개선된 이진화와 형상분석 기법을 응용한 콘크리트 표면 균열의 화상처리 알고리즘 개발 Development of Image Processing for Concrete Surface Cracks by Employing Enhanced Binarization and Shape Analysis Technique원문보기
이 연구의 목적은 디지털 카메라나 비디오 카메라로 촬영된 콘크리트 표면 균열 화상에서 컴퓨터가 자동으로 균열을 검출하고 균열의 폭, 길이, 방향을 계산할 수 있는 알고리즘을 개발하는 것이다. 개발한 알고리즘의 기본 구조는 기존의 연구 결과들과 유사하며, 기존 연구들과의 차이점은 다음과 같다 (1) 빈의 영향을 제거하기 위한 모폴로지 기법의 적용, (2) 개선된 이진화 기법과 형상 분석을 통한 검출 성능 향상, (3) 폭, 길이, 방향 계산을 위한 세부 알고리즘을 제시한 것이다. 제시한 알고리즘의 유효성을 검증하기 위하여 MATLAB 언어를 이용하여 알고리즘을 구현하였으며, 디지털 카메라를 통하여 얻은 실제 균열 화상을 사용하여 시험하였다. 시험결과는 제시한 알고리즘이 균열을 정확히 검출할 수 있음을 나타냈으며, 이 연구에서 제시한 방법으로 계산한 균열의 폭, 길이, 그리고 방향의 값을 균열 폭 측정 현미경, 자, 그리고 각도기로 계측한 값과 비교한 결과 거의 일치된 결과가 나타났다.
이 연구의 목적은 디지털 카메라나 비디오 카메라로 촬영된 콘크리트 표면 균열 화상에서 컴퓨터가 자동으로 균열을 검출하고 균열의 폭, 길이, 방향을 계산할 수 있는 알고리즘을 개발하는 것이다. 개발한 알고리즘의 기본 구조는 기존의 연구 결과들과 유사하며, 기존 연구들과의 차이점은 다음과 같다 (1) 빈의 영향을 제거하기 위한 모폴로지 기법의 적용, (2) 개선된 이진화 기법과 형상 분석을 통한 검출 성능 향상, (3) 폭, 길이, 방향 계산을 위한 세부 알고리즘을 제시한 것이다. 제시한 알고리즘의 유효성을 검증하기 위하여 MATLAB 언어를 이용하여 알고리즘을 구현하였으며, 디지털 카메라를 통하여 얻은 실제 균열 화상을 사용하여 시험하였다. 시험결과는 제시한 알고리즘이 균열을 정확히 검출할 수 있음을 나타냈으며, 이 연구에서 제시한 방법으로 계산한 균열의 폭, 길이, 그리고 방향의 값을 균열 폭 측정 현미경, 자, 그리고 각도기로 계측한 값과 비교한 결과 거의 일치된 결과가 나타났다.
This study proposes an algorithm for detection and analysis of cracks in digital image of concrete surface to automate the measurement process of crack characteristics such as width, length, and orientation based on image processing technique. The special features of algorithm are as follows: (1) ap...
This study proposes an algorithm for detection and analysis of cracks in digital image of concrete surface to automate the measurement process of crack characteristics such as width, length, and orientation based on image processing technique. The special features of algorithm are as follows: (1) application of morphology technique for shading correction, (2) improvement of detection performance based on enhanced binarization and shape analysis, (3) suggestion of calculation algorithms for width, length, and orientation. A MATLAB code was developed for the proposed algorithm, and then test was performed on crack images taken with digital camera to examine validity of the algorithm. Within the limited test in the present study, the proposed algorithm was revealed as accurately detecting and analyzing the cracks when compared to results obtained by a human and classical method.
This study proposes an algorithm for detection and analysis of cracks in digital image of concrete surface to automate the measurement process of crack characteristics such as width, length, and orientation based on image processing technique. The special features of algorithm are as follows: (1) application of morphology technique for shading correction, (2) improvement of detection performance based on enhanced binarization and shape analysis, (3) suggestion of calculation algorithms for width, length, and orientation. A MATLAB code was developed for the proposed algorithm, and then test was performed on crack images taken with digital camera to examine validity of the algorithm. Within the limited test in the present study, the proposed algorithm was revealed as accurately detecting and analyzing the cracks when compared to results obtained by a human and classical method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 연구의 목적은 디지털 카메라나 비디오 카메라로 촬영된 콘크리트 표면 균열 화상에서 컴퓨터가 자동으로 균열을 검출하고 균열의 폭, 길이, 방향을 계산할 수 있는 알고리즘 개발이다’ 알고리즘의 전체적 흐름은 균열검 출, 균열분석으로 구성된 기존 연구들과 유사하지만盈), 전역적/지역적 이진화(binaiization) 과정을 2회에 걸쳐 수행하는 2차 추출 알고리즘을 개발한 것과 형상분석 기법을 도입하여 미세균열의 검출 성능을 현저히 향상 시킨 것이 기존의 알고리즘과 차별화되는 부분이다. 이 외에도 빛의 영향을 보정하기 위하여 새로이 모폴로지 기법을 적용하였고 폭 길이, 방향을 계산하는 세부 알고리즘을 제시하였다.
제안 방법
2) 기존 연구내용을 바탕으로 배경, 노이즈, 균열이 함께 있는 화상에서 이진화 기법과 형상 분석 기법을 응용하여 균열 검출 성능을 향상시켰으며, 기존 검출 시스템 에서 검출하기 어려웠던 미세 균열까지 검출할 수 있는 알고리즘을 제시하였다. 그러나 이 연구에서 균열 검출 알고리즘의 효율성 검증에 사용한 균열 화상은 비교적 노이즈가 적게 포함된 화상이었기 때문에 유해환경에 노출되어 많은 노이즈가 포함된 균열 화상이나 실제 균 열이 아니지만 균열과 유사한 형태의 물체가 있는 화상 의 경우 균열 검출에 오차가 있을 것으로 예상된다.
3) 검출된 균열을 바탕으로 균열의 폭 길이, 방향을 자동 으로 계산할 수 있는 알고리즘을 제시하였다. 이 연구에서 실험한 촬영 조건은 일반적으로 현장에서 접할 수 있는 범위로 선정하였으며, 그 영향을 검토한 결과 무시할 수 있는 수준인 것으로 나타났다.
3은 지역적 이진화의한 예를 나타낸 것으로 서 (b)에 나타나듯이 전역적 이진화의 결과(흰색)와 비교하여 보다 정확히 균열을 검출하고 있다(검정색). 그러나 지역적 이진화는 전역적 이진화를 통해 추출된 균열의 경 계만을 따라 이진화가 수행되기 때문에 지역적 이진화가 수행되는 영역 밖에 있는 화소의 밝기값이 배경의 밝기값 과 비슷한 미세 균열은 검출할 수 없다 이를 해결하기 위하여 2차 추출을 추가하였다. 2차 추출도 1차 추출과 동일 하게 Otsu 방법을 사용하여 역치값이 결정되도록 하였으며, 지역적 이진화 과정을 포함하였다.
2차 추출도 1차 추출과 동일 하게 Otsu 방법을 사용하여 역치값이 결정되도록 하였으며, 지역적 이진화 과정을 포함하였다. 그리고 2차 추출의 지역적 이진화에서 연산이 되는 영역의 크기는 1차 추출 과 동일하나 반복횟수는 2회로 하였다. 다만, 2차 추출에 서는 1차에서 균열로 추출된 것들을 제거한 화상을 사용 하기 때문에 역치값이 1차 추출 때보다 배경의 밝기값과 비슷한 값으로 결정된다.
8%)에 비하여 차이가 크게 나타난 이유는 균열 시/종점의 직선 거리를 자로 측정하여 이 값을 균열 길이로 간주하였기 때문이다. 동일한 8개의 균열에 대하여 균열의 방향도 계산하였다. 이 계산 결과는 눈금 1。의 각도기를 사용하여 계측한 값과 비교하 였다(Table 4).
그러나 이러한 역치값으로 인하여 미세균열 검출이 가능한 반면 균열 이외에도 많은 노이즈들이 균열로 추출된다. 따라서 이러한 노이즈들과 균열을 분리하기 위하여 균열의 형상이 폭에 비하여 길이 가 긴 특성을 이용한 2.2.3절의 형상분석을 사용하였다.
이 연구에서 실험한 촬영 조건은 일반적으로 현장에서 접할 수 있는 범위로 선정하였으며, 그 영향을 검토한 결과 무시할 수 있는 수준인 것으로 나타났다. 또한 균열 현 미경으로 측정한 값과 비교함으로써 이 연구에서 제시한 알고리즘의 실효성을 검증하였다.
1과 같이 노이즈 감소, 지역적 이진화를 연산과정에 추가하였다. 또한 미세균열 검출 성능을 향상시키기 위하여 1차 추출 이후에 2차 추 출 과정을 추가하였다.
이러한 빛의 영향을 보정하기 위하여 이 연구에서 적용하는 기법은 화상처리 기법 중 하나인 모폴로지 (mor- phology) 기법이다。. 모폴로지 기법은 기본적으로 erosion, dilation, opening, closing 4가지 연산에 근간을 두며, 이 연구의 경우 원 화상에서 closing 연산을 수행한 화상을 빼는 방법을 사용하였다. 이때 사용한 구조적 요소 (structuring elements)3] 크기는 반지름이 15인 원을 사용하였다.
이진 화란 다양한 밝기값(0~255: grayscale)을 가진 화소들을 임의의 역치값(threshold)을 기준으로 화소의 밝기값을 흰 색(1)과 검은색(0)으로 바꾸는 것이다. 이 연구에서 기본적 으로 채택한 방법은 다양한 이진화 기법들 중에서 Otsu가 제안한 판별함수기법이며叩七 Fig. 1과 같이 노이즈 감소, 지역적 이진화를 연산과정에 추가하였다. 또한 미세균열 검출 성능을 향상시키기 위하여 1차 추출 이후에 2차 추 출 과정을 추가하였다.
이 연구에서는 디지털 카메라를 통하여 획득한 콘크리트 균열 화상에서 균열의 특징들을 PC를 통해 자동으로 분석 할 수 있는 알고리즘을 제시하였으며, 결론은 다음과 같다.
이 연구의 목적은 디지털 카메라나 비디오 카메라로 촬영된 콘크리트 표면 균열 화상에서 컴퓨터가 자동으로 균열을 검출하고 균열의 폭, 길이, 방향을 계산할 수 있는 알고리즘 개발이다’ 알고리즘의 전체적 흐름은 균열검 출, 균열분석으로 구성된 기존 연구들과 유사하지만盈), 전역적/지역적 이진화(binaiization) 과정을 2회에 걸쳐 수행하는 2차 추출 알고리즘을 개발한 것과 형상분석 기법을 도입하여 미세균열의 검출 성능을 현저히 향상 시킨 것이 기존의 알고리즘과 차별화되는 부분이다. 이 외에도 빛의 영향을 보정하기 위하여 새로이 모폴로지 기법을 적용하였고 폭 길이, 방향을 계산하는 세부 알고리즘을 제시하였다.
지역적 이진화는 전역적 이진화 연산을 통하여 균열로 추출된 경계를 따라 미세 영역내에 서의 연산을 의미한다. 이때 미세 영역의 크기는 경계 화 소 주위의 11x11 영역으로 하였으며, 반복횟수는 5회로 하였다. Fig.
총 8개 균열의 길이를 계산하여, 그 결과를 1mm 눈금 의 자로 측정한 값과 비교하였다(Table 3). 식 (3)과 동일한 방식으로 결정된 차이는 3.
대상 데이터
이 연구에서 제시한 균열 검출 및 분석 알고리즘은 MATLAB을 이용하여 구현하였으며, 성능 검증을 위하여 실제 콘크리트 표면을 촬영한 화상을 사용하였다. 촬영에 사용된 카메라는 NIKKOR AF-S 28 mm ~ 70 mm 렌즈가 부착된 N사의 D1X 모델이다. Figs.
이론/모형
그러나 지역적 이진화는 전역적 이진화를 통해 추출된 균열의 경 계만을 따라 이진화가 수행되기 때문에 지역적 이진화가 수행되는 영역 밖에 있는 화소의 밝기값이 배경의 밝기값 과 비슷한 미세 균열은 검출할 수 없다 이를 해결하기 위하여 2차 추출을 추가하였다. 2차 추출도 1차 추출과 동일 하게 Otsu 방법을 사용하여 역치값이 결정되도록 하였으며, 지역적 이진화 과정을 포함하였다. 그리고 2차 추출의 지역적 이진화에서 연산이 되는 영역의 크기는 1차 추출 과 동일하나 반복횟수는 2회로 하였다.
이 연구에서 제시한 균열 검출 및 분석 알고리즘은 MATLAB을 이용하여 구현하였으며, 성능 검증을 위하여 실제 콘크리트 표면을 촬영한 화상을 사용하였다. 촬영에 사용된 카메라는 NIKKOR AF-S 28 mm ~ 70 mm 렌즈가 부착된 N사의 D1X 모델이다.
성능/효과
1) 균열이 포함된 콘크리트 면을 촬영할 때 빛의 양이 위 치에 따라 다르기 때문에 발생하는 빛의 영향을 보정 하기 위하여 새로이 모폴로지 기법을 적용하였고, 효과적으로 빛의 영향을 보정할 수 있음을 확인하였다.
Table 1은 임의의 균열에 대하여 카메라의 초점거리와 촬영거리를 달리하면서 5개의 측점에서 계산 혹은 계측된 균열 폭을 나타낸다. 다양한 초점거리와 촬영거리로 획득 한 균열 화상을 갖고서 계산한 값의 표준편차는 0.024~ 0.047의 범위였으며 평균 0.035로 나타났다. 동일 지점의 균열 폭에 대하여 초점거리와 촬영거리에 따라 상이한 결과가 나타나는 이유는 분해능(하나의 화소가 나타내는 길이) 이 서로 다르기 때문이다.
후속연구
12보다 더 크게 하여 검출되지 못한 미세 균열을 검출할 수도 있지만 형상계수의 기준값이 증가함에 따라 노이즈도 균열로 검출되는 비율이 증가하기 때문이다. 이 수치는 경험적으로 결정되는 값이며, 추후 이 연구에서 사용한 형상계수 이외에 사람의 판단을 모사할 수 있는 인공지능■기법(퍼지, 신경망 등)이 필요할 것으로 판단된다. Fig.
그러나 이 연구에서 균열 검출 알고리즘의 효율성 검증에 사용한 균열 화상은 비교적 노이즈가 적게 포함된 화상이었기 때문에 유해환경에 노출되어 많은 노이즈가 포함된 균열 화상이나 실제 균 열이 아니지만 균열과 유사한 형태의 물체가 있는 화상 의 경우 균열 검출에 오차가 있을 것으로 예상된다. 이러한 문제들은 추후 사람의 판단을 모사할 수 있는 인 공지능 기법의 도입이 필요할 것으로 판단된다.
참고문헌 (13)
강준묵, 오영철, 엄대용, '수치영상처리에 의한 콘크리트 구조물의 균열정보 획득', 대한토목학회논문집, 22권 5-D호, 2002, pp.1001-1010
Schutter, G. D., 'Advanced Monitoring of Cracked Structures Using Video Microsccpe and Automated Image Analysis', NDT & E International: Independent Nondestructive Testing and Evaluation, Vol.35, No.4, 2002, pp.200-212
Doihara, T., Hirano, K., and Oda, K., 'Crack Measuring System Based on Hierarchical Image Processing Technique', International Archives of Photogrammetry and Remote Sensing, Vol.29 No.5, 1993, pp.155-159
Ito, A., Aoki, Y., and Hashimoto, S., 'Accurate Extraction and Measurement of Fine Cracks from Concrete Block Surface Image', IEEE Industrial Electronics Society, Vol.3, 2002, pp.2202-2207
Kaseko. M. S. and Ritchie, S. G., 'A Neural Network Based Methodology for Pavement Crack Detection and Classification', Transportation Research Part C, Emerging Technologies, Vol.1, No.4, 1993, pp.275-291
Tung, P. C., Hwang, Y. R., and Wu, M. C., 'The Development of a Mobile manipulator Imaging System for Bridge Crack Inspection', Automation in Construction, Vol.11, No.6, 2002, pp.717-729
Liu, Z., Suandi, S. A., Ohashi, T., and Ejima, T., 'A Tunnel Crack Detection and Classification Systems Based on Image Processing', Proceedings of SPIE- The International Society for Optical Engineering, No. 4664, 2002, pp.145-152
Amrnouche, A., Breysse, D., Homain, H., Didry, O., and Marchand, J., 'A New Image Analysis Tech- nique for The Quantitative Assessment of Micro-cracks in Cement-Based Materials', Cement and Concrete Research, Vol.30, No.1, 2000, pp.25-35
Gonzalez, R. C. and Woods, R. E., 'Digital Irmge Processing', 2nd ed., Addison Wesley, New York, 1992
Otsu, N. A. 'Threshold Selection Method from Gray Level Histogram', IEEE Transactions on Systems, Man, and Cybernetics, Vol.SMC-9, No.1, 1979, pp.62-66
Seul, M., O'Gorman, L., and Sammon, M. J., 'Practical Algorithms for Image Analysis', Cambridge University Press, New York, 2000
Haralick, R. M. and Linda, G. S., 'Computer and Robot Vision', Vol.I, Addison-Wesley, 1992, pp.28-48
Jain, A. K, 'Fundamental of Digital Image Processing', Prentice Hall, USA, 1989, 383pp
※ AI-Helper는 부적절한 답변을 할 수 있습니다.