当前,混凝土工程在江河、湖泊、水利、房建、国家干线公路、铁路路基边坡治理工程中都得到了极为广泛的应用。裂缝是混凝土工程中普遍存在的一种现象,它的产生,不仅会降低混凝土的抗渗能力、减少混凝土外在观感方面的体验,也会直接影响到混凝土的使用情况。裂缝的产生会使钢筋锈蚀、混凝土碳化,而且还会大大降低材料的耐久性,减少了混凝土的使用寿命。裂缝的分布复杂,对结构的影响重大,所以裂缝的研究就有着十分重要的意义。针对现在的人工测量工作量巨大问题,计算机在图像处理能够简便快捷的得到结果。基于图像处理的像素检测技术也在工程中得到了越来越广泛的应用,并取得了许多研究成果。目前多采用支持向量机(SVM)、人工神经网络、模式算法等对裂缝图像进行边缘检测,存在着测量上不够精确、参数选取不够充分、参数提取精度不够高和所需要处理时间长等问题。针对目前混凝土裂缝检测存在的效率低、分类精度低等情况,提出了LAB和OTSU算法相结合的图像处理技术来提高图像边缘检测效果和降低杂质的干扰,减少将杂质误处理成边缘像素的模糊情况,增加特征参数提取的准确性,减少运行时间,为计算机图像测量技术更好的应用到混凝土工程裂缝检测方面提供一种有效的手段。本文研究的主要内容如下:1、利用图像分割技术,对收集到的图像先进行一个初步的灰度化的处理。在处理的过程中,利用二次改进的分割方法降低空间复杂度,减少时间的消耗。根据采集的混凝土裂缝样本的特点,介绍了均值滤波等多种图像去噪的方法对混凝土裂缝图像进行滤波处理,减少图像中杂质的干扰;比较分析多种经典算子边缘检测算法对混凝土图像进行边缘检测,提取出目标图像;提出一种基于LAB和OTSU相结合的算法,利用LAB空间色彩模型色域广泛和OTSU算法的简便实用性强的特点,以此来改善以往在图像去噪、边缘检测效果不明显的情况。通过这种方法,不仅能够减少时间上的消耗,而且能够有针对性的去除噪声和增强边缘检测效果,也能在丰富的色域情况下更好的进行图像背景和目标的分离,不至于产生不连续分割的问题。为后续的混凝土裂缝的特征参数提取奠定一个坚实的基础。2、在LAB和OTSU相结合的算法对图像处理的基础上,提取(1)混凝土裂缝的目标区域面积、(2)裂缝目标区域面积∕总面积、(3)单位面积目标区域分枝数、(4)分枝数目、(5)背景区域平均面积∕采样面面积、(6)裂缝总长度、(7)裂缝平均宽度七个特征参数,通过更全面的参数选取,来增加对裂缝复杂度的评判。然后再与实地测量的混凝土裂缝参数值进行对比。这样不仅可以更全面的考虑各参数对评价结果的影响,并且还能定量的对比得到计算机测量出的特征参数值与实测值之间的误差大小。通过对复杂混凝土裂缝图像的实例验证,证实了该方法在混凝土裂缝参数提取工作上的实用性。