CN113160340A - 城市色彩定量分析与评价方法、系统及存储介质 - Google Patents
城市色彩定量分析与评价方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113160340A CN113160340A CN202110442131.5A CN202110442131A CN113160340A CN 113160340 A CN113160340 A CN 113160340A CN 202110442131 A CN202110442131 A CN 202110442131A CN 113160340 A CN113160340 A CN 113160340A
- Authority
- CN
- China
- Prior art keywords
- color
- street
- road
- colors
- view image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004445 quantitative analysis Methods 0.000 title claims description 12
- 238000011156 evaluation Methods 0.000 title claims description 11
- 239000003086 colorant Substances 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 10
- 229910000792 Monel Inorganic materials 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 13
- 241001464837 Viridiplantae Species 0.000 claims description 8
- 238000011158 quantitative evaluation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000004438 eyesight Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004737 colorimetric analysis Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
公开了一种城市色彩定量分析与评价方法、系统及存储介质，所述方法包括：基于地图软件获取城市道路信息，将所述道路信息处理为具有拓扑性质的单线道路，在所述道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，形成道路数据库；从街景地图获取所述道路对应的街景图像数据；将所述街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别；将所述街景图像的RGB色空间数据转换为蒙赛尔色空间数据，进行建筑立面色彩提取，计算建筑色彩的推荐色与禁用色；计算街道色彩和谐度数值，其为所述推荐色在所述街道环境色中的占比。本发明实现城市色彩自动评估，节省大量时间，免于人工判别尺度不一的困扰。
Description
技术领域
本发明涉及城市色彩规划技术领域，尤其涉及基于蒙赛尔色彩模型下街景图像大数据与计算机色彩识别技术融合的城市色彩定量分析与评价方法、系统。
背景技术
建筑色彩在建筑评价中起着决定并且关键的作用，因此建筑色彩被认为是建筑个性最直观的展现。基于色彩的种种物理性质，具有情绪、联想、象征以及知觉等效应，对人的心理具有重要的影响。因此一个好的建筑色彩将对人产生积极的作用，而不合理的建筑色彩搭配将对使用者产生视觉污染。在进行建筑设计和城市设计时，我们需要合理搭配建筑的色彩，使其与周边环境相互协调来满足使用者的审美需求。
传统方法下通常使用调查问卷，色彩摄影、色卡比对等方法对城市色彩进行研究，但难以获取大量样本且人工肉眼比对色彩难免会产生误差，同时人工采集法需要耗费大量的人力物力，最终难以满足城市色彩规划工作的要求。
发明内容
为了实现快速、精确、广泛地对街道色彩进行量化研究，本发明提供一种城市色彩定量分析与评价方法、系统及存储介质，对街区环境进行识别以及对色彩和谐度进行计算，能直接得出量化数据结果。
根据本发明实施例的第一方面，提供一种城市色彩定量分析与评价方法，包括：
基于地图软件获取城市道路信息，将所述道路信息处理为具有拓扑性质的单线道路，在所述道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，形成道路数据库；
从街景地图获取所述道路对应的街景图像数据；
将所述街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别；
将所述街景图像的RGB色空间数据转换为蒙赛尔色空间数据，进行建筑立面色彩提取，计算建筑色彩的推荐色与禁用色；
计算街道色彩和谐度数值，所述街道色彩和谐度为所述推荐色在所述街道环境色中的占比。
根据本发明实施例的第二方面，提供一种城市色彩定量分析与评价系统，包括：
道路数据获取模块，用于基于地图软件获取城市道路信息，将所述道路信息处理为具有拓扑性质的单线道路，在所述道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，形成道路数据库；
街景图像数据获取模块，用于从街景地图获取所述道路对应的街景图像数据；
街道环境色识别模块，用于将所述街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别；
建筑立面色彩提取模块，用于将所述街景图像的RGB色空间数据转换为蒙赛尔色空间数据，计算建筑色彩的推荐色与禁用色，进行建筑立面色彩提取；
街道色彩和谐度计算模块，用于计算街道色彩和谐度数值，所述街道色彩和谐度为所述推荐色在所述街道环境色中的占比。
在上述第一方面和第二方面，通过识别并去除所述街景图像中的自然环境色彩得到所述街道环境色，所述自然环境色彩的识别包括绿植识别和天空识别。
在上述第一方面和第二方面，在所述HSV颜色模型数据中，H范围为60度到180度之间的像素点为绿植；在对天空进行识别时仅对图片上半部分区域的色彩进行识别，H范围为180°至270°且明度V小于65％的像素，以及明度小于1％的像素为天空。
在上述第一方面和第二方面，当所述街道色彩和谐度大于0.7时，判定该街道色彩和谐。
根据本发明实施例的第三方面，提供一种计算机，包括处理器和存储器，所述存储器用于存储非暂时性计算机程序指令，所述处理器用于运行非暂时性计算机程序指令，非暂时性计算机程序指令被所述处理器运行时执行所述方法的部分或全部步骤。
根据本发明实施例的第四方面，提供一种存储介质，用于存储非暂时性计算机程序指令，当该非暂时性计算机程序指令由计算机执行时实现所述方法的部分或全部步骤。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单地介绍。
图1是色彩模型转换示意框图。
图2是蒙赛尔颜色系统(Munsell Color system)示意图。
图3是CIE1976Lab颜色空间示意图。
图4是本发明一实施例提供的一种城市色彩定量分析与评价方法的框图。
图5是本发明一实施例提供的一种城市色彩定量分析与评价系统软件运行界面的框图。
具体实施方式
如图1，本发明至少一实施例提供一种Munsell色空间与RGB色空间的模型转换方法，通过该方法直接获取街景图片的Munsell色空间的色相(H)，明度(V)，色度(C)值。
在色彩系统中，RGB等色彩模型着重于计算机色彩表达，蒙赛尔色系则模拟人类色彩视觉。如图2所示，孟塞尔颜色系统(Munsell Color System)是色度学(或比色法)里通过明度(value)、色相(hue)及色度(chroma)三个维度来描述颜色的方法，至今仍是比较色法的标准。
CIE1931XYZ颜色系统，是由国际照明委员会(CIE)在1931年规定的通用二维色度图和一套标准色度观察者光谱三刺激值，它在RGB系统的基础上，用数学方法，选用三个理想的原色来代替实际的三原色，从而将CIE-RGB系统中的光谱三刺激值和色度坐标r、g、b均变为正值。它不仅消除了RGB系统颜色匹配时所产生的负值，且在应用时有一系列优点。CIE系统假定三原色为XYZ,由三原色形成的三角形色度图包括了整个可见光谱体系。CIE色度值xyz为：
xyz三角形投影在一个二维平面上生成CIE色度图。
两个加色系统之间的变换可由格拉斯曼定律导出。由RGB色空间到CIE XYZ色空间的变换为：
式中Xr,Yr,Zr，Xg,...和Xb,...分别为生成单位量R,G和B基色所需要的三刺激值，上式简写成：
CIE1976Lab颜色空间，是1976年由国际照明学会(CIE)推荐的均匀色空间。该空间是三维直角坐标系统。是目前最受广用的测色系统。以明度L和色度坐标a、b来表示颜色在色空间中的位置。L表示颜色的明度，a正值表示偏红，负值表示偏绿；b正值表示偏黄，负值表示偏蓝。由于CIE XYZ色度图是一个颜色宽容量不均匀的色度图。靠近绿色区颜色的宽容量大，靠近蓝色区的颜色宽容量小，即在CIE XYZ色度图上两点之间的几何距离并不能真实地反映颜色在视觉上的差别。为了克服这一缺点，CIE又建立了许多新颜色体系，其中之一就是1976Lab颜色空间，其定义如下：
L＝116(Y/Y0)1/3-16 Y/Y0＞0.01
a＝500[(X/X0)1/3-(Y/Y0)1/3] (2)
b＝200[(Y/Y0)1/3-(Z/Z0)1/3]
式中：X,Y,Z为颜色样品的三刺激值，L为明度，a,b为颜色坐标，X0，Y0，Z0为CIE标准照明体照射在全反射漫射体后反射到观察者眼中的参考白光的三刺激值Y0＝100，Lab颜色空间坐标如图3。
L与Munsell明度V之间有一简单近似关系，根据CIE(1964)采用的立方根公式有
W*＝25Y1/3-17
W*＝10V Y0＝100 (3)
L＝25Y1/3-16＝10V+1 (1＜Y≤100)
根据CIE Lab色空间与Munsell色空间具有相当的一致性，可用Munsell的样本色对Lab色空间进行标定。在Lab色空间按Munsell明度分成几个平面，每个等明度平面上画出Munsell的等H和等C曲线。这样做的结果，等H和等C曲线近似一簇辐射直线和一簇同心圆。依据这种结果，用一个数学模型来模拟它们之间的关系：
首先用式(2)根据所有Munsell色样本在XYZ色空间中的色度坐标(Y,x,y)求出在Lab色空间的映象，其方法如下：
设采用CIE标准照明体D6500。查表可得：X0＝95.00,Y0＝100.00,Z0＝108.98，代入(2)式得到：
L＝25Y1/3-16 X＝Y·(x/y)
Z＝Y·(1-x-y)/y (4)
a＝500[(X/X0)1/3-(Y/Y0)1/3]
＝109.5X1/3-107.7Y1/3
b＝43.0Y1/3-41.92Z1/3
然后，根据等色相H公式，在Munsell色空间中规定5R的等H曲线是一条幅角为0°的射线，但在Lab色空间5R的等H线幅角不为0°，而为β角，故：
hLab＝hMunsell+β (5)
值根据不同明度有所差别，故要做不同的修正：
β＝18° V＜2.5； β＝20° 2.5≤V≤3.5；
β＝28.5 3.5≤V＜8.5； β＝7.5 V＞8.5；
此外，除了角差β外，Munsell色空间的等间隔色相在Lab空间标定的结果为不等间隔的；也有一个色相角差。采用分段处理的方法，认为在一定区域之内色相角是均匀的。把360°圆周区间划分成14个小区(见表1)。表1中给出了小区域边界的数值及其相应的Munsell色相角，对于
时因差别不大，故取一个平均数。根据表1给出的小区域边界的数值及其相应的Munsell色相角，把Munsell色彩模型的色相角根据明度范围分为三段，如表2。
表1色空间小区域边界值
表2 Munsell色相角分段
这样，对Munsell色空间的任意一点(HM,VM,CM),其色相HM在Lab色空间就有一个相对应的h,它们的关系为：
式中：θM1，θM2为Munsell色空间的小区边界；θ1，θ2为Lab空间的小区边界；HM是对应于某一明度VM值时的H值。为了获得比较精确的结果，需要校正一些参数，如辐射线交汇点不在坐标原点，因而要进行坐标平移变换(Δx，Δy)，需要校正的参数见表3。
表3模型参数
根据以上叙述，最后得到Lab色空间的方程为：
当V＜2.5时：
ρ＝4.5C (189°≤hLab＜188°) (7)
a＝ρcos(hLab)+Δx
b＝ρsin(hLab)+Δy
当V＞2.5时：
ρ＝4.5C+0.646*4.5C(1-|hLab-100.8|/90)2(10.8°≤hLab＜190.8°)
ρ＝4.5C (190.8°≤hLab＜360°,0°≤hLab＜10.8°) (8)
a＝ρcos(hLab)+2.63
b＝ρsin(hLab)-3.23
综合上述公式，从Munsell色空间向RGB色空间的转换步骤为：
(1)在Munsell色空间选一点(HM,VM,CM)；
(2)用(6)式求出h值；
(3)用(5)式求出hlab；
(4)用(3),(7),(8)式求出Lab色空间的(L,a,b)；
(5)用(2)式求CIEXPZ空间的三刺激值(X,Y,Z)；
(6)用(1)式求出RGB值。
上述转换是可逆的，也可从RGB色空间向Munsell色空间转换。所以，通过该方法能将街景图片的色彩RGB值转化为Munsell色空间的色相(H)，明度(V)，色度(C)。
本发明至少一实施例提供一种RGB色空间转换为HSV色彩模型的模型转换方法。
RGB转为HSV的算法如下：
设(r,g,b)分别是一个颜色的红、绿和蓝坐标，它们的值是在0到之间的实数
设max等于r,g,b中的最大者
设min等于r,g,b中的最小者
则
v＝max
图4为本发明一实施例提供的一种城市色彩定量分析与评价方法的框图。该方法融合了基于蒙赛尔色彩模型下街景图像大数据与计算机色彩识别技术，能快速、精确、广泛地对街道色彩进行量化研究。该城市色彩定量分析与评价方法具体包括步骤1～5。
步骤1：数据获取，其包括路网数据收集和数据坐标点获取。
路网数据收集：通过OSM等地图软件获取城市道路信息，将道路信息数据导入GIS中可将其处理为具有拓扑性质的单线道路。
数据坐标点获取：利用GIS中的CreatePointsLine工具，在道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，最后形成道路数据库。
步骤2:利用爬虫程序，通过控制Size(图片大小)、location(经纬度)、heading(偏航角)、pitch(俯仰角)，从街景地图(如百度街景地图、腾讯街景地图、谷歌街景地图等)获取道路对应的街景图像数据。
步骤3：将采集到的街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别。具体基于HSV色彩模式与RGB颜色空间定义及换算公式(参见上文)，实现RGB颜色空间向HSV色彩模式数值的自动转换。首先进行自然环境色识别，包括绿植识别、天空识别。HSV色彩模式中的H表示色调、S表示饱和度、V表示明度。其中当H范围为60度到180度之间的像素点时，则表示该色彩为绿植。在对天空进行识别时为了避免街区内其他色彩对天空识别的干扰，仅对图片上半部分区域的色彩进行识别。规定H范围为180°至270°且明度V小于65％的像素，以及明度小于1％的像素为天空。根据得出绿植与天空的部分，计算得到绿视率和天视率，完成街道环境色识别。
步骤4：在去除了街景图片中的自然环境色彩后，图片中剩下的部分即为街道环境色彩。将采集到的街景图像的RGB色空间数据转换为蒙赛尔色空间(Munsell ColorSystem)数据，即色相(Hue)、明度(Value)、色度(Chroma)，并根据数值结果将其分为推荐色与禁用色，进行建筑立面色彩提取。具体基于RGB颜色空间、CIE1931XYZ系统、CIE1976Lab空间与Munsell色空间等数学定义归纳出数学模型(参见上文)，通过Lab色彩模型的中间过渡，实现RGB颜色空间与Munsell色空间数值的相互转换。其中推荐色包括基调色(占各立面面积75％以上)、辅助色(占各立面面积约20％)和强调色(占各立面面积约5％)，除此之外的色彩范围即为禁用色。
步骤5：计算得到街道色彩和谐度数值。街道色彩和谐度为推荐色在街道环境色彩中的占比，其值越高则说明街道环境色彩越和谐。由于同一条街道上由许多街景照片组成，因此该街道的色彩和谐度为各个街景照片色彩和谐度的平均值。可通过单张照片来评价建筑立面的色彩和谐度，也可通过街道内所有照片的平均值来总体评价街道的色彩情况。当建筑主色调占比在70％以上时会给人带来较好的感受，因此当色彩和谐度大于0.7时，可判定该街道色彩和谐。由此次建立评价指标(表4)，通过具体结果反向追溯所获取街景图片从而找到街道色彩不和谐原因并针对具体问题提出改进建议。
表4城市色彩评价指标
本发明至少一实施例提供一种城市色彩定量分析与评价系统，该系统包括道路数据获取模块、街景图像数据获取模块、街道环境色识别模块、建筑立面色彩提取模块、街道色彩和谐度计算模块、显示模块。
路数据获取模块用于路网数据收集和数据坐标点获取。路网数据收集：通过OSM等地图软件获取城市道路信息，将道路信息数据导入GIS中可将其处理为具有拓扑性质的单线道路。数据坐标点获取：利用GIS中的CreatePointsLine工具，在道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，最后形成道路数据库。
街景图像数据获取模块用于通过控制Size(图片大小)、location(经纬度)、heading(偏航角)、pitch(俯仰角)，从街景地图(如百度街景地图、腾讯街景地图、谷歌街景地图等)获取道路对应的街景图像数据。
街道环境色识别模块用于将采集到的街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别。首先进行自然环境色识别，包括绿植识别、天空识别。HSV色彩模式中的H表示色调、S表示饱和度、V表示明度。其中当H范围为60度到180度之间的像素点时，则表示该色彩为绿植。在对天空进行识别时为了避免街区内其他色彩对天空识别的干扰，仅对图片上半部分区域的色彩进行识别。规定H范围为180°至270°且明度V小于65％的像素，以及明度小于1％的像素为天空。
建筑立面色彩提取模块用于将采集到的街景图像的RGB色空间数据转换为蒙赛尔色空间(Munsell Color System)数据，进行建筑立面色彩提取，计算建筑色彩的推荐色与禁用色。其中推荐色包括基调色(占各立面面积75％以上)、辅助色(占各立面面积约20％)和强调色(占各立面面积约5％)，除此之外的色彩范围即为禁用色。
街道色彩和谐度计算模块用于计算得到街道色彩和谐度数值。街道色彩和谐度为推荐色在街道环境色彩中的占比，其值越高则说明街道环境色彩越和谐。由于同一条街道上由许多街景照片组成，因此该街道的色彩和谐度为各个街景照片色彩和谐度的平均值。可通过单张照片来评价建筑立面的色彩和谐度，也可通过街道内所有照片的平均值来总体评价街道的色彩情况。
显示模块用于显示街区的绿视率、天视率、推荐色彩和禁用色彩，对应的数据将实时显示在表格中，同时会显示推荐色彩和禁用色彩在街区图片中对应的位置，方便对该街区图片进行环境品质评价。该系统软件运行界面参见图5。
本发明至少一实施例提供一种计算机，该计算机包括处理器和存储器。存储器用于存储非暂时性计算机程序指令(例如一个或多个计算机程序指令)。处理器用于运行非暂时性计算机程序指令，非暂时性计算机程序指令被处理器运行时可以执行上文所述的城市色彩定量分析与评价方法中的一个或多个步骤。存储器和处理器可以通过总线系统和/或其它形式的连接机构互连。
处理器可以是中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)或者具有数据处理能力和/或程序执行能力的其它形式的处理单元，例如现场可编程门阵列(FPGA)等；例如，中央处理单元(CPU)可以为X86或ARM架构等。处理器可以为通用处理器或专用处理器。
存储器可以包括一个或多个计算机程序产品的任意组合，计算机程序品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、闪存等。在计算机可读存储介质上可以存储计算机程序指令，例如一个或多个计算机程序模块，处理器可以运行该计算机程序指令，以实现城市色彩定量分析与评价系统的各种功能。
本发明至少一个实施例还提供一种存储介质，用于存储非暂时性计算机程序指令，当该非暂时性计算机程序指令由计算机执行时可以实现本发明任一实施例所述的城市色彩定量分析与评价方法。
本发明方法、系统智能化程度较高，可以更好地进行海量数据分析。本发明从定量研究方法上做出突破，尝试将传统的人工采样以及人工色卡对比的判别方法转变到利用大数据采样并使用软件系统进行评估，节省大量时间，减少人工调研采集图片少的限制，以及免于人工判别尺度不一的困扰。本发明为街道量化研究提供新的工具，并且可结合量化数据结果再进行分析评价，尤其对典型建筑立面色彩进行分析，总结影响街道色彩和谐的因素，并对历史街区保护的色彩控制工作提供改进策略。
Claims (10)
1.一种城市色彩定量分析与评价方法，其特征在于，包括：
基于地图软件获取城市道路信息，将所述道路信息处理为具有拓扑性质的单线道路，在所述道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，形成道路数据库；
从街景地图获取所述道路对应的街景图像数据；
将所述街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别；
将所述街景图像的RGB色空间数据转换为蒙赛尔色空间数据，进行建筑立面色彩提取，计算建筑色彩的推荐色与禁用色；
计算街道色彩和谐度数值，所述街道色彩和谐度为所述推荐色在所述街道环境色中的占比。
2.根据权利要求1所述的方法，其特征在于，通过识别并去除所述街景图像中的自然环境色彩得到所述街道环境色，所述自然环境色彩的识别包括绿植识别和天空识别。
3.根据权利要求2所述的方法，其特征在于，在所述HSV颜色模型数据中，H范围为60度到180度之间的像素点为绿植；在对天空进行识别时仅对图片上半部分区域的色彩进行识别，H范围为180°至270°且明度V小于65％的像素，以及明度小于1％的像素为天空。
4.根据权利要求1所述的方法，其特征在于，当所述街道色彩和谐度大于0.7时，判定该街道色彩和谐。
5.一种城市色彩定量分析与评价系统，其特征在于，包括：
道路数据获取模块，用于基于地图软件获取城市道路信息，将所述道路信息处理为具有拓扑性质的单线道路，在所述道路每隔固定距离取采集点，并获取采集点的坐标，筛去位于十字路口的点，形成道路数据库；
街景图像数据获取模块，用于从街景地图获取所述道路对应的街景图像数据；
街道环境色识别模块，用于将所述街景图像的RGB色空间数据转换为HSV颜色模型数据，进行街道环境色识别；
建筑立面色彩提取模块，用于将所述街景图像的RGB色空间数据转换为蒙赛尔色空间数据，计算建筑色彩的推荐色与禁用色，进行建筑立面色彩提取；
街道色彩和谐度计算模块，用于计算街道色彩和谐度数值，所述街道色彩和谐度为所述推荐色在所述街道环境色中的占比。
6.根据权利要求5所述的系统，其特征在于，通过识别并去除所述街景图像中的自然环境色彩得到所述街道环境色，所述自然环境色彩的识别包括绿植识别和天空识别。
7.根据权利要求6所述的系统，其特征在于，在所述HSV颜色模型数据中，H范围为60度到180度之间的像素点为绿植；在对天空进行识别时仅对图片上半部分区域的色彩进行识别，H范围为180°至270°且明度V小于65％的像素，以及明度小于1％的像素为天空。
8.根据权利要求5所述的系统，其特征在于，当所述街道色彩和谐度大于0.7时，判定该街道色彩和谐。
9.一种计算机，其特征在于，包括处理器和存储器，所述存储器用于存储非暂时性计算机程序指令，所述处理器用于运行非暂时性计算机程序指令，非暂时性计算机程序指令被所述处理器运行时执行权利要求1～4任一项所述的方法。
10.一种存储介质，其特征在于，用于存储非暂时性计算机程序指令，当该非暂时性计算机程序指令由计算机执行时实现权利要求1～4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442131.5A CN113160340A (zh) | 2021-04-23 | 2021-04-23 | 城市色彩定量分析与评价方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442131.5A CN113160340A (zh) | 2021-04-23 | 2021-04-23 | 城市色彩定量分析与评价方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113160340A true CN113160340A (zh) | 2021-07-23 |
Family
ID=76869797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110442131.5A Pending CN113160340A (zh) | 2021-04-23 | 2021-04-23 | 城市色彩定量分析与评价方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160340A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610293A (zh) * | 2021-08-04 | 2021-11-05 | 东南大学 | 一种城市街区建筑色彩和谐度评估方法与装置 |
| CN118552598A (zh) * | 2024-07-25 | 2024-08-27 | 深圳淏蓝环境科技有限公司 | 一种城市街道绿视率计算方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102072882A (zh) * | 2010-04-16 | 2011-05-25 | 姚孝明 | 一种基于叶片图像特征的植物养分含量指标定量分析方法 |
-
2021
- 2021-04-23 CN CN202110442131.5A patent/CN113160340A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102072882A (zh) * | 2010-04-16 | 2011-05-25 | 姚孝明 | 一种基于叶片图像特征的植物养分含量指标定量分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 熊越: "停车+步行"模式下历史街区可步行性定量评价研究", 《中国优秀硕士学位论文全文数据库（电子期刊）工程科技II辑2021年第03期》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610293A (zh) * | 2021-08-04 | 2021-11-05 | 东南大学 | 一种城市街区建筑色彩和谐度评估方法与装置 |
| CN118552598A (zh) * | 2024-07-25 | 2024-08-27 | 深圳淏蓝环境科技有限公司 | 一种城市街道绿视率计算方法 |
| CN118552598B (zh) * | 2024-07-25 | 2024-10-18 | 深圳淏蓝环境科技有限公司 | 一种城市街道绿视率计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Recky et al. | Windows detection using k-means in cie-lab color space | |
| CN113222054B (zh) | 基于特征比值指数的遥感影像融合方法、系统、设备及介质 | |
| CN111242224B (zh) | 一种基于无人机提取分类样本点的多源遥感数据分类方法 | |
| CN113240758B (zh) | 基于融合衍生指数的遥感影像融合方法、系统、设备及介质 | |
| JP2012517650A (ja) | 場面の内容に基づく点群データの視覚化のための方法及びシステム | |
| CN113160340A (zh) | 城市色彩定量分析与评价方法、系统及存储介质 | |
| CN106468543A (zh) | 一种基于图像处理的叶片面积测量方法 | |
| CN102072882A (zh) | 一种基于叶片图像特征的植物养分含量指标定量分析方法 | |
| Zakir et al. | Road sign segmentation based on colour spaces: A Comparative Study | |
| Leonowicz et al. | Automated reduction of visual complexity in small-scale relief shading | |
| CN107292328A (zh) | 多尺度多特征融合的遥感影像阴影检测提取方法及系统 | |
| CN103942555A (zh) | 一种植物氮素含量丰缺图像检测方法 | |
| CN101324955A (zh) | 基于颜色特征的植物根系图像分割方法 | |
| CN106023130A (zh) | 基于梯度滤波和pca的无人机影像与多光谱影像融合方法 | |
| CN112287838A (zh) | 基于静止气象卫星影像序列的云雾自动判识方法及系统 | |
| CN114241321A (zh) | 高分遥感图像平顶建筑快速精准识别方法 | |
| CN111311695B (zh) | 一种基于卷积神经网络的清水混凝土表面色差分析方法 | |
| JP2008242508A (ja) | 特定領域自動抽出システム、特定領域自動抽出方法、および、プログラム | |
| JP2010272097A (ja) | 緑視率測定装置、方法及びプログラム | |
| AU2015376657B2 (en) | Image change detection | |
| CN107103295A (zh) | 光学遥感影像云检测方法 | |
| CN112488997B (zh) | 基于特征插值的古代绘画印刷品颜色复现检测和评价方法 | |
| CN117437489A (zh) | 基于决策树模型的城市绿地提取方法 | |
| CN113469127A (zh) | 河流敏感性等级划分方法、装置、设备及存储介质 | |
| CN115760885B (zh) | 基于消费级无人机影像的高郁闭度湿地森林参数提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |