沥青混凝土材料性质的好坏直接影响沥青路面的使用性能^[1]，对沥青混凝土材料结构特征的研究有助于控制其材料性质^[2]。空隙率、矿料间隙率等指标是对混凝土材料结构的一种间接反映^{[3, 4]}，而内部集料的分布排列则是对材料结构的直接反映，但是这些直接特征无法通过传统的试验方法获得，需要借助其他技术进行分析^[5]。

在1995年，Yue和Bekking^{[6, 7]}等人采用相机拍摄沥青混凝土截面照片，借此分析集料级配的差异和粗集料的取向特征，但受限于技术水平，分析精度不高。E.Masad^[8]采用图像技术研究了压实成型方式对集料分布规律的影响，认为数字图像处理技术可作为评价沥青混凝土骨料是否形成嵌挤骨架的一个有力手段^{[9, 10]}。彭勇等^[11]人利用MASAC软件对集料的排列方式、接触关系进行了考察，并以此对沥青混凝土的均匀性进行评价，收到了良好的效果。张肖宁等^[12]的研究表明击实成型试件不能代表实际路面结构。张蕾^[13]采用图像技术研究了沥青混凝土内部组成特性。研究表明细观指标评价高温抗车辙能力和抗水损害性能具有可行性。沙爱民^[14]运用图像处理技术进行级配识别，研究表明采用图像对比度拉伸和滤波方法可以有效地去除图像采集时产生的瑕疵。

纵观目前的研究现状不难看出，虽然数字图像技术在沥青混凝土性能研究中得到了广泛应用，但沥青混凝土图像易受噪声影响产生灰度分布不连续的现象。此时由于间断级配混凝土图像具有较好的区分度，集料粘连相对较少。而密级配图像则由于细集料含量较多，图像区分度下降，导致产生大量的集料粘连。对粘连集料进行分割，还原集料本来的几何形状是统计级配特征信息的前提。以往腐蚀膨胀的形态学方法需要进行多次操作，这将会严重损失集料的形状信息。因此，基于还原集料原有形状的目的，本文运用分水岭分割方法对粘连集料进行了分割研究，并在此基础上分析集料扁平程度与集料倾角分布规律的相关性。 1 沥青混凝土数字图像处理方法研究 1.1 沥青混凝土数字图像采集方法

根据现有的研究结果可以看出^[15]，沥青混凝土材料性能与粗集料的特性及含量具有密切关系，因此本文研究只针对2.36 mm以上的粗集料进行。在室内分别采用击实法和轮碾法制备AC-13型密级配沥青混凝土试件，试验级配见表 1。

为了保证切片的整体加工质量，进行切割之前将试件置于低温环境(-18 ℃)中保温24 h，然后取出试件在短时间内完成切割。在室温下风干试件，采用数码相机和扫描设备获取不同试件的截面图像，图像尺寸为101.6 mm×63.5 mm。 1.2 图像去噪及增强

由于受到外部环境因素的影响，噪声影响会导致数字图像质量降低。为了提高图像的区分度，需要对图像进行去噪处理。在沥青混凝土截面数字图像中，集料质地的不均匀变化容易引起图像灰度的不均匀变化，随机的灰度变化导致了混合料图像中产生了很多噪声像素点，在进行图像处理之前首先要消除噪声点的影响。常用邻域平均法虽然可以平滑颗粒内部的噪声，但模糊了颗粒的边缘，因此本文运用维纳滤波和中值滤波相结合的方法对沥青混凝土数字图像进行去噪处理。

维纳滤波是根据图像子窗口的局部方差调整滤波器的输出，使最终输出的平滑图像g(x,y)与原始图像f(x,y)的均方根误差最小，如式(1)所示：

点击浏览公式

中值滤波则把数字图像一点的值用该点的邻域中各点灰度值的中值代替。对于一个像素矩阵，取以目标像素为中心的子矩阵窗口，窗口大小可以根据具体情况选用，可以表示为：

点击浏览公式

去噪处理时，针对灰度图像采用3×3的正方形子窗口作为中值滤波的窗口对沥青混凝土数字图像进行首次滤波，然后以中值滤波的结果作为维纳滤波的输入对图像进行维纳滤波。

去噪后的切片图像由空隙、集料和沥青胶浆3部分组成。为了确定沥青胶浆与集料的分割灰度值，首先将沥青胶浆和空隙作为一个整体进行处理，采用最大类间方差法确定胶浆和集料的分割灰度值T。空隙图像呈深灰黑色，灰度值一般在40以下，可以根据其灰度特点从沥青胶浆中分离出空隙部分。根据集料和空隙的分割灰度值，按照图 1对图像进行分段线性灰度变换，将增强后图像转为二值图像如图 2所示。

图 1 分段线性灰度变换Fig. 1 Piecewise linear gray level transformation

图选项

图 2 分段增强后二值图像Fig. 2 Binary image after gray level transformation

图选项

由图 2可以看出，增强转化后的二值图像内部存在较多的离散点，因此对图像取反，采用面积过滤方法去除对集料内部出现的不连续孔洞，最后将源图像与过滤后图像进行加运算得到完整的二值图像，在此基础上，对图像进行形态学开闭运算操作，去除集料边缘的细小毛刺。处理效果如图 3所示。

图 3 处理效果对比Fig. 3 Results of morphological processing

图选项

从分水岭算法的基本思想^[16]可以看出，分水岭方法对图像灰度的变化比较敏感，这有利于提取图像中封闭、连通的区域边界。然而图像中噪声与图像中纹理细节将会造成对积水对盆地和分水岭的误判，进而导致图像出现过分割现象。

为了解决由于集料轮廓表面细微变化和集料多尺度带来的影响，对计算得到的图像的D4像素距离进行改进处理。当D4像素距离大于某一阈值时全部置为该阈值常数，然后进行分水岭分割。分水岭分割借助现有的MATLAB软件实现，在原有的分水岭分割算法的基础上，对图像计算后得到的D4像素距离值进行限值，从而可以有效地避免不规则集料的过分割现象。针对集料的多尺度特点，需要分批进行分水岭分割，此时不同批次的阈值通过试算确定，最后将各批次分割后满足粗集料要求的集料提取出来组成最终的粗集料图像。

通过以上研究最终可以确定从原始图像到可用二值图像的处理流程，如图 4所示。

图 4 图像处理流程图Fig. 4 Flow chart of digital image processing

图选项

3.1 滤波效果分析 为了分析维纳和中值组合滤波方法的去噪效果，将其与常用的4种不同空间滤波方法的去噪效果进行了对比验证，结果如图 5所示。

如图 5所示，对比不同方法的滤波效果可以看出，维纳滤波结合中值滤波的去噪方法能够较好地去除集料内部所产生的噪声点，使集料灰度分布更加均匀，灰度值趋于一致，同时保持了清晰的集料边缘，这将有利于不同组成部分的图像分割。

图 5 去噪效果对比分析Fig. 5 Results of different de-noising methods

图选项

按照等效半径圆面积提前筛选出2.36 mm以上的粗集料颗粒，如图 6(a)所示。分割后粗集料见图 6(b)所示。

图 6 分水岭分割效果对比Fig. 6 Result of watershed segmentation

图选项

观察图 6可以发现，按照闭合区域大小直接提取得到的沥青混合料粗集料周围粘连了较多的细集料颗粒，与真实的集料结构形态不符，不能进行集料分布特征的分析。因此通过试算确定了不同的距离阈值，并且采用此阈值进行分水岭分割，从图 6(b)可以看出，设定阈值方法有效去除了较大集料周边粘连的小颗粒，还原了集料本来的形状特征，并且避免了分割过程中的过分割现象。 3.3 集料就位方向与扁平程度相关性分析

大量统计结果表明，碎石集料大致呈椭圆形的形状，因此用等效椭圆的长轴和短轴来表示集料的扁平程度，用集料长轴倾角表示集料方位，见图 7。按照图 7对分割后的集料倾角和集料的主次轴比值进行了统计，并对两者之间的相关性进行了分析，见图 8。

图 7 集料倾角计算示意图Fig. 7 Schematic diagram of Aggregate oreintation

图选项

图 8 集料就位方向与长短比相关性Fig. 8 Correlation of Aggregate orientation with axial ratio

图选项

观察图 8可以看出，当图像集料的长短轴比例小于2时，平面集料的就位方向呈现随机分布的特点；当集料长短轴比例大于2时，集料的扁平特性对就位方向具有显著影响，在锤击和碾压作用下，集料更偏向于水平就位或竖直就位，集料长短比越大，其就位方向越集中。 4 结论

(1)采用维纳滤波和中值滤波相结合的方法可以有效地滤除数字图像表面的噪声，同时保留了清晰的集料边缘，有利于不同组分的图像分割。

(2)采用改进后的分水岭分割方法能够解决集料粘连问题，避免了集料图像的过分割。

(3)集料的就位方向受到集料扁平程度的影响，长短比越大，集料越扁平，其就位方向越集中。