摘要：為了對建筑物中的墻體裂縫" title="墻體裂縫">墻體裂縫進行高精度和高清晰度地測量、計算和處理。文中給出了使用DSP" title="DSP">DSP數字信號處理器來對墻體裂縫圖像進行預處理的具體方法及相關算法，同時給出了相應的仿真結果。
關鍵字：墻體裂縫監(jiān)測；圖像處理；DSP
現(xiàn)代各種建筑行業(yè)中，墻體因為外力碰撞、建筑質量、熱脹冷縮等原因，往往會產生一些裂縫。因此，對墻體裂縫的監(jiān)測與分析就顯得十分必要。利用圖像處理的方法來對墻體裂縫進行監(jiān)測和分析是比較方便且有效的方法之一。但由于人為或自然因素的影響，復雜的背景噪聲一般都會疊加在有用的墻體表面圖像數據中，所以，在對裂縫進行圖像分割前，必須通過濾波來減少噪聲，增強裂縫邊緣效果，然后再進行圖像分割。
傳統(tǒng)的數字圖像處理系統(tǒng)一般是基于PC機來實現(xiàn)的，即由圖像采集卡采集圖像，再將圖像數據通過總線或網絡傳輸給PC機，然后在PC機上進行圖像處理。此類系統(tǒng)通常比較復雜。且難以小型化，不方便隨身攜帶和檢測。因此，本文介紹一種基于DSP芯片來完成數字圖像處理的實現(xiàn)方法。該方法利用CCD" title="CCD">CCD傳感器進行圖像采集，然后在DSP內部通過算法對圖像進行處理，再將處理后的圖像通過液晶進行顯示，最后由圖像來判定裂縫的狀態(tài)和細節(jié)等。此方案可使系統(tǒng)更加簡潔、實時性更強，因此，可在便攜式圖像檢測設備中得到一定的應用。
1 算法簡介
通過CCD圖像傳感器采集的圖像，還需對其進行一定的處理，才能更好的反映出墻體裂縫的細節(jié)。對圖像進行處理需要一定的算法支持，要根據算法內容進行編程，最后通過移植程序到DSP中，以最終實現(xiàn)圖像處理。本文使用的是中值濾波、圖像灰度值修正、迭代閾值法二值化圖像分割等算法。
由于采集的初始圖像中的噪聲會降低圖像的質量，使圖像特征淹沒，給分析帶來困難。因此，去除噪聲、恢復原始圖像是裂縫圖像處理中的一個重要內容。中值濾波是一種非線性的信號處理方法，可在一定條件下克服線性濾波器帶來的圖像細節(jié)模糊問題，對濾除脈沖干擾最為有效。中值濾波一般采用一個含有奇數點的滑動窗口(通常為二維窗口)來用窗口中各點灰度值的中值來替代指定點(一般是窗口的中心點)的灰度值。中值濾波的窗口形狀和尺寸對濾波器的效果影響較大，因此，需根據不同要求選用不同的窗口形狀和尺寸。由于裂縫圖像中的脈沖干擾較多，因此，為了保證去噪時失真小，本文筆者選擇3×3的方形窗口來進行中值濾波。
直方圖修正主要是為了調整圖像的亮度，增強圖像中感興趣的灰度區(qū)域。中值濾波后，由于墻體裂縫圖像的特殊性，圖像中的裂縫灰度值往往較小、較灰暗，而背景灰度值往往較大、較明亮。因此，筆者采用了一種線性拉伸變換的方法來增強圖像的灰度效果。若由用戶輸入感興趣的灰度區(qū)域范圍，當某點的像素值小于范圍的最小值時，該點像素值賦值為0；大于范圍的最大值時，該點像素值賦值為255。若在范圍中，則計算出該值在范圍中的比例，再用比例乘以255，以得到新的像素值。這樣，就將感興趣的灰度區(qū)域拉伸到0～255，從而達到對比度增強的目的。
在圖像進行灰度值拉伸修正后，為了便于裂縫觀察，還需要將裂縫從圖像中分割出來。由于墻體裂縫與背景在灰度級上有明顯的區(qū)別，所以，選擇合適的閾值T便能實現(xiàn)分割。若像素灰度值小于T，則將其灰度值設置為0，否則，將其灰度值設置為255。閾值的選取是關系圖像分割質量好壞的關鍵，本文采用迭代閾值法來求得閾值T。其灰度的閾值分割變換公式如下：
式(1)中，T為采用迭代閾值法得到的閾值。
2 硬件系統(tǒng)設計
利用DSP完成墻體裂縫圖像的采集與處理時，需要建立相應的硬件平臺。該平臺需要能實時完成圖像的采集、處理與分析。本文采用TI公司的DSP芯片TMS320DM642作為主處理芯片，并完成相應的外部電路設計，其具體結構如圖1所示。
用DSP處理器TMS320DM642作為主處理器，其最高能達到600 MHz的工作頻率，完全能滿足本文的墻體裂縫圖像分割提取的實時處理要求。設計時，先利用CCD圖像傳感器采集墻體裂縫圖像，再經過AD轉換將圖像數據送到CPLD中，并在緩沖后將數據傳輸到DSP進行處理，該DSP芯片可利用各種算法對圖像進行處理。若數據需要存儲，則可以利用CPLD將所需存儲的數據在DSP與FLASH、SDRAM之間進行傳遞。當圖像處理完成后，再通過LCD接口電路將圖像在LCD上顯示，從而完成圖像的實時分析、處理與顯示。
3 算法實現(xiàn)流程
該圖像處理算法需要由相關的程序來實現(xiàn)，最后再將程序嵌入到DSP處理器中。當墻體裂縫圖像通過CCD圖像傳感器采集以后，其后的處理過程首先要對圖像進行中值濾波，其次通過灰度值修正，取得最優(yōu)閾值后再進行二值化分割，以完成對圖像的處理。
中值濾波算法的C語言實現(xiàn)過程首先是確定中值濾波窗口與形狀，然后將窗口內的像素值存入數組中，再通過冒泡法對該數組進行排序以取出中值，最后用該中值替換原來窗口的中心像素，至此，便實現(xiàn)了圖像的中值濾波。由于墻體裂縫圖像的特殊性，灰度值修正算法的C語言實現(xiàn)過程是先獲取用戶感興趣的灰度區(qū)域[A，B]，再利用循環(huán)對每個像素點的值M進行判斷，若M
式中INT為取整，通過以上運算，便可實現(xiàn)感興趣區(qū)域的灰度拉伸，使對比度增強。圖2所示是通過C語言實現(xiàn)中值濾波與灰度修正的具體
流程圖。
在閾值分割算法的C語言實現(xiàn)過程中，由于裂縫圖像中的裂縫和墻體背景的灰度值相差較大，因此，其直方圖會呈現(xiàn)明顯的雙峰形狀，而將該谷值作為分割的閾值來進行二值分割會得到較好的分割圖像。一般情況下，采用迭代閾值分割法比較適合。用迭代的方法來對閾值進行迭代，能夠自適應地尋找出最優(yōu)的閾值。然后將每個像素值與閾值進行比較，大于閾值時，將該點的像素值置為255；小于閾值時，將該點的像素值置為0。此時，便完成圖像的二值化分割。在整個過程的運行中，主函數先開始執(zhí)行，并先進行初始化，包括將圖像數據裝入到指定的存儲空間，設置圖像的邊界和大小，通過迭代閾值法得到最佳閾值T等，接著再進行中值濾波，然后進行灰度修正，再后進行閾值分割，至此便完成了整個圖像的處理過程。通過C語言實現(xiàn)閾值分割算法以及整個圖像處理的流程如圖3所示。
4 仿真結果分析
本文利用DSP集成開發(fā)平臺CCS對裂縫圖像的處理進行了仿真，并通過建立新的工程將主程序以及相關的庫函數加入到工程中，然后在配置存儲空間和編譯鏈接后，鏈接了仿真器，并將生成的下載文件下載到仿真器中，最后設置斷點，開始運行程序，觀察每次圖像處理的結果。其具體的仿真結果如圖4所示。
在圖4中，圖4(a)為原圖像，(b)為經過中值濾波后的圖像，該圖像中的噪聲有所減少，但圖像也開始有點模糊； (c)為灰度調整后的圖像，該圖像中亮度明顯增加，裂縫與背景的對比度明顯提高，細節(jié)也較明顯； (d)為利用迭代閾值法進行二值分割后的圖像，可以看出，該圖像中的裂縫基本被分割出來，粗的裂縫清晰明顯，細的裂縫分割效果也基本滿意，可以達到裂縫圖像去噪、增強、分割的目的。
5 結束語
本文主要探討墻體裂縫圖像的預處理過程以及算法的DSP實現(xiàn)。該方法通過C語言編程并利用DSP可完成圖像采集、中值濾波、圖像增強、圖像分割四個步驟，從而完成整個裂縫圖像的處理過程。墻體裂縫圖像經處理后，裂縫能較清晰的得到顯示與分割，而且細節(jié)信息基本保留，因而可為其他處理做準備。由于該方法是通過DSP來實現(xiàn)整個過程，故其硬件系統(tǒng)結構簡潔。事實上，本文的方法也可在一些便攜式墻體裂縫檢測設備中得到應用。