1. 서    론

국내외적으로 철근콘크리트로 만들어진 구조물들의 노후화가 많이 진행되어 구조물의 내구수명을 평가하거나 내구성을 예측하기 위한 연구가 활발히 진행되고 있다. 콘크리트 내구성에 영향을 미치는 인자들로는 염해, 탄산화, 황산염 등이 있다. 이 중에 탄산화에 의한 콘크리트 중성화는 철근콘크리트 구조물에서 철근의 부식을 촉진시켜 철근콘크리트 구조물의 내구성을 저하하게 된다. 따라서 탄산화는 철근 콘크리트 구조물의 내구연한을 평가하거나 예측하는데 중요한 요인이다. KS F 2596(콘크리트 탄산화 깊이 측정 방법)에 따르면 페놀프탈레인 용액을 뿌려 보라색이 보이지 않는 부분이 탄산화가 진행된 부분이며, 이제까지 주로 육안 관찰에 의해 탄산화 깊이를 측정하였다. 따라서 측정자에 따라 측정 결과가 다르게 나타날 수 있는 가능성이 있으며, 탄산화 깊이가 위치마다 다른 경우 위치에 따른 탄산화 깊이를 측정하는데 어려움이 있다.

이 연구의 목적은 페놀프탈레인 용액이 뿌려진 콘크리트 표면 이미지에서 탄산화가 진행된 영역을 자동으로 검출할 수 있는 이미지 프로세싱 알고리즘을 개발하는 것이다. 개발과정에서 탄산화 유무를 자동으로 판단할 수 있는 방법을 제안하였으며, 개발한 알고리즘의 성능을 검토하기 위하여 이미지 프로세싱 프로그램을 구현하였으며, 여러 이미지를 이용하여 평가하였다.

2. 탄산화 영역 검출 기법

2.1 콘크리트 탄산화 이미지의 특징

페놀프탈레인 용액이 뿌려진 콘크리트에서 보라색을 띄는 부분이 탄산화되지 않은 부분이며 원래의 색을 유지하는 부분이 탄산화된 부분이다. 따라서 탄산화된 부분을 검출하기 위해서는 보라색과 콘크리트의 원래 색 사이 경계를 정확히 검출하는 것이 중요하다. 두 가지 다른 색상을 갖는 이미지에서 색상에 따라 이미지를 구분하는 것을 이진화 기법이라고 하며, 다양한 방법들이 개발되어 있다. 이진화를 위하여 적용할 수 있는 기법을 선정하기에 앞서 이미지의 특성을 파악하면 이진화 기법에 따른 검출 성능의 차이를 줄일 수 있으며, 당연히 두 가지 다른 색상차이가 크게 나타날수록 경계를 검출하는 것이 용이하게 된다.

페놀프탈레인 용액이 뿌려진 콘크리트 표면의 칼라 이미지의 특징은 탄산화가 진행되지 않은 부분의 색이 보라색을 띈다는 것이다. 칼라 이미지는 빨간색(R), 녹색(G), 파란색(B)의 밝기값의 조합에 의해 나타나며, 이진화를 위해서는 칼라 이미지를 회색 이미지로 변환하는 것이 일반적이다. 따라서 회색 이미지로 변환하는 방법에 따라 이후 이미지 프로세싱의 과정 및 결과가 달라질 수 있다. 이 연구에서는 회색 이미지로 변환하는 방법으로서 보라색의 보색관계를 이용하였다. 두 색이 합쳐졌을 때 흰색 또는 검정색이 만들어지면 보색관계가 성립된다. 따라서 보색은 다양한 색들 사이에서 가장 강한 상관관계를 갖는 것을 의미한다. 보라색과 유사한 자주색의 보색은 연두색이며, 연두색은 녹색과 유사하다. 따라서 페놀프탈레인 용액이 뿌려진 콘크리트 표면에서 보라색을 띄는 부분을 가장 잘 나타내 줄 수 있는 색은 칼라 이미지를 이루는 삼색(RGB)의 조합 중에서 녹색의 밝기값이다. Fig. 1(a)는 탄산화가 일부 진행된 콘크리트 표면에 페놀프탈레인 용액을 뿌린 후 디지털 카메라로 촬영한 칼라 이미지이다. Fig. 1(b)와 (c)는 칼라 이미지를 회색 이미지로 변환한 이미지와 칼라 이미지에서 녹색의 밝기값을 추출한 이미지이다. 회색 이미지에 비하여 녹색의 밝기값을 추출한 이미지가 보라색 부분을 더 명확하게 나타내는 것을 알 수 있다.

Fig. 1

Partially carbonated concrete surface image

2.2 탄산화 이미지 판단 방법

콘크리트는 공기 중에 노출되면 이산화탄소와 반응하여 탄산화된다는 것은 잘 알려진 사실이다. 따라서 탄산화는 콘크리트의 표면부터 발생하게 된다. 페놀프탈레인 용액을 콘크리트 표면에 뿌린 후 디지털 카메라로 촬영하면 촬영된 영역의 이미지는 크게 세 가지로 나뉘게 된다. 즉, 촬영된 영역의 콘크리트가 전부 탄산화된 이미지, 탄산화가 일부 진행된 콘크리트 이미지, 그리고 탄산화가 전혀 발생하지 않은 콘크리트 이미지이다. 탄산화가 일부 진행된 이미지의 경우 2.1절에 기술한 바와 같이 보색 관계를 이용하면 탄산화가 진행된 영역과 진행되지 않은 영역을 구분할 수 있다. 반면 나머지 경우들은 이진화 과정을 거치게 되면 실제로는 영역 특성이 하나이지만 두 개로 구분을 하게 되어 잘못된 검출결과가 나올 수 있다. 이 연구에서는 이러한 문제를 해결하기 위하여 이진화에 의한 탄산화 영역을 검출하는 이미지 프로세싱 단계에 앞서 탄산화가 일부 진행된 이미지인지 여부를 먼저 판별할 수 있는 방법을 제시하였다.

이 연구에서는 콘크리트 표면 이미지가 두 개의 그룹(부분적으로 탄산화된 경우)으로 구성되어 있는지 한 개의 그룹(전체가 탄산화 된 경우 또는 탄산화가 전혀 되지 않은 경우)으로 구성되어 있는지를 판단하기 위하여 k-means 기반 실루엣(silhouette) 지수를 도입하였다. k-means 기법은 자료를 특성에 따라 그룹으로 나누는 기법으로서 각 자료들의 위치와 각 그룹의 중심위치 사이의 거리가 최소화되도록 각 자료의 그룹을 자동으로 정하는 방법이다(Seber 1984). 실루엣 지수(s)는 각 자료가 다른 그룹과 거리대비 그 자료가 속한 그룹에 얼마나 가까운가를 나타내는 값이며, 식 (1)과 같이 계산할 수 있다(Kaufman and Rousseeuw 1990).

                   (1)

여기서, a_i는 i번째 자료가 속해있는 그룹 내의 다른 자료들과의 i번째 자료 사이의 평균적인 거리를 나타내며, b_i는 i번째 자료와 i번째 자료가 속해있지 않은 그룹 중에서 가장 가까운 그룹 사이의 평균거리이다. 이와 같은 정의에 따라 실루엣 지수는 –1부터 1 사이의 값을 갖게 되며, 거리는 각 자료의 위치들 사이의 기하학적 거리로 정의될 수 있다.

Table 1은 총 16개의 콘크리트 이미지에 대하여 실루엣 지수를 계산한 것이다. 부분적으로 탄산화된 콘크리트 이미지의 평균 실루엣 지수는 0.880로 전체 탄산화가 진행되거나 모든 부분이 탄산화되지 않은 콘크리트 이미지의 실루렛 지수에 비하여 21.2 % 높은 것으로 나타났다. 이 연구에서는 조사한 이미지를 바탕으로 부분적으로 탄산화가 진행된 콘크리트 이미지의 실루엣 지수 최솟값과 전체 탄산화가 진행되거나 모든 부분이 탄산화되지 않은 콘크리트 이미지의 실루렛 지수 최댓값의 중간값인 0.732를 탄산화 영역 검출 여부를 진행할 실루엣 지수로 제시하였다.

Table 1 Silhouette values of images

2.3 탄산화 이미지 검출 기법

이 연구에서 제안한 탄산화 이미지 검출을 위한 이미지 프로세싱 기법은 크게 다섯 가지 절차를 거치게 된다. 첫 번째 절차는 전처리 과정으로서 칼라 이미지에서 녹색의 밝기값을 추출하는 것이다. 두 번째 절차는 이미지 내의 콘크리트가 일부 탄산화된 것인지 아닌지를 판별하는 것이다. 세 번째 절차는 이진화에 의한 탄산화 영역을 검출하는 일차 검출이고, 네 번째 절차는 일차 검출결과에서 검출결과를 향상시키는 것이다. 마지막 절차는 검출결과를 확인하는 것이다.

전처리 과정은 2.1절에 기술된 내용에 따라 페놀프탈레인이 뿌려진 콘크리트 이미지에서 녹색의 밝기값을 추출하는 것이다(Fig. 1(c)).

두 번째 절차는 부분적으로 탄산화된 콘크리트 이미지인가를 판별하는 것으로서 실루엣 지수를 계산하여 이 값을 0.732와 비교하는 것이다. 이미지의 실루엣 지수가 0.732보다 크면 콘크리트 이미지가 탄산화가 일부 진행된 영역이기 때문에 이 후 절차를 순차적으로 진행하고, 아니면 최종 절차로 바로 진행된다. Fig. 1(c)의 실루엣 지수는 0.907로 계산되었으며, Fig. 2는 Fig. 1(c)의 실루엣 값들을 그래프로 나타낸 것이다.

Fig. 2

Silhouette value of Fig. 1(c)

세 번째 절차는 이진화에 의해 탄산화된 영역을 일차로 검출하는 것으로서 총 5단계로 구성된다. 녹색의 밝기값을 추출한 이미지를 이진화 기법으로 일차 검출하게 되면 Fig. 3(a)와 같은 이미지를 얻을 수 있다. 이 연구에서는 Otsu에 의해 제안된 이진화 기법을 사용하였다(Otsu 1979). 그러나 Fig. 3(a)에서 볼 수 있듯이 탄산화된 영역과 탄산화되지 않은 부분에서 잘못 검출된 부분이 나타나게 된다. 이 문제를 해결하기 위하여 먼저 Fig. 3(b)와 같이 이미지를 반전시킨다. 다음 단계로 탄산화되지 않은 영역(흰색) 내의 잘못 검출된 부분 즉, 검정색 내부 홀을 제거한다. 내부 홀은 흰색 화소들에 둘러쌓인 검정색 화소들로 구성된 물체로 정의되며, 이 과정을 거치게 되면 Fig. 3(c)와 같은 이미지를 얻을 수 있다(Soille 1999). 다만 내부 홀이 이미지의 경계부분과 접해 있게 되면 제거되지 않기 때문에 이를 해결하기 위해 네 번째 절차가 필요하게 된다. 다음으로 탄산화가 진행된 부분에서 잘못 검출된 부분을 제거하기 위하여 Fig. 3(c)의 흰색 화소들로 이루어진 물체들의 면적을 계산한다. 흰색으로 표시된 물체들 중에서 면적 값이 제일 큰 물체를 제외하고 나머지를 모두 제거하게 되면 Fig. 3(d)와 같이 검출 성능이 향상된 이미지를 얻을 수 있다. 세 번째 절차의 마지막 단계는 이전 단계에서 탄산화된 영역으로 검출된 영역의 개수를 계산하는 것이다. 탄산화된 영역으로 검출된 영역의 개수가 한 개이면 이 단계까지 검출된 결과를 최종 검출결과로 보고 검출결과를 확인하는 마지막 절차로 넘어가고, 검출된 영역의 개수가 두 개 이상이면 검출결과를 향상시키기 위하여 네 번째 절차로 넘어가게 된다. Fig. 3(e)는 탄산화된 영역으로 검출된 각 독립된 영역들을 다른 색들로 표현한 이미지이다. 탄산화된 영역으로 검출된 영역이 2개 이상으로 나타났으며, 파란색으로 표시된 부분은 주 탄산화된 영역을 나타내며, 다른 색으로 표시된 부분들은 잘못 검출된 부분일 수 있다.

Fig. 3

Images of each step

네 번째 절차는 세 번째 절차까지의 검출결과를 향상시키는 것으로서 기본 가정은 탄산화는 표면부로부터만 진행되기 때문에 탄산화가 진행되지 않은 내부 부분에 위치한 탄산화가 진행된 것으로 검출된 영역은 탄산화가 진행되지 않은 것으로 잘못 검출된 것으로 간주한다는 것이다. 이 예제에서는 이러한 부분이 명확히 나타나지 않았으나 이미지에 따라 이러한 부분들이 나타나는 것을 확인하였다. 이러한 가정에 따라 세 번째 절차에서 검출된 이미지(Fig. 3(d))에서 흰색(탄산화가 진행되지 않은 부분)의 최외각 다각형을 계산한다. 이 연구에서는 최외각 다각형을 계산하기 위하여 quickhull 알고리즘을 사용하였다(Barber et al. 1996). 세 번째 절차의 검출결과에서 탄산화된 영역으로 검출된 영역이 최외각 다각형 내부에 있으면 잘못 검출된 것으로 간주하고 탄산화되지 않은 영역으로 변경시킨다. Fig. 3(f)는 네 번째 절차까지 진행된 이미지를 나타낸다. 이미지 아랫부분과 측면에 탄산화된 영역으로 검출되었던 영역이 탄산화되지 않은 영역으로 바뀐 것을 볼 수 있다.

마지막 절차는 검출된 결과를 원래 이미지에 표시하여 결과를 비교하는 것이다. Fig. 3(g)는 이 연구에서 제안한 방법으로 탄산화가 진행된 영역의 경계를 Fig. 1(a)의 이미지에 표시한 것이다. 결과 이미지에 나타난 바와 같이 제안한 이미지 프로세싱 기법을 통해 탄산화가 진행된 영역을 효과적으로 검출할 수 있는 것을 확인할 수 있다.

3. 개발한 기법의 검증

이 연구에서 개발한 탄산화 영역 검출 이미지 프로세싱 기법의 성능을 검증하기 위하여 탄산화가 진행된 다양한 콘크리트 표면 이미지를 이용하였다. 탄산화가 전부 진행되거나 탄산화가 전혀 진행되지 않은 콘크리트 이미지의 경우 개발한 기법의 검출 성능을 확인하기 어렵기 때문에 이 연구에서는 탄산화가 일부 진행된 이미지를 이용하여 개발한 기법을 검증하였다.

Fig. 4(a)는 개발한 기법의 검증에 사용한 첫 번째 이미지이며, 실루엣 지수는 0.908로 계산되었다. 이미지에는 골재가 포함되어 있으며, 탄산화는 위에서 아래 방향으로 진행되었다. Fig. 4(b)에 나타난 바와 같이 개발한 기법을 통해 탄산화된 영역의 경계를 위치에 따라 검출할 수 있는 것으로 나타났다.

Fig. 4

Test image 1

Fig. 5는 검증에 사용한 두 번째 이미지와 검출결과를 나타낸다. 실루엣 지수는 0.920으로 계산되었다. 굵은 골재는 사용되지 않은 모르타르이며, 표면부로부터 중심부를 향해 전 단면에 걸쳐 탄산화가 진행되었다. 면에 따라 탄산화 깊이에 차이가 있으며, 한 면에서도 부분적으로 탄산화 깊이에 차이가 있다. 육안으로는 페놀프탈레인 용액에 의해 탄산화 깊이를 식별할 수 있으나 이미지가 선명하지 않으며, 탄산화가 진행되지 않은 영역 내부에 잔골재로 인하여 보라색이 아닌 부분이 있다. Fig. 5(b)는 검출결과이며, 개발한 기법을 통해 이러한 이미지에서도 탄산화 영역을 효과적으로 검출할 수 있는 것으로 나타났다.

Fig. 5

Test image 3

Fig. 6(a)는 검증에 사용한 세 번째 이미지이다. 실루엣 지수는 0.804로 계산되었다. 굵은 골재를 포함하는 콘크리트이며, Fig. 5(a)와 같이 모든 방향에서 탄산화가 진행되었으나 우측과 하단부에 탄산화가 작게 진행된 특징을 갖고 있다. 또한 페놀프탈레인 용액의 농도가 균질하지 않아 보라색의 밝기가 다르며, 탄산화된 영역 내에 보라색을 띄지 않는 골재가 다수 있는 것을 볼 수 있다. Fig. 6(b)에 나타난 바와 같이 상대적으로 잘못 검출될 수 있는 부분들이 존재하지만 개발한 기법을 통해 자동으로 탄산화된 영역을 검출할 수 있다.

Fig. 6

Test image 3

Fig. 7(a)는 검증에 사용된 네 번째 이미지이다. 실루엣 지수는 0.926으로 계산되었다. 앞의 두 이미지들과 달리 탄산화되지 않은 부분이 회색이 아닌 약한 파란색을 띄고 있으며, 탄산화되지 않은 부분은 짙은 보라색을 띄고 있다. 또한 탄산화가 콘크리트 단면의 중심 방향으로 진행되어 탄산화되지 않은 영역이 반원 모양을 나타내고 있다. 이와 같은 이미지도 개발한 기법을 통해 탄산화된 영역의 경계를 정확히 검출할 수 있는 것으로 나타났다(Fig. 7(b)).

Fig. 7

Test image 4

마지막 이미지는 골재가 포함된 콘크리트의 절단면 이미지로서 실루엣 지수는 0.820으로 계산되었다. Fig. 8(a)에 나타난 바와 같이 탄산화된 영역과 탄산화되지 않은 영역의 경계가 비교적 정확히 구분되며 보라색의 밝기값도 전반적으로 유사하다. 그러나 앞의 이미지들과 달리 탄산화된 영역과 탄산화되지 않은 영역의 경계 부분에 골재들이 있다. 골재는 탄산화되지 않기 때문에 원래의 색을 유지하고 있다. Fig. 8(b)는 검출결과를 나타낸다. 경계부분에 위치한 골재는 탄산화되지 않기 때문에 탄산화되지 않은 영역으로 검출되어야 하는데 탄산화된 영역으로 잘못 검출된 것을 볼 수 있다. 이는 개발한 기법은 보라색의 특징을 바탕으로 경계를 찾기 때문이며, 골재는 상대적으로 시멘트 페이스트와 유사한 색을 띄기 때문이다. 이러한 부분은 향후 개선될 필요가 있다.

Fig. 8

Test image 5

이 연구에서 개발한 자동화된 콘크리트의 탄산화 영역 검출 이미지 프로세싱 기법의 성능을 페놀프탈레인 용액이 뿌려진 5가지 콘크리트(또는 모르타르) 이미지에 대하여 검증한 결과 경계부분에 골재가 있는 경우를 제외하고 육안으로 판단한 것과 비교하여 정확히 탄산화된 영역을 검출할 수 있는 것으로 나타났다.

4. 결    론

이 연구에서는 페놀프탈레인 용액이 뿌려진 콘크리트의 탄산화된 영역을 자동으로 검출할 수 있는 이미지 프로세싱 기법을 제안하였으며, 5가지 다른 특징을 갖는 이미지를 이용하여 개발한 기법의 검출 성능을 평가하였다. 이미지 프로세싱 기법 개발과정과 검증 실험을 통해 다음과 같은 결론을 도출하였다.

1)이미지 프로세싱 기법을 개발하면서 칼라 이미지에서 보라색과 보색 관계인 녹색의 밝기값을 추출하여 사용하는 것이 검출결과를 향상시키는데 효과적이라는 것을 확인하였다.

2)부분적으로 탄산화된 콘크리트 이미지와 그렇지 않은 이미지를 구분하기 위하여 실루엣 지수를 도입하였으며, 기준값을 0.732로 제안하였다.

3)부분적으로 탄산화된 콘크리트 단면 이미지에서 탄산화된 영역을 자동으로 검출하기 위하여 2단계의 이미지 프로세싱을 제안하였다. 첫 번째 단계는 이진화 기법과 모폴로지 기법에 기반한 일차 검출이며, 두 번째 단계는 최외각 다각형에 기반한 일차 검출결과의 검출성능 향상이다. 검증결과 경계부분에 골재가 있는 경우를 제외하고 육안으로 판별한 결과와 비교하여 개발한 기법이 자동으로 탄산화된 영역을 정확히 검출할 수 있는 것으로 나타났다.