现代桥梁在我们的日常生产生活中发挥着越来越不可替代的作用。钢筋混凝土由于其具备造价低廉,具备很好的耐久性等优点,已经成为现代桥梁中最常见的一种建筑类型。随着时间不断地向前推移,混凝土桥梁会出现老化、腐蚀等现象,因此,混凝土桥梁的日常检测与养护成了国内桥梁养护工作者越来越重视的工作内容之一。裂缝是桥梁最为普遍出现的、也是最为急需解决的一种病害,裂缝的存在会严重危害到桥梁的安全。传统的人工检测手段已经不能够满足日益增加的桥梁检测需求,随着计算机技术与自动化技术的不断发展,基于数字图像处理的桥梁裂缝无损检测技术也越来越受到人们的重视,已经成为许多专家学者研究的热点课题之一。实际拍摄的裂缝图像中存在着大量的干扰噪声,还可能会出现阴影、光照不均匀等问题,这会影响到裂缝目标提取的成功率,进而影响到裂缝的诊断与识别。针对这些问题,本文研究一种可以实时、快速、准确地实现桥梁裂缝检测的图像处理方法,适用于搭载在无人机飞行平台上的嵌入式系统。裂缝检测嵌入式系统硬件平台主要包括Cortex_A9嵌入式模块、OV5640摄像模块以及电源模块。本文系统利用电源模块进行供电,再通过OV5640摄像模块实时采集混凝土桥梁表面的图像,最后通过移植入嵌入式模块中的裂缝诊断算法完成桥梁裂缝的检测工作。本文裂缝诊断算法主要包括图像预处理、图像分割及图像形态学处理3个步骤,其中:首先对原始图像进行图像预处理操作,本文算法先将彩色图像转化为灰度图像,再利用中值滤波对灰度图像进行平滑处理,有效抑制了噪声对后续算法的影响;然后再进行图像分割操作,本文提出的图像分割算法结合了裂缝面积估计与背景减除操作,可以得到较好的图像分割阈值,进而较好地完成裂缝目标的有效提取;最后再进行图像形态学处理,本文提出了基于K-means的形态学滤波算法,它克服了传统形态学算法需要人工干预挑选滤波参数的缺点,可以根据裂缝目标连通区域的面积特征来获得自适应的最佳参数,与此同时,本文算法还克服了传统机器学习构建诊断模型时训练样本难以获取的问题,根据聚类分析结果中每类连通区域数量的区别,来区分裂缝图像与正常图像。最后,用实际拍摄的混凝土图像进行了本文裂缝检测系统的验证及结果分析,本文算法的诊断正确率为96.86%,满足实际应用中的需要。