土体微结构参数的提取实际上就是对土体的微结构图像进行数字化的处理。
1.微结构图像的处理内容
土体微结构图像的数字化处理包括对微结构图像的几何失真校正、噪声消除、灰度处理、直方图修正、图像变换、图像锐化、局部增强以及图像分割等一系列处理过程［142］，最后得到能够准确反映图像结构的特征参数。
几何失真校正是对失真的微结构图像进行精确的几何校正，以免影响分析精度；噪声清除就是改善处理由于噪声引起的图像质量下降问题；灰度处理是根据输入单色图像的灰度对输出图像的灰度进行再定义，以改善图像质量，然后生成新的灰度图像；直方图修正可使图像的灰度间距拉开或使灰度分布均匀，从而增大反差，使图像细节清晰；图像变换的目的在于使图像处理问题简化，有利于图像特征参数提取以及有助于从概念上加强对图像信息的理解；图像锐化处理的主要目的是突出图像中的细节或者增强被模糊的细节；局部增强就是对图像某些局部区域的细节进行增强；图像分割就是区分图像中的前景目标和背景，实际上就是图像的二值化处理。
2.红土微结构图像的处理
土体的微结构图像由土颗粒和孔隙两部分组成。针对水泥加固红土的微结构图像，主要提取孔隙率和颗粒率两个微结构参数。在图像处理过程中，重点是对微结构图像进行二值化处理，二值化处理的实质就是将复杂的微结构图像转化为只有黑白两个灰度的黑白图像。水泥加固红土微结构图像中的前景目标是土颗粒，背景是孔隙，可以直接转化为黑白图像提取孔隙率和颗粒率两个特征参数。
按照图像处理技术的基本原理，先选定典型的红土微结构图像，并对选定的图像进行裁剪和二值化处理，最终提取特征参数。
（1）微结构图像的选取和裁剪。
微结构图像具有不同的放大倍数。放大倍数较低时，只能观察到红土团粒之间的孔隙，内部的孔隙观察不到，为了使提取的孔隙率能够真实反应土体的孔隙率，选取放大倍数为10000X的微结构图像作为处理对象。由于选定图像的大小不同，且图像底部的信息栏基本呈黑色，为了使选定处理图像的面积相等和将图像中信息栏剪去，处理前需对其进行裁剪，裁剪时一般在原图像的中间部位进行截取。
（2）微结构图像的二值化处理。
基于MATLAB7.1平台，调用MATLAB提供的rgb2gray函数将彩色的微结构图像转化成二值化图像。图像二值化处理从本质上说是将各像素点进行分类，分类所依据的特性是像素的灰度。针对土体微观结构图像的特点，主要是利用土颗粒和孔隙像素灰度大小和分布的不同，通过阈值进行分类。
阈值采用试算法确定，通过设定不同的阈值对图像进行处理，再将处理后的二值化图像与原图像进行对比，若后者能真实反映前者的阈值即为确定的阈值。图像灰度值小于阈值，将其赋值为0，在土体微结构图像中表现为白色，代表颗粒；图像灰度值大于阈值，将其赋值为1，在土体微观结构图像中表现为黑色，代表土孔隙。
（3）水泥加固红土微结构的二值化图像。
图4－22给出了不养护情况下水泥加入前后红土的二值化图像。
图4－22 水泥加入前后红土的二值化图像
图4－23给出了水泥加入比例为8%，15%，20%加固红土养护前后的二值化图像。
图4－23 养护前后水泥加固红土的二值化图像
图4－24给出了剪切前后水泥加固红土的二值化图像。
图4－24 剪切前后水泥加固红土的二值化图像
图4－25给出了压缩前后加固红土的二值化图像。
图4－25 压缩前后水泥加固红土的二值图像
图4－22～图4－25表明：
图像经过二值化处理，黑白分明，反映了红土中颗粒和孔隙的情况。不论是水泥加入前后、试样养护前后，还是剪切前后、压缩前后，各二值化图像的黑白度不同，对应的孔隙率、颗粒率也不同。
（4）微结构参数的提取。
通过二值化图像，就可提取水泥加固红土的孔隙率和颗粒率微结构参数。其中，孔隙率是指二值图像中黑色区域的面积在图像总面积中所占的比例，即土体微结构图像中孔隙所占的比例；颗粒率是指二值图像中白色区域的面积在图像总面积中所占的比例，即土体微结构图像中土颗粒所占的比例。
这样，就可对比分析水泥加入前后、试样养护前后、剪切前后、压缩前后水泥加固红土的微结构参数特征。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
