确度高，方法可靠.

3 结论

(1)利用MATLAB图像识别技术很方便的实现了涂料喷洒式彩色路面色彩污染指数的确定，定量的分析出了油渍对路面的污染量，污染前彩色试样总的区域面积为222 290，污染后色彩变化的区域面积为116 674，汽油色彩污染率为52.49%.

(2)MATLAB功能十分强大，编辑出的程序具有较强的操作性、通用性，可以很好的应用于路面工程的其他领域.

(3)中值滤波器是一种使用非常普遍的滤波器，对于一定类型的随机噪声，具有一种优秀的去噪能力，对图像的边缘处理比较光滑.

(4)合理的运用MATLAB图片处理功能对油污图片进行了处理与优化.

[1]刘涛．彩色路面用材料性能及施工工艺研究[D]．西安：长安大学，2006.

[2]曹海波，钱振东．彩色沥青路面的色彩分析与应用研究[J]．石油沥青，2007(10) : 59.

[3]霍晓东，雷静芸．国外沥青混合料设计方法评述[J]．交通标准化，2007(12)：136-138．

[4]杜骋．旋转压实仪的发展历史及旋转压实角的确定[J]．石油沥青，2003(4) :124-127．

[5]袁迎捷．Superpave沥青混合料设计方法与压实原理研究[D]．西安：长安大学，2001.

[6]杨丹，赵海滨，龙哲，等．MATLAB图像处理实例详解[M]．北京：清华大学出版社，2013.

[7]SONKA M，HLAVA C V， BOYLE R．Image processing，analysis and machine vision[M]．Cambridge：Cambridge University Press, 2007:56-58.

[8]RAFAEL GONZALEZ,RICHARD E WOODS．Digital Image Processing[M]．Beijing: Publishing House of Electronics Industry,2007:185-189.

[9]富清．基于人工神经网络的图像识别和分类[D]．成都：成都理工大学，2010.

[10]张德丰．详解MATLAB数字图像处理[M]．北京：电子工业出版社，2010.

[11]贺兴华，周媛媛．MATLAB7.x图像处理[M]．北京：人民邮电出版社，2006.

[12]董长虹，赖志国，余啸海．MATLAB图像处理与应用[M ]．北京：国防工业出版社，2004．

[13]霍宏涛．数字图像处理[M]．北京：机械工业出版社，2003.

Application in Colored Slurry Thin Layer of Asphalt Pavement Oil Evaluation based on Image Identification of MATLAB

DING Gongying1，XU Dawei2

(1.College of Civil & Transportation Engineering, Hehai University, Nanjing 210098, China；2. Jiangsu Huaxia Real Estate Development Company, Nanjing 210000, China)

Colored slurry (acrylic resin, Fe2O3pigments, white cement) is sprayed on the gyratory compaction sample of AC-13. When the slurry is fully cured, 50 g of 93# gasoline is smeared evenly on the surface. Then digital images are taken on the oiled surface. MATLAB image recognition technology is used to object extraction and oil identification of the images, and a concept of colored slurry thin layer of asphalt pavement color pollution index is proposed, and the degree of petrol pollution to the color gyratory compaction sample is 52.49%.

thin layer colored slurry; image recognition; oil; binary; median filter

1673- 9590(2016)02- 0073- 04

2015- 07-22

国家自然科学基金资助项目(51278173); 江苏省交通运输厅科学研究资助项目(2012Y39)

丁功瀛(1991-)，男，硕士研究生，主要从事路面材料方面的研究E- mail:dgy2517@126.com.

A