高等级公路路面裂缝类病害轮廊提取的算法研究

算法实现的基本思想是：构造如图2所示的8方向模板，对图像进行逐点计算，并且取最大值作为该点的新的灰度值，该最大值对应模板所表示的方向为该像素点的边缘方向。

2.3 图像分割

该部分将经过8方向Sobel边缘检测的数字图像，进行图像分割（二值化）。考虑到需要对路面的病害图像作备份，同时也为了方便检测者了解裂缝的形状和走向，系统要提供直观的二值化图像，以供参考和进行后续的图像处理与测量工作。本文的图像分割算法选用由Ostu提出的最大类间方差法，该算法是在判决分析最小二乘法原理的基础上推导得出的[2]。

OSTU准则分割原理如下：

设一幅图像的灰度等级范围为[1,2,…L]，对应灰度级i的像素为ni个，整幅图像的象素总个数N=n1+n2+…+nL，则对应灰度级i的像素出现的概率为：

若整幅图像以灰度级K及阈值，且分为C0与C1两类。其中C0类灰度级范围为[1,…K]，C1类为[K+1,…L]。

这两类的方差分别为：

式中，Pr为在C0（或C1）类中灰度级i的象素出现的概率，u0和u1分别为C0和C1类的均值。

这样有w0u0+w1u1=ur成立，w0和w1分别为C0类和C1类的概率。在此OSTU定义类内方差：

类间方差：

    总的方差：

OSTU准则即：最优的阈值灰级K*满足下式：