CN107330979A

CN107330979A - 建筑户型的矢量图生成方法、装置及终端

Info

Publication number: CN107330979A
Application number: CN201710530915.7A
Authority: CN
Inventors: 李蓉; 邹昆; 杨亮; 李文生
Original assignee: University of Electronic Science and Technology of China Zhongshan Institute
Current assignee: Guangzhou Pole 3d Information Technology Co ltd
Priority date: 2017-06-30
Filing date: 2017-06-30
Publication date: 2017-11-07
Anticipated expiration: 2037-06-30
Also published as: CN107330979B

Abstract

本发明提供了一种建筑户型的矢量图生成方法、装置及终端，涉及建筑图像处理技术领域，该方法包括：获取建筑户型的原始图像；对原始图像进行预处理，以增强原始图像，并去除原始图像的噪声，得到目标图像；确定目标图像的户型整体轮廓；基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；对墙体区域进行矢量处理，以拟合墙体线条；基于墙体线条，生成建筑户型的矢量图。本发明可以基于建筑户型的原始图生成对应的矢量图，无需人工绘制，较好节约了人力成本，并提升了矢量图绘制效率。

Description

建筑户型的矢量图生成方法、装置及终端

技术领域

本发明涉及建筑图像处理技术领域，尤其是涉及一种建筑户型的矢量图生成方法、装置及终端。

背景技术

诸如房屋户型图是日常生活以及建筑领域中常见的一种建筑图。常见的建筑图通常绘制于纸张上。随着计算机科学技术的发展，人们对建筑图的要求也逐渐提升，希望将诸如建筑商提供的二维建筑户型图导入至三维建模软件中生成三维户型图，以对建筑户型有更直观方便的认识。

然而，若要将二维建筑户型图转换为三维户型图，则需要对二维建筑户型图进行矢量化处理，以便后续的三维建模处理。由于现有技术中对建筑图纸的计算机处理的研究较少，建筑户型图通常包括多种元素且并不规范，较为复杂，因而现有技术中利用计算机将二维建筑户型图生成相应的矢量图较难，本领域中通常需要采用人工绘制的方式绘制出二维建筑户型图的矢量图，进而利用该矢量图进行后续的三维建模。但是，这种采用人工绘制建筑户型的矢量图的方式较为费时费力，效率低下。

针对上述通过人工绘制建筑户型矢量图较为费时费力，效率低下的问题，目前尚未提出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种建筑户型的矢量图生成方法、装置及终端，以缓解现有技术中存在的通过人工绘制建筑户型矢量图较为费时费力，效率低下的技术问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种建筑户型的矢量图生成方法，包括：获取建筑户型的原始图像；对原始图像进行预处理，以增强原始图像，并去除原始图像的噪声，得到目标图像；确定目标图像的户型整体轮廓；基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；对墙体区域进行矢量处理，以拟合墙体线条；基于墙体线条，生成建筑户型的矢量图。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对原始图像进行预处理包括：将原始图像的像素调整为预设像素规格；判断原始图像的色彩类别，其中，色彩类别包括灰度图像和彩色图像；根据原始图像的色彩类别，对原始图像进行图像增强及图像去噪的处理，得到目标图像。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据原始图像的色彩类别，对原始图像进行图像增强及图像去噪的处理包括：当原始图像的色彩类别为灰度图像时，对原始图像依次执行图像反转、灰度图像增强及图像去噪的步骤；当原始图像的色彩类别为彩色图像时，对原始图像依次执行颜色空间转换、彩色图像增强及图像去噪的步骤。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，确定目标图像的户型整体轮廓包括：当原始图像的色彩类别为灰度图像时，检测并得到目标图像的户型整体轮廓；当原始图像的色彩类别为彩色图像时，通过区域生长算法分割目标图像中的背景图像和户型图像，将目标图像中的背景图像填充为预设颜色，基于预设颜色对目标图像采取二值化分割操作，以得到目标图像的户型整体轮廓。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，对墙体区域进行矢量处理包括：识别目标图像中的墙体区域的形态，其中，形态包括块状墙体、混合墙体和细线墙体；对墙体区域进行与墙体区域的形态相对应的矢量处理。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，识别目标图像中的墙体区域的形态包括：读取代表目标图像中的墙体区域的形态的标识，根据标识确定墙体区域的形态；或者，利用平均积分投影函数，确定目标图像中的墙体区域的形态。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，对墙体区域进行与墙体区域的形态相对应的矢量处理，包括：当墙体区域的形态为块状墙体时，对墙体区域依次执行阈值分割处理、形态学滤波、轮廓检测、轮廓筛选、卷积核去除噪点的步骤，以得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条；当墙体区域的形态为混合墙体时，利用预先定义的腐蚀算子和膨胀算子对墙体区域进行处理，得到承重墙轮廓坐标集和非称重墙轮廓坐标集，根据承重墙轮廓坐标集和非称重墙轮廓坐标集，拟合墙体线条；当墙体区域的形态为细线墙体时，通过zhang并行快速算法对墙体区域进行细化，基于霍夫变换算法对细化后的墙体区域进行筛选，得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条。

结合第一方面至第一方面的第六种可能的实施方式，本发明实施例提供了第一方面的第七种可能的实施方式，其中，对墙体区域进行矢量处理之后，方法还包括：利用户型整体轮廓和墙体线条的差别，分别确定并标注建筑户型的阳台区域、窗户区域及入户门区域在目标图像中的位置。

第二方面，本发明实施例还提供一种建筑户型的矢量图生成装置，包括：获取模块，用于获取建筑户型的原始图像；预处理模块，用于对原始图像进行预处理，以增强原始图像，并去除原始图像的噪声，得到目标图像；轮廓确定模块，用于确定目标图像的户型整体轮廓；分割模块，用于基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；矢量处理模块，用于对墙体区域进行矢量处理，以拟合墙体线条；矢量图生成模块，用于基于墙体线条，生成建筑户型的矢量图。

第三方面，本发明实施例提供了一种终端，终端包括存储器以及处理器，存储器用于存储支持处理器执行第一方面提供的任一项方法的程序，处理器被配置为用于执行存储器中存储的程序。

本发明实施例提供了一种建筑户型的矢量图生成方法、装置及终端，通过对建筑户型的原始图像预处理，得到图像增强及去除噪声的目标图像，基于目标图像的户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；进而拟合墙体线条，并生成所述建筑户型的矢量图。这种方式可以自动基于建筑户型的原始图生成对应的矢量图，无需人工绘制，不仅节约了人力成本，而且较好地提升了矢量图绘制效率。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例所提供的第一种建筑户型的矢量图生成方法流程图；

图2示出了本发明实施例所提供的第二种建筑户型的矢量图生成方法流程图；

图3示出了本发明实施例所提供的一种包括有块状墙体的户型示意图；

图4示出了本发明实施例所提供的一种轮廓筛选后的户型示意图；

图5示出了本发明实施例所提供的一种原始带有噪点的线条示意图；

图6示出了本发明实施例所提供的一种经处理后的线条示意图；

图7示出了本发明实施例所提供的一种包括有混合墙体的户型示意图；

图8示出了本发明实施例所提供的一种分离后的粗线墙体示意图；

图9示出了本发明实施例所提供的一种分离后的细线墙体示意图；

图10示出了本发明实施例所提供的一种包括有细线墙体的户型示意图；

图11示出了本发明实施例所提供的一种拟合后的墙体线条示意图；

图12示出了本发明实施例所提供的第三种建筑户型的矢量图生成方法流程图；

图13示出了本发明实施例所提供的一种建筑户型的矢量图生成装置的结构框图；

图14示出了本发明实施例所提供的一种终端的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

将二维建筑户型图转化为三维户型图的过程中，需要建筑户型的矢量图，现有技术中通常采用人工绘制的方式绘制出二维建筑户型图的矢量图，进而利用该矢量图进行后续的三维建模。然而，这种方式费时费力，人工成本较高，且效率低下。基于此，本发明实施例提供的一种建筑户型的矢量图生成方法、装置及终端，可以自动基于建筑户型的原始图生成对应的矢量图，无需人工绘制，较好节约了人力成本，并提升了矢量图绘制效率。该方法可以采用相应的软件或硬件实现，以下对本发明实施例进行详细介绍。

实施例一：

参见图1所示的第一种建筑户型的矢量图生成方法流程图，具体包括以下步骤：

步骤S102，获取建筑户型的原始图像；

步骤S104，对原始图像进行预处理，以增强原始图像，并去除原始图像的噪声，得到目标图像；

由于原始图像的来源不同，图像大小千差万别，为了便于处理，需要将图像的尺寸统一化。进一步，考虑到建筑户型图像可能为灰度图像或者彩色图像，应当对不同类型的图像分别进行处理。因此，上述对原始图像进行预处理可以包括如下步骤：

(1)将原始图像的像素调整为预设像素规格；也即，将图像尺寸统一化。优选的，将图像长宽像素比例统一约束在1024*768内；缩放比例Rio＝max(1024/Src.width，768/Src.height)，其中，Src.width为原始图像的宽度，Src.height为原始图像的高度。对于缩放后的图片，通过线性差值可得：

Dst(X,Y)＝(1-u)*(1-v)*Src(X',Y')+(1-u)*v*Src(X',Y'+1)+u*(1-v)*Src(X'+1,Y')+u*v*Src(X'+1,Y'+1)

其中，Src为原始图像，Dst为目标图像。其中，X、Y分别表示目标图像像素的横纵坐标位置；X'、Y'分别表示原始图像像素的横纵坐标位置。

u、v∈[0,1]；分别表示插值位置与(X'，Y')的相对位置。

(2)判断原始图像的色彩类别，其中，色彩类别包括灰度图像和彩色图像；

(3)根据原始图像的色彩类别，对原始图像进行图像增强及图像去噪的处理。不同色彩类别的图像，对应的图像增强及图像去噪的处理方式也有差异。

步骤S106，确定目标图像的户型整体轮廓；由于原始图像除了包括建筑物等内容外，还可能包括广告公司后期加工美化过的其它内容，因此需要直接从目标图像中确定户型的整体轮廓。

步骤S108，基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；也即将目标图像划分为墙体和非墙体。

步骤S110，对墙体区域进行矢量处理，以拟合墙体线条；在不同的图像中，墙体区域通常存在不同的形态，诸如细线结构、块状结构或混合结构；细线结构中通常包含有各种细线、空心圆、弧和文本等对象；块状结构中通常包含有各种实心的特定符号,如箭头、实心圆等。混合结构中则既包括有细线结构又包括有块状结构。通常判别方式为：若图像中对象的宽度wide≥M，则该对象属于块状结构，反之属于细线结构。其中，M为预设值。墙体作为户型图中最重要的元件之一，分割与检测效果直接关系到矢量图的可靠性，进而关系到最终三维重构效果的正确性。墙体的形态在有的图像里是实体粗线，这种线条属于块状区域，有的图像里是实体粗线表示承重墙，细线墙体表示非承重墙，有的图像里完全用细线来绘制墙体。优选的，需要事先识别图像中的墙体区域的形态，根据不同的墙体形态采取相应的矢量处理措施。

步骤S112，基于墙体线条，生成建筑户型的矢量图。

本发明实施例提供的上述建筑户型的矢量图生成方法，通过对建筑户型的原始图像预处理，得到图像增强及去除噪声的目标图像，基于目标图像的户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；进而拟合墙体线条，并生成所述建筑户型的矢量图。这种方式可以自动基于建筑户型的原始图生成对应的矢量图，无需人工绘制，不仅节约了人力成本，而且较好地提升了矢量图绘制效率。

实施例二：

参见图2所示的第二种建筑户型的矢量图生成方法流程图，该方法用于建筑户型为灰度图像的情况，具体包括以下步骤：

步骤S202，获取建筑户型的原始图像；

步骤S204，将原始图像的像素调整为预设像素规格；

步骤S206，对原始图像依次执行图像反转、灰度图像增强及图像去噪的步骤，得到目标图像。其中，可以利用公式Dst(X,Y)＝255-Src(X',Y')进行图像反转，利用映射曲线公式g(x)＝a*f(x)+b实现亮度与对比度增强。其中，参数f(x)表示原始图像像素，参数g(x)表示目标图像像素。参数a为增益，常用于控制图像对比度，需要满足a>0。参数b为偏置，常用于控制图像的亮度，该公式还可以写为g(i,j)＝a*f(i,j)+b；其中，i,j表示像素的横纵坐标。最后再通过二值化方式进一步增强图像，并对图像进行去噪处理。

步骤S208，检测并得到目标图像的户型整体轮廓；对于灰度图像，通过上述预处理，再利用诸如直线检测等相关技术即可得到建筑户型整体的外围论过，其中，诸如窗户、入户门等轮廓信息也都被包含在该外围轮廓内。

步骤S210，基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域。

步骤S212，识别目标图像中的墙体区域的形态，其中，形态包括块状墙体、混合墙体和细线墙体。

具体的，识别目标图像中的墙体区域的形态的方式有多种，在此列举两种：

(1)读取代表目标图像中的墙体区域的形态的标识，根据标识确定墙体区域的形态；其中，该标识可以由人工输入，或者由人工选择墙体形态，进而计算机直接读取。

(2)利用平均积分投影函数，确定目标图像中的墙体区域的形态。当图像的某一列(行)像素灰度均值发生变化时，这种变化会在该列(行)的平均积分投影值上反应出来。粗细不同的墙体线在平均积分投影图像上的形态不同，可用这种性质区分墙体线条形态。平均积分投影函数表示为：

其中，I(x,y)表示点(x,y)处的像素灰度值；M_v(x)表示在区间[y₁,y₂]上的垂直平均积分投影函数；M_h(y)表示在区间[x₁,x₂]上的水平平均积分投影函数。为了能够鲁棒地抵抗图像中的噪声和以及图像不完全对齐带来的问题,利用以下公式将M_v(x)和M_h(y)归一化到[0 1]区间：

通过上述方式，可以较好地实现目标图像中的墙体区域的形态确定。

可以根据实际应用而自行选择，当然，也可以采用其它方式实现墙体形态的识别，在此不再赘述。

步骤S214，对墙体区域进行与墙体区域的形态相对应的矢量处理，以拟合墙体线条。

具体的，对墙体区域进行与墙体区域的形态相对应的矢量处理，包括：

A当墙体区域的形态为块状墙体时，对墙体区域依次执行阈值分割处理、形态学滤波、轮廓检测、轮廓筛选、卷积核去除噪点的步骤，以得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条。

B当墙体区域的形态为混合墙体时，利用预先定义的腐蚀算子和膨胀算子对墙体区域进行处理，得到承重墙轮廓坐标集和非称重墙轮廓坐标集，根据承重墙轮廓坐标集和非称重墙轮廓坐标集，拟合墙体线条；

C当墙体区域的形态为细线墙体时，通过zhang并行快速算法对墙体区域进行细化，基于霍夫变换算法对细化后的墙体区域进行筛选，得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条。

针对不同形态的墙体进行相应的矢量处理，可以增强图像矢量处理效果，使矢量图更加准确可靠，也极大节约了人工处理的成本，提升了效率。

步骤S216，利用户型整体轮廓和墙体线条的差别，分别确定并标注所述建筑户型的阳台区域、窗户区域及入户门区域在所述目标图像中的位置。

步骤S218，生成所述建筑户型的矢量图。

具体的，基于墙体线条、以及阳台区域、窗户区域和入户门区域生成建筑户型的矢量图。在该矢量图中，标注有墙体线条、阳台、窗户和入户门。

具体实施时，在检测出了墙体线及外围轮廓线的基础上，利用窗户、阳台及入户门信息在外围轮廓上的特性，用内外轮廓之差找出阳台、窗及入户门的位置。首先把墙体轮廓和外部轮廓绘制到同一图像内，为了避免在检测外部轮廓的漫水填充过程中在边缘位置有少许偏差的可能，把墙体轮廓加粗了绘制，然后减去墙体加粗绘制的图像，得到只包括细线的图像，对该图像检测轮廓得到轮廓集，最后再对所得的轮廓集进行分类得到门和阳台及窗的类别。判别阳台的依据为轮廓集中周长最长的，判别门的依据为轮廓集中点的数量最多的，剩下的都为窗户轮廓。

本发明实施例提供的上述建筑户型的矢量图生成方法，主要针对原始图像为灰度图像的情况进行详细说明，调整原始图像的像素以使图像尺寸统一化，通过图像反转、灰度图像增强及图像去噪等步骤得到目标图像，进而将目标图像分割为墙体区域和非墙体区域，并对墙体区域进行与墙体区域的形态相对应的矢量处理，可以较好的拟合墙体线条。同时还能够利用差别确定阳台、窗户及入户门位置，最后生成较好的矢量图。这种方式可以自动基于建筑户型的灰度原始图生成对应的矢量图，无需人工绘制，不仅节约了人力成本，而且较好地提升了矢量图绘制效率。

为了便于理解，针对上述“墙体区域进行与墙体区域的形态相对应的矢量处理”的步骤，在此详细说明。

(一)块状墙体矢量化：

块状墙体即为图像中的实体粗线墙体，通过统计说明，墙体线通常为图像中最黑的元素，因此针对此类户型图，通常采用阈值分割墙体，首先需要将图像通过公式Gray＝0.30*R+0.59*G+0.11*B转换为灰度图，然后统计直方图，查找像素中亮度的深度颜色的前10％，也可理解为查找像素中亮度最黑的10％，以找到直方图中深度颜色为前10％的分界线，将该分界线作为自动阈值的初始值，在二值化后进行形态学滤波，以去掉部分噪声。再接下来进行轮廓检测，得到墙体轮廓信息，但是由于该轮廓信息中还包括其它噪点或杂线条等，接下来进行轮廓筛选和整理。针对原始轮廓，首先要去掉那些很小的以及不规则的非墙体线的轮廓，用轮廓的周长去判断太短的轮廓，通过周长与轮廓角点数量的比值去判断曲直，进而去掉那些不规则的轮廓线。可以通过图3所示的一种包括有块状墙体的户型示意图和图4所示的一种轮廓筛选后的户型示意图相比，证实上述处理效果较佳。

之后需要调整轮廓线上那些不直的点，这些点一般是由于原图中位置接近墙体的深色家具引入的噪点。具体方法是自定义一组5*5的核去对轮廓线的图进行形态学处理，以得到轮廓线四个方向上的直角点.具体的，可以卷积核组以矩阵的形式示意如下：

可以通过图5所示的一种原始带有噪点的线条示意图和图6所示的一种经处理后的线条示意图相比，可以证实上述处理的效果较佳，有效的拟合了墙体线条。

(二)混合墙体矢量化：

针对既有粗体实线墙体，又有细线墙体的图像，具体可参照图5所示的一种户型图像示意图，该图像Dst已分割为墙体区域和非墙体区域；墙体区域中包括全部细线墙体对象Dst-thin，也包括全部块状墙体对象Dst-bold。显然有：Dst＝Dst-thin+Dst-bold。

对腐蚀算子和膨胀算子的定义如下：

腐蚀算子θ：

把结构元素B平移a后得到B_a，若B_a包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀，X是被处理的对象，B是结构元素。

膨胀算子⊕：D(X)＝{a|Ba↑X}＝X⊕B

把结构元素B平移a后得到B_a，若B_a击中X，我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。

其中击中↑定义为：

设有两幅图象B，X。若存在这样一个点，它既是B的元素，又是X的元素，则称B击中(hit)X，记作B↑X。

则Dst-bold＝(AθB)⊕B；然后得到Dst-thin＝Dst-Dst-bold。B为M*M的窗口。(AθB)⊕B的运算首先通过腐蚀算子完全消除图象Dst中所有的宽度wide<M的物体,再通过膨胀算子复原已经同样被腐蚀掉了M宽度的块区域对象的原始形状。从而得到承重墙轮廓坐标集和非称重墙轮廓坐标集，根据承重墙轮廓坐标集和非称重墙轮廓坐标集，拟合墙体线条；具体的，可以参照图7所示的一种包括有混合墙体的户型示意图，以及经过处理后区分开来的图8所示的一种分离后的粗线墙体示意图，和经过处理后区分开来的图9所示的一种分离后的细线墙体示意图。

(三)细线墙体矢量化：

对于墙体全部为细线的图像，首先进行细化，再霍夫变换检测直线，接着筛选水平和垂直平行线确定墙体位置轮廓。具体的，细化过程可以采用经典的图像细化方法：zhang并行快速算法实现。该算法示意如下：

首先对像素的8邻域进行编号，设定当前像素(i，j)为P1，像素(i，j+1)为P2，像素(i+1,j+1)为P3，像素(i+1,j)为P4，像素(i+1,j-1)为P5，像素(i，j-1)为P6，像素(i-1，j-1)为P7，像素(i-1,j)为P8，像素(i-1,j+1)为P9。其中P1是我们讨论的像素点，首先前提条件是P1是前景点，若要删除该点，需要满足以下两种情况中的任意一种。

情况一：满足以下四个条件，可将P1点去除：

(1)2<＝N(P1)<＝6，N(x)为x的8领域中黑点(背景点)的个数；

(2)A(P1)＝1，A(x)为P2-P9之间按序前后分别为0、1的个数；该判断条件为，从P2至P9的排列顺序中，01模式的数量为1，即认为A(P1)＝1，之所以要01模式数量为1，是要保证删除当前像素点后的连通性。倘若01模式数量大于1，则不能保证删除当前点P1后的连通性。具体判断过程可以参照相关技术实现，在此不再赘述。

(3)P2*P4*P6＝0；

(4)P4*P6*P8＝0。

情况二：满足以下四个条件，可将P1点去除：

(1)2<＝N(P1)<＝6，N(x)为x的8领域中黑点(背景点)的个数；

(2)A(P1)＝1，A(x)为P2-P9之间按序前后分别为0、1的个数；

(3)P2*P4*P8＝0；

(4)P2*P6*P8＝0。

具体的，可以参照图10所示的一种包括有细线墙体的户型示意图，以及经过上述处理后的如图11所示的一种拟合后的墙体线条示意图。

通过图10和图11可以较好的证明通过上述矢量化处理后，可以拟合得到较好的细线墙体。

实施例三：

参见图12所示的第三种建筑户型的矢量图生成方法流程图，该方法用于建筑户型为彩色图像的情况，具体包括以下步骤：

步骤S302，获取建筑户型的原始图像。

步骤S304，将原始图像的像素调整为预设像素规格。

步骤S306，对原始图像依次执行颜色空间转换、彩色图像增强及图像去噪的步骤，得到目标图像。

对于彩色图像，在调整为预设像素规格进行尺寸约束后，首先将颜色空间由RGB空间转为YCbCr空间，以使图像的亮度数据和色度数据分离，然后将Y分量上的图像(也即，亮度数据)进行直方图均衡化，再与色度数据进行合成，以增强图像。最后再采用相应的核进行形态学运算，诸如形态学滤波器等去除噪声。

步骤S308，通过区域生长算法分割目标图像中的背景图像和户型图像，将目标图像中的背景图像填充为预设颜色，基于预设颜色对目标图像采取二值化分割操作，以得到目标图像的户型整体轮廓。

对于彩色图像，通常除了包括户型信息，还包括具有颜色或者纹理的背景。若要获得其中的户型整体轮廓，首先需要将背景图像与户型图像进行分割。优选的，采用区域生长的算法。诸如，设定图像左上坐标(1,1)的位置为种子点，从种子点开始填充一个连通域，通过像素值的接近程度来衡量是否填充。在点(x,y)的像素被认为是属于重新绘制的区域，在固定范围内的像素点彩色值满足以下条件：

src(seed.x,seed.y)r-lo_diffr<＝src(x,y)r<＝src(seed.x,seed.y)r+up_diffr

src(seed.x,seed.y)g-lo_diffg<＝src(x,y)g<＝src(seed.x,seed.y)g+up_diffg；

src(seed.x,seed.y)b-lo_diffb<＝src(x,y)b<＝src(seed.x,seed.y)b+up_diffb；

或者在浮动区域内满足以下条件：

src(x',y')r-lo_diffr<＝src(x,y)r<＝src(x',y')r+up_diffr；

src(x',y')g-lo_diffg<＝src(x,y)g<＝src(x',y')g+up_diffg；

src(x',y')b-lo_diffb<＝src(x,y)b<＝src(x',y')b+up_diffb,；

其中，src(seed.x,seed.y)是种子点颜色值，src(seed.x,seed.y)r、src(seed.x,seed.y)g、src(seed.x,seed.y)b分别表示种子点颜色值的R值、G值和B值；src(x',y')是像素领域点的值；lo_diffr、lo_diffg、lo_diffb、up_diffr、up_diffg、up_diffb均为相应的预设差值。

上述公式也可理解为：为了被加入到连通域中，一个像素的彩色/亮度应该足够接近于它的相邻像素的彩色/亮度值，当该邻域点已经被认为属于浮动范围情况下的连通域。

通过相邻区域之间的色彩差确定，色彩差越大，越无法填充，也即通过颜色梯度进行填充。由于户型轮廓的墙体颜色通常为最深的，因而其可以阻隔填充，进而将目标图像分割为背景图像和户型图像。然后将目标图像中的背景图像填充为预设颜色(避免填充色为原图中本来就有的颜色，可以采用诸如户型图中极少用到的纯绿色作为填充色)，进而通过查找颜色来进行二值化分割操作。具体的，遍历像素点，将颜色为填充色的像素置为0，非填充颜色的像素置为1，进而通过相关技术实现轮廓检测，筛选去除小的轮廓信息，以得到目标图像的户型整体轮廓。

步骤S310，基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域。

步骤S312，识别目标图像中的墙体区域的形态，其中，形态包括块状墙体、混合墙体和细线墙体。

步骤S314，对墙体区域进行与墙体区域的形态相对应的矢量处理，以拟合墙体线条。

当墙体区域的形态为块状墙体时，对墙体区域依次执行阈值分割处理、形态学滤波、轮廓检测、轮廓筛选、卷积核去除噪点的步骤，以得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条。

当墙体区域的形态为混合墙体时，利用预先定义的腐蚀算子和膨胀算子对墙体区域进行处理，得到承重墙轮廓坐标集和非称重墙轮廓坐标集，根据承重墙轮廓坐标集和非称重墙轮廓坐标集，拟合墙体线条；

当墙体区域的形态为细线墙体时，通过zhang并行快速算法对墙体区域进行细化，基于霍夫变换算法对细化后的墙体区域进行筛选，得到墙体轮廓坐标集，根据墙体轮廓坐标集拟合墙体线条。

步骤S316，利用户型整体轮廓和墙体线条的差别，分别确定并标注所述建筑户型的阳台区域、窗户区域及入户门区域在所述目标图像中的位置。

步骤S318，生成所述建筑户型的矢量图。

上述步骤S312～步骤S318的具体实施过程可以参照实施例二的相关部分所述，在此不再赘述。

本发明实施例提供的上述建筑户型的矢量图生成方法，主要针对原始图像为彩色图像的情况进行详细说明，调整原始图像的像素以使图像尺寸统一化，通过颜色空间转换、彩色图像增强及图像去噪等步骤得到目标图像，再将目标图像分割为背景图像和户型图像以得到户型整体轮廓，进而将目标图像分割为墙体区域和非墙体区域，并对墙体区域进行与墙体区域的形态相对应的矢量处理，可以较好的拟合墙体线条。同时还能够利用差别确定阳台、窗户及入户门位置，最后生成较好的矢量图。这种方式可以自动基于建筑户型的彩色原始图生成对应的矢量图，无需人工绘制，不仅节约了人力成本，而且较好地提升了矢量图绘制效率。

实施例四：

对应于前述实施例中所提供的建筑户型的矢量图生成方法，本发明实施例提供了一种建筑户型的矢量图生成装置，参见图13所示，该装置包括以下模块：

获取模块402，用于获取建筑户型的原始图像；

预处理模块404，用于对原始图像进行预处理，以增强原始图像，并去除原始图像的噪声，得到目标图像；

轮廓确定模块406，用于确定目标图像的户型整体轮廓；

分割模块408，用于基于户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；

矢量处理模块410，用于对墙体区域进行矢量处理，以拟合墙体线条；

矢量图生成模块412，用于基于墙体线条，生成建筑户型的矢量图。

本发明实施例提供的上述建筑户型的矢量图生成装置，通过对建筑户型的原始图像预处理，得到图像增强及去除噪声的目标图像，基于目标图像的户型整体轮廓，将目标图像分割为墙体区域和非墙体区域；进而拟合墙体线条，并生成所述建筑户型的矢量图。该装置可以自动基于建筑户型的原始图生成对应的矢量图，无需人工绘制，不仅节约了人力成本，而且较好地提升了矢量图绘制效率。

本实施例所提供的装置，其实现原理及产生的技术效果和前述实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

进一步，本实施例提供了一种终端，该终端包括存储器以及处理器，存储器用于存储支持处理器执行建筑户型的矢量图生成方法的程序，处理器被配置为用于执行存储器中存储的程序。

具体可参见图14所示的一种可应用于本发明实施例中的终端的结构示意图。终端100包括建筑户型的矢量图生成装置101、存储器102、存储控制器104，一个或多个(图中仅示出一个)处理器106、外设接口108、射频模块110、音频模块112、触控屏幕114等。这些组件通过一条或多条通讯总线/信号线116相互通讯。

存储器102可用于存储软件程序以及模块，如本发明实施例中的建筑户型的矢量图生成方法、装置对应的程序指令/模块，处理器106通过运行存储在存储器102内的软件程序以及模块，从而执行各种功能应用以及数据处理，如本发明实施例提供的建筑户型的矢量图生成方法。

存储器102可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器106以及其他可能的组件对存储器102的访问可在存储控制器104的控制下进行。

外设接口108将各种输入/输出装置耦合至处理器106以及存储器102。在一些实施例中，外设接口108，处理器106以及存储控制器104可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

射频模块110用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。

音频模块112向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

触控屏幕114在终端100与用户之间同时提供一个输出及输入界面。在本实施例中，上述触控屏幕114支持单点和多点触控操作，例如，该触控屏幕114可为支持单点和多点触控操作的电容式触摸屏或电阻式触摸屏等。支持单点和多点触控操作是触控屏幕114能感应到来自该触摸屏上一个或多个位置处同时产生的触控操作，并将该感应到的多点触控操作交由处理器106进行处理。

可以理解，图14所示的结构仅为示意，终端100还可包括比图14中所示更多或者更少的组件，或者具有与图14所示不同的配置。图14中所示的各组件可以采用硬件、软件或其组合实现。

本发明实施例所提供的建筑户型的矢量图生成方法、装置及终端的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种建筑户型的矢量图生成方法，其特征在于，包括：

获取建筑户型的原始图像；

对所述原始图像进行预处理，以增强所述原始图像，并去除所述原始图像的噪声，得到目标图像；

确定所述目标图像的户型整体轮廓；

基于所述户型整体轮廓，将所述目标图像分割为墙体区域和非墙体区域；

对所述墙体区域进行矢量处理，以拟合墙体线条；

基于所述墙体线条，生成所述建筑户型的矢量图。

2.根据权利要求1所述的方法，其特征在于，对所述原始图像进行预处理包括：

将所述原始图像的像素调整为预设像素规格；

判断所述原始图像的色彩类别，其中，所述色彩类别包括灰度图像和彩色图像；

根据所述原始图像的色彩类别，对所述原始图像进行图像增强及图像去噪的处理，得到目标图像。

3.根据权利要求2所述的方法，其特征在于，根据所述原始图像的色彩类别，对所述原始图像进行图像增强及图像去噪的处理包括：

当所述原始图像的色彩类别为灰度图像时，对所述原始图像依次执行图像反转、灰度图像增强及图像去噪的步骤；

当所述原始图像的色彩类别为彩色图像时，对所述原始图像依次执行颜色空间转换、彩色图像增强及图像去噪的步骤。

4.根据权利要求3所述的方法，其特征在于，确定所述目标图像的户型整体轮廓包括：

当所述原始图像的色彩类别为灰度图像时，检测并得到所述目标图像的户型整体轮廓；

当所述原始图像的色彩类别为彩色图像时，通过区域生长算法分割所述目标图像中的背景图像和户型图像，将所述目标图像中的背景图像填充为预设颜色，基于所述预设颜色对所述目标图像采取二值化分割操作，以得到所述目标图像的户型整体轮廓。

5.根据权利要求1所述的方法，其特征在于，对所述墙体区域进行矢量处理包括：

识别所述目标图像中的墙体区域的形态，其中，所述形态包括块状墙体、混合墙体和细线墙体；

对所述墙体区域进行与所述墙体区域的形态相对应的矢量处理。

6.根据权利要求5所述的方法，其特征在于，识别所述目标图像中的墙体区域的形态包括：

读取代表所述目标图像中的墙体区域的形态的标识，根据所述标识确定所述墙体区域的形态；

或者，

利用平均积分投影函数，确定所述目标图像中的墙体区域的形态。

7.根据权利要求5所述的方法，其特征在于，对所述墙体区域进行与所述墙体区域的形态相对应的矢量处理，包括：

当所述墙体区域的形态为块状墙体时，对所述墙体区域依次执行阈值分割处理、形态学滤波、轮廓检测、轮廓筛选、卷积核去除噪点的步骤，以得到墙体轮廓坐标集，根据所述墙体轮廓坐标集拟合墙体线条；

当所述墙体区域的形态为混合墙体时，利用预先定义的腐蚀算子和膨胀算子对所述墙体区域进行处理，得到承重墙轮廓坐标集和非称重墙轮廓坐标集，根据所述承重墙轮廓坐标集和所述非称重墙轮廓坐标集，拟合墙体线条；

当所述墙体区域的形态为细线墙体时，通过zhang并行快速算法对所述墙体区域进行细化，基于霍夫变换算法对细化后的所述墙体区域进行筛选，得到墙体轮廓坐标集，根据所述墙体轮廓坐标集拟合墙体线条。

8.根据权利要求1至7任一项所述的方法，其特征在于，对所述墙体区域进行矢量处理之后，所述方法还包括：

利用所述户型整体轮廓和所述墙体线条的差别，分别确定并标注所述建筑户型的阳台区域、窗户区域及入户门区域在所述目标图像中的位置。

9.一种建筑户型的矢量图生成装置，其特征在于，包括：

获取模块，用于获取建筑户型的原始图像；

预处理模块，用于对所述原始图像进行预处理，以增强所述原始图像，并去除所述原始图像的噪声，得到目标图像；

轮廓确定模块，用于确定所述目标图像的户型整体轮廓；

分割模块，用于基于所述户型整体轮廓，将所述目标图像分割为墙体区域和非墙体区域；

矢量处理模块，用于对所述墙体区域进行矢量处理，以拟合墙体线条；

矢量图生成模块，用于基于所述墙体线条，生成所述建筑户型的矢量图。

10.一种终端，其特征在于，所述终端包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至8任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。