基于嵌入式ARMS3C2440智能建筑物裂纹实时测量系统开发研究
通过添加以上约束，实验效果有了明显的提高。
图7是PC机的结果，由于同时使用了5个约束效果比较好。图8是ARM系统运行的截图，由于在ARM上不方便分步计算出每一个步骤，故直接给出了带有测量结果的截图。本文引用地址：http://www.eepw.com.cn/article/152205.htm
2 基于Linux的QT界面设计算法
前文讨论的是主要的算法部分，完整的裂纹测量系统还包括用户接口部分，即图形界面接口。在ARM上采用QT进行界面设计已经比较成熟，它具有以下主要特点：
(1)入门容易、学习成本低。了解基本概念后就可以边查文档边写程序。
(2)跨平台效果好。本来是Linux下的工具库，在Windows下默认观感也很好。
3 软件移植与程序优化
由于最终的程序是运行在ARM系统上，而由于ARM处理图像时的速度慢与裂缝测量仪器的实时性要求，必须对程序进行优化，并将算法移植到ARM系统上，使之可以正确运行。
软件的移植比较容易。由于一开始很注重将PC机上仿真成功的算法及时移植到ARM上，故程序的移植变得比较容易。
但是程序的优化是一个问题，虽然现在的ARM速度已经提高了很多，但是在处理图像时还是很吃力，加上算法中需要对原图像两次独立处理，相当于加倍了ARM的负担。通过对大量裂缝图像的分析，针对前文中提出的裂缝特点以及结合ARM本身的运算速度条件，提出剔除处理全部图像的算法。采用了只处理给定行位置上下10行的区域。通过只处理这20行图像，极大地提高了程序的运行速度。以上方法并行，还采用多线程编程方法，通过将图像采样与图像的处理分为两个进程完成，有效地提高了程序的运行速度。
4 实验结果分析
该程序分别在PC机和ARM开发板上运行，效果如图7，图8所示。
通过大量的实验发现该算法能较好地检测出裂缝的分布和宽度。在算法中采用了结合OTSU图像分割与Sobel边缘检测的混合算法进行裂纹检测与宽度测量。这种算法能分别有效利用边缘检测与图像分割两种方法各自的优点。另外在该算法中加入了一些分析获得的约束条件，这能极大地弥补边缘检测与图像分割混合方法的不足，从而有效地提高了裂纹位置锁定与裂缝宽度测量的精度。
5 结 语
针对墙体裂纹测量，设计出了一套适用于裂缝宽度检测的算法。该算法能较好地检测出裂缝的分布和宽度。采用边缘检测与图像分割混合的方法并通过对大量图像进行分析，对算法添加了一系列符合图像裂缝特征的约束条件，极大地提高了算法的准确性与健壮性。分别将程序运行于PC机系统与ARM系统，并针对ARM系统的特点对算法进行了一系列优化，引入了并行处理技术，在提高ARM运行速度的同时，使得ARM系统检测出的结果达到与PC机系统几乎同等的效果。
评论