由于原材料、增加剂、施工工艺、外部环境等多方面的原因,混凝土表面或多或少地会产生麻面、蜂窝、孔洞、气泡、龟裂、污渍、色差等缺陷,影响硬化混凝土的外观质量。为了提高混凝土外观质量,需多次进行工艺试验,观察对比每次试验结果的缺陷改善情况,来改进施工的工艺参数。目前,在施工和试验过程中,对麻面、蜂窝、孔洞、气泡等麻点的检测主要采用的是人工观察检测法。该方法用彩笔在混凝土表面标识出麻点,对麻点气泡等缺陷进行观察、测量、统计分析。该方法存在效率低、主观性强、结果不精确等问题,还会在混凝土表面留下污渍。为了解决人工检测带来的问题,本文提出基于数学形态学的检测混凝土表面麻点的方法,可有效弥补纯人工检测的问题。该方法分为图像采集、刻度识别和麻点识别三个模块。图像采集模块是在混凝土表面竖直放置一把刻度尺,用高清数码相机拍照,获得高清图像。为了提高图像分析的效率,将彩色图像转变为灰度图像。刻度识别模块有两个功能:一是识别出刻度尺的在图像中的坐标,将刻度尺从图像中提取出来,将整幅图像分开为刻度尺和混凝土表面两个单独的部分;二是用数学形态学方法,提取出图像中的刻度线,检测出每两根刻度线间的像素数量,用频率分布直方图函数和标准差函数结合的方法剔除偏移值后求取平均值,得到单位长度内的像素数量,从而计算出单个像素的实际面积,为确定整幅图像的大小和麻点的面积提供依据。麻点识别模块是对图像中的混凝土表面麻点进行识别、统计和分析。将图像中留有刻度尺阴影的区域与未受阴影影响的区域分开,两部分采用不同的方法进行图像增加处理,分别二值化后再合并为一幅完整的图像。用数学形态学方法识别其中的麻点,用连通分量提取的方法,统计麻点的总量和单个麻点的像素数量,计算出麻点的实际面积。最终统计计算图像中面积大于1平方毫米和面积大于2平方毫米的麻点个数。本文运用Matlab编制了检测程序,对该方法进行了实验。实验共选取20幅实际图像作为输入,实际仿真得出了分析结果。实验采用形态学梯度的方法,在原图中标识出麻点的轮廓,便于人工对实验结果进行核查。经过人工核查,证实本文方法对刻度的检测准确率高,对麻点检测有较高的检出率和正确率,可以满足施工和实验中对混凝土表面麻点进行统计分析的需要。