1.一种桥梁质量检测中的裂缝检测方法，其特征在于，包括以下步骤：(1)安装设备：

将检测车(1)行驶至桥梁(2)待检测区域上方，并在检测车(1)上安装向下的机械臂(3)，在机械臂(3)下部安装与桥梁待测部位(10)平行的直线轨道(5)，将直线轨道(5)固定在装在桥墩(4)上的工作平台上，将行走小车(8)安装在直线轨道(5)上，使行走小车(8)沿着直线轨道 (5)进行往复运动，行走小车(8)与控制主机相连，将环形LED光源(7)、CCD相机(6)经垂直升降台(9)装在行走小车(8)上方，调整相机镜头与桥梁底面的距离，由控制主机实现行走小车的往复行走及定位；

将桥梁检测车行驶至待测区域上方，活动平衡重推出，支撑轮下降，工作装置起升，工作装置伸到桥外，工作平台下放，滑动桁架下降，工作平台向桥内回转，内平台伸出；

清除平台装配面的污物，将直线导轨平稳放在平台上，锁装配螺丝确认螺栓孔是否吻合，使用侧向固定螺丝，确定直线轨道(5)位置，锁装配螺丝确认螺栓孔是否吻合，并将导轨底部基准面固定于工作平台，依据上述步骤安装其余配对直线轨道；

将行走小车轻轻放置在直线轨道滑块上，不完全锁紧安装螺栓，通过止动螺丝将直线导轨滑块的基准侧与行走小车侧面基准面接触，使行走小车定位，全锁紧基准侧和从动侧的装配螺栓，完成安装；

伺服电机控制行走小车沿着直线导轨进行往复运动，通过MODBUS连接到控制主机；

将环形LED光源安装在CCD相机镜头底部，再将安装有环形LED光源的CCD相机固定在行走小车上方；

通过垂直升降台调整相机镜头与桥梁底面的距离，使相机与桥梁底面的距离控制在

180‑220mm；

控制主机放置在控制柜，一方面通过MODBUS连接到伺服电机，从而控制电机参数调节、电机转速设定、电机速度获取、位置脉冲获取，最终实现行走小车定位控制；另外一方面通过以太网接口连接到CCD相机，实现图像的裂缝图像的采集；

(2)裂缝图像的采集：

a.启动桥梁检测车；

b.操控机械臂，将行走小车送入桥梁底部指定位置；

c.通过垂直升降台在垂直方向的运动，调整相机镜头与桥梁底面的距离，使相机与桥梁底面的距离控制在180‑220mm；

d.通过控制主机设置行走小车在直线导轨行走的速度、停顿时间与方向，保证相机顺利连续地拍摄桥梁底面图像；

e.扫描完一趟后，桥梁检测车带着机械臂沿桥梁方向移动110mm，小车反向行走，继续拍摄相邻区域的图像，直到扫描整个行程；

f.拍摄完成，将采集的图像经以太网接口传给计算机，由此完成裂缝图像采集；

采集到的图像为真彩RGB图像，采用JPG格式，为后续图像处理与分析提供原始数据；

(3)、裂缝图像预处理：

裂缝与背景在图像中通常具备一定的区分度，但由于影像设备、外部环境以及桥面复杂的纹理，往往不能从中直接分离出目标裂缝，因此需对图像做一系列处理，应用图像检测算法，以实现裂缝特征的提取，整个裂缝图像处理包括图像预处理、分割、识别和分析；其中图像预处理作为目标检测的第一步，起着重要的作用，其目的是排除干扰物，更明显的突显目标与背景之间的对立关系，以此来为图像分割做准备，图像预处理包括图像灰度化、灰度级变换、图像滤波，包括以下步骤：图像灰度化

针对获取的裂缝图像是真彩RGB图像，在检测裂缝过程中，只需要图像的亮度(灰度)值信息，而图像的颜色信息没有实质的用处，且会徒增计算量，利用式(1)将裂缝图像由真彩RGB图像处理为灰度级图像：f(x,y)＝wRR(x,y)+wGG(x,y)+wBB(x,y)                           式(1)x‑‑裂缝图像像素点在X轴上的投影坐标；

y‑‑裂缝图像像素点在Y轴上的投影坐标；

f(x,y)‑‑裂缝图像处理后的灰度值，取值范围为0到255；

R(x,y)‑‑原始裂缝图像的红原色分量值，取值范围为0到255；

G(x,y)‑‑原始裂缝图像的绿原色分量值，取值范围为0到255；

B(x,y)‑‑原始裂缝图像的蓝原色分量值，取值范围为0到255；

wR‑‑原始裂缝图像的红原色分量值的权值，取值0.299；

wG‑‑原始裂缝图像的绿原色分量值的权值，取值0.587；

wB‑‑原始裂缝图像的蓝原色分量值的权值，取值0.114；

图像灰度级变换

通过设定好的阈值m，利用式 (2)，将数值低于和高于该阈值的灰度分别压缩至两个区间内，从而实现裂缝图像的平衡光照、减弱背景干扰并增强目标裂缝：S‑‑输出图像的灰度值，取值范围为0到255；

r‑‑输入图像的灰度值，取值范围为0到255；

m‑‑设定的阈值，初始取值0.5；

E‑‑用于控制函数的斜率，取值5；

对于灰度值低于m和高于m的像素所在的区间，对比度拉伸会分别将这些区间压缩至两个更窄的区间内，形成较暗和较亮的两个区域， 因此输出的是一幅具有高对比度的图像， 采用对比度拉伸变换后的图像，可见裂缝得到了明显的增强，同时，弱化了背景；

图像滤波

图像滤波的作用是滤除图像中噪声对应的波形并尽量保留图像细节特征完整，是图像预处理中必不可少的操作， 图像滤波结果的质量对于后续图像检测和分析的可信度以及有效性有直接的影响，

对于裂缝图像f(x,y)内任意像素点(x,y)，定义滤波模板W，利用式(3)，计算输出图像g(x,y)：

g(x,y)＝med{f(x‑k,y‑l)，(k,l∈W)}                                 式(3)g(x,y)‑‑滤波后裂缝图像的灰度值，取值范围为0到255；

f(x,y)‑‑滤波前裂缝图像的灰度值，取值范围为0到255；

med()‑‑取中值运算；

W‑‑滤波模板，采用3×3二维模板；

k‑‑滤波模板X轴上的大小，取值3；

l‑‑滤波模板Y轴上的大小，取值3；

x‑‑像素点在X轴上的投影坐标；

y‑‑像素点在Y轴上的投影坐标；

(4)、裂缝图像的分割

裂缝图像分割是将裂缝目标和图像背景区分出来，方法是：利用式(4)计算灰度为i的像素的概率：Pi＝ni/N                                     式(4)Pi‑‑灰度为i的像素的概率；

ni‑‑灰度为i的像素的个数；

N‑‑图像中像素个数；

设灰度阈值为t，将图像灰度值分为两类C1，C2：C1＝{1,2,...,t}C2＝{t+1,t+2,...,L}C1‑‑灰度值在[1,t]间的像素的集合；

C2‑‑灰度值在[t+1,L]间的像素的集合；

L‑‑图像中的灰度级数，取值256；

t‑‑设定的灰度阈值，取值范围[1,L]；

利用式(5)和式(6)，分别计算C1，C2类出现的概率W1，W2：W1‑‑C1类出现的概率；

W2‑‑C2类出现的概率；

Pi‑‑灰度为i的像素的概率；

L‑‑图像中的灰度级数，取值256；

t‑‑设定的灰度阈值，取值范围[1,L]；

利用式(7)和式(8)，分别计算C1，C2类的均值U1，U2：U1‑‑C1类的均值；

U2‑‑C2类的均值；

W1‑‑C1类出现的概率；

W2‑‑C2类出现的概率；

Pi‑‑灰度为i的像素的概率；

L‑‑图像中的灰度级数，取值256；

t‑‑设定的灰度阈值，取值范围[1,L]；

利用式(9)计算C1，C2类间方差D1，2：2

D1,2＝W1W2(U2‑U1)                        式(9)D1，2‑‑C1，C2类间方差D12；

U1‑‑C1类的均值；

U2‑‑C2类的均值；

W1‑‑C1类出现的概率；

W2‑‑C2类出现的概率；

在[1,L]范围内，依次选取t值，利用式(4)至式(9)进行计算，求取出使得D1，2最大的t值为135；

(5)、裂缝参数的提取：

由于裂缝宽度对于桥梁安全的影响最大且最直观，选择最大宽度dmax作为桥梁裂缝检测的关键参数，从而作为损伤程度的评价依据，裂缝参数测量包括：裂缝细化、毛刺剔除以及宽度计算；

裂缝细化

细化是将图像中的二值物体和形状减小为单个像素宽的线，裂缝的细化则是为了得到骨架脊线，去除自身其他因素的干扰，为裂缝参数计算作铺垫，方法是：对于裂缝图像中的某一点，将消除模板与之匹配，若前一次扫描中，有像素点被删除，表明裂缝未被进一步地细化，继续执行模板匹配；若没有点被删除，则细化结束后，得到裂缝的骨架图像；

毛刺剔除

骨骼化后的裂缝通常并不是一条单一的曲线，而是会在主干旁伴有许多较短的分支，这些分支就称作毛刺，其产生可能与裂缝宽度的突变或者是分割后图像本身存在的毛边相关，由于毛刺会严重影响裂缝宽度的计算，所以需将其剔除，毛刺的剔除首先需要标记节点和端点、分支编码，然后通过设定阈值来滤除，方法是：①标记节点和端点：

毛刺始于骨架，与骨架相连，其交点就称为节点，而悬空的另一端则为端点，节点像素通常与三个像素点相邻，而与端点相邻的像素则只有一个，在细化后的裂缝骨架图中取3×

3的掩模依次滑过整幅图像，若至少有3个点与掩模的中心点相连，则该中心点即为节点，若只有一个点与中心点连接，则为端点；

②分支编码：

从节点开始跟踪毛刺直至其端点，记为E(x,y)，然后对各段分支进行编码，并利用式(10)计算毛刺长度LE：

LE‑‑毛刺长度；

Eo‑‑编号为偶数的链码个数；

Ej‑‑编号为奇数的链码个数；

③毛刺剔除

结合桥梁裂缝本身和毛刺的特征分析，有分叉的裂缝，其分支要比骨架图中的毛刺长得多，因此只需设定一个适当的阈值TE，利用式子(11)将低于TE的毛刺去除末梢：T‑‑表示为毛刺的总个数；

裂缝宽度计算

在提取裂缝的骨架的基础上，根据骨架图中像素点的法线与原裂缝特征边缘的交点间的距离，来定义裂缝的宽度；

①对于裂缝骨架图g(x,y)中的任意像素点i，利用式(12)提取两条法线L1和L2：(xi,yi)‑‑骨架图像g(x,y)中的第i个像素点的坐标；

(X1,Y1)‑‑经过点i的法线L1的坐标；

(X2,Y2)‑‑经过点i的法线L2的坐标；

②计算法线L1和L2分别与原裂缝特征图像f(x,y)交点，得到一系列交点(x1,y1)、(x2,y2)，…，(xr,yr)，并构成两个集合A1＝{(xi,yi)|(xi,yi)∈L1}和A2＝{(xi,yi)|(xi,yi)∈L2}；

③利用式(13)分别求两个集合中任意两元素的距离，其最大值即为法线与原裂缝特征边缘的交点，分别记为d1和d2，计算如下:④比较d1和d2的大小，取较大值作为裂缝在点i的宽度d(i)，并存入宽度矩阵W，则W＝[d(1),d(2),…,d(n)]，其中n为裂缝骨架的像素点总数；

⑤求宽度矩阵W的最大值，即得到桥梁裂缝的真实最大宽度dmax。