CN113610294A - 一种中小城市色彩规划方法、存储介质和装置 - Google Patents

Abstract

本发明公开了一种中小城市色彩规划方法、存储介质和装置，属于城市规划领域。通过文献调查和大数据平台获取城市图像数据；分类提取城市图像色彩信息；统计汇总各类因素的主要涵盖色彩；运用层次分析法综合评定各类因素对城市色彩的影响与作用；复合分析各类影响要素，得到城市色彩重要度数据。本发明具有色彩获取速度快；色彩提取方法更为客观；分析方法能将各类色彩进行定量分析与评价，从而使结果更加可信。

Description

一种中小城市色彩规划方法、存储介质和装置

技术领域

本发明涉及城市色彩规划领域，具体涉及一种基于量化评析的中小城市色彩规划方法、存储介质和装置。

背景技术

短时的高效发展以及全球化浪潮影响下，部分城市建设者忽视了色彩对于城市的重要作用，造成国内城市形象同质化不断蔓延，城市内建筑色彩趋同以及滥用现象普遍，城市色彩呈现出灰、花的状态，城市特质逐渐消失。因此，如何对城市色彩进行高品质的设计，形成城市个性成为我们必须重视的问题。

目前，城市建筑色彩基调确定一般通过色卡比对、取色器度量以及GIS平台整合等实现的，通常为低样本的抽样形式；色彩分析方面，多数研究也都脱胎于“色彩地理学”。存在如下缺点：由于城市建筑量庞大，利用传统“色彩地理学”的色卡比对等方式，欲获取城市建筑的各项色彩指标将要耗费巨大的时间；现有技术方法采用个人主观判断颜色，根据不同情境调查人员可能获取不同的建筑颜色值；目前国内广为研究与讨论的色彩规划方法大多实施于大型或超大型城市，而在影响与辐射面积占国土面积大半的中小城市的规划中受重视程度明显不足，有待研究与践行。因此提出一种中小城市色彩规划方法、存储介质和装置。

发明内容

针对现有技术的不足，本发明提出了一种中小城市色彩规划方法、存储介质和装置。

本发明的目的可以通过以下技术方案实现：

一种中小城市色彩规划方法，包括：

将城市的环境资料通过HSV表达方式生成环境色彩信息；从所述环境色彩信息提取主体色彩；将所述主体色彩通过Munsell表达方式进行转译，确定所述主体色彩在Munsell色卡中的位置；以所述主体色彩的位置为基准点，从Munsell色卡筛选出符合HSV特征的色彩即城市主体色彩；

通过层次分析法建立城市色彩空间敏感性评价指标体系，利用专家评分法确定各个城市主体色彩的权重值，基于所述权重值计算所述城市主体色彩获取城市色彩重要度数据；以所述城市色彩重要度数据为参照，规划城市色彩；

所述城市色彩空间敏感性评价指标体系的获取步骤如下：运用层次分析法确定所有指标的权重值，基于各因子权重运用加权求和法，依照从低层级到高层级的顺序逐一进行归并，得到各层级子项的权重值，形成城市色彩空间敏感性评价指标体系。

进一步地，所述环境色彩包括人工环境色彩，所述人工环境色彩的生成包括以下步骤：

利用Labelme软件对人工环境图片进行“打标签”的处理，手动标注出每张图片中的建筑区块，并存储为对应的json文件进行训练；

通过PyTorch对所述区块进行语义识别并生成通道图；

统计所述通道图的色块占比，将占比为前8位的色彩作为人工环境色彩。

进一步地，所述环境资料包含图片资料和文献资料。

进一步地，基于所述图片资料获取所述环境色彩信息方法为：通过Matlab识别图片色彩，将所述图片色彩以HSV表达方式生成环境色彩信息。

进一步地，基于所述文献资料获取所述环境色彩信息方法为：通过所述文献资料与自然环境色彩和与文化环境色彩相关的的色彩信息确定色系，将所述色系以HSV表达方式生成环境色彩信息。

进一步地，所述环境资料包括自然环境资料、人工环境资料和文化环境资料。

进一步地，所述层次分析法以所述自然环境、人工环境和文化环境为准则层。

进一步地，所述自然环境准则层以气候取色、土壤取色、植物取色和水系取色为子准则层；所述人工环境准则层以居住用地、商业用地、工业用地、行政用地和其它公共用地为子准则层。

一种计算机可读存储介质，所述计算机可读存储介质存储以上任一所述的一种城市色彩规划方法。

一种中小城市色彩规划装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以上任一种中小城市色彩规划方法。

本发明的有益效果：

本发明引介地理学科的ArcGIS平台所建立的城市色彩数据库以及基于Python的街景图片抓取技术便可以较好地解决当下中小城市数据收集与整合的问题。利用基于样本城市自身街景的训练集训练出的模型对街景图片进行语义分割，大幅提高建筑通道预测的准确率。再结合色彩信息提取与分析工具Matlab，进而实现中小城市色彩规划效率、精度的双重提高。本发明通过层次分析法对城市色彩进行了量化分析，基于各类影响要素的权重，叠加相应的Munsell色相信息进行取值，由此得到城市色彩重要度数据，结果更为客观。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本申请的流程示意图；

图2为本申请的街景图像色彩信息抓取流程示意图；

图3为本申请的街景图像及语义分割通道图；

图4为本申请的层次分析法的流程示意图；

图5为层次分析法影响因子层次结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：本实施例中城市的环境资料包含自然环境资料、人工环境资料和文化环境资料，具体实施步骤如下：

通过文献调研、街景地图网站获取城市自然环境、人工环境和文化环境图像数据与文献资料。自然环境调研获取的内容包括：气候数据，土壤、水系、植被图像；人工环境调研获取的内容包括：居住用地、商业用地、工业仓储用地、行政办公用地和其它公共用地的街景图象；文化环境调研内容包括：用地范围内的社会文化和地域文化的相关色彩倾向、主要民族的色彩喜恶，并收集民俗活动和历史建筑照片；自然环境和文化环境的图像数据的获取采用文献调查法，文献包括：相关期刊杂志、综述、评述、地方志、年鉴、辞典等；人工环境的图像数据包括街景照片，需通过网络地图获取。

对自然环境、人工环境和文化环境的图像进行色彩信息提取，对自然地理环境和历史文化环境文献资料进行色彩信息提取：通过Matlab识别出自然环境资料和文化环境资料中每张图片中的主色彩，通过自然环境资料和文化环境资料中对应的文献信息描述确定色系，用HSV表达方式将主色彩和色系转换为自然环境色彩信息和文化环境色彩信息；人工环境色彩信息需要通过Labelme对人工环境资料中的代表性图片进行“打标签”的处理，通过手动标注出每张图片中的建筑、天空、植物三个种类的区块，并存储为对应的json文件进行训练，再基于PyTorch实现的全卷积网络的语义分割程序对图片中的不同物体进行语义识别，生成新的通道图，图中以不同的色块来表征不同类型的物体，从而区分色彩信息的采集点，最后基于Matlab识别出每张图片中占比为前8位的色彩，用HSV表达方式表达人工环境色彩信息。

统计汇总各类图像的主要涵盖色彩：统计自然环境因素、人工环境因素、文化环境因素中的子要素；然后根据各个子要素从自然环境色彩、人工环境色彩和文化环境色彩提取主体色彩，将主体色彩由HSV表达方式转译为Munsell表达方式，并确定其在Munsell色卡中的对应位置。然后，在色卡中以主体色彩作为基准点，对其周边色彩进行筛选，选出符合此要素对应的HSV分布特征的色彩，由此得到城市各个要素所主要涵盖的色彩即城市主体色彩。

运用层次分析法综合评定各类因素对城市色彩的影响与作用：将“城市色彩总体定位”为目标层，“自然、人工、文化环境要素”为准则层；“气候取色、土壤取色、植物取色、水系取色”为自然环境要素的子准则层，“居住用地、商业用地、工业仓储用地、行政办公用地和其它公共用地”为人工环境要素的子准则层,“五行五色、历史建筑取色和民族民俗取色”为文化环境要素的子准则层；接着运用层次分析法确定所有指标所对应的权重值，然后通过ArcGIS基于各因子权重，运用加权求和法，依照从低层级到高层级的顺序逐一进行归并，得到准则层及各子项的权重值，形成城市色彩空间敏感性评价指标体系。

复合分析各类影响要素，得到城市色彩重要度数据：基于各类影响要素的权重，叠加相应Munsell色相信息以获取城市色彩重要度数据。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有以上任一所述的一种城市色彩规划方法。

本发明实施例还提供一种中小城市色彩规划装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以上任一种中小城市色彩规划方法。

实施例二：参见图1，本实施例以某个中小城市为例，对本发明作进一步地说明。

获取该城市图像数据。收集包括自然、人工、文化不同方面的图像信息。自然地理环境图像包括：气候、土壤、植物、水系，人工建成环境图像包括：居住用地、商业用地、工业仓储用地、行政办公用地和其它公共用地。文化环境图像包括：五行五色、历史建筑取色和民族民俗取色。数据的获取主要采用文献调查法。此外，包括基于新技术的大数据收集，如WGS84的GEOTIFF格式的该城市及其周边地区的地表覆盖数据，转录进ArcGIS的该城市中心城区用地矢量图形及其属性信息，通过百度街景API获取的该城市中心城区街景照片及经过色彩识别生成的数据和基于无人机拍摄并整合的该城市重要区域的鸟瞰照片。

自然地理环境数据提取：

(1)根据该城市日照较多、温度较低、空气湿度和透明度小的气候特点，基于不同气候类型对城市色彩的影响机理，加之建筑热工和色彩感受等方面的综合考虑，得出该城市建筑主色调：应多采用中低明度、中彩度的暖色调。

(2)根据该城市所处区域确定植被类型与茂密程度，同时选取境内农田植被中占比较高的种类进行取样分析，并查询其色彩随季节发生的变化，得到的分析的结果HSV表达式，根据HSV色彩分布直方图中得出境内植被取色主要色系及取色彩度和明度分布区间。对该城市境内土壤取色并用HSV表达式进行分析。从HSV色彩分布直方图中可以发现：该城市黄潮土取色多集中于R、YR、Y、GY四个色系；彩度多分布于[10，50]的区间内，以30为峰值；而明度主要分布于[40,80]的区间，以57为峰值。同时盐碱化的潮土还包含大量明度较高的无彩色。

(3)根据该城市的位置可推断出其区域性的植被取色主要为G、BG色系，明度取值为[4,8]，彩度取值为[4,10]。同时根据该城市主要的农林作物种类选取占比较高的种类进行取样分析，并查询其色彩随季节发生的变化，得到HSV色彩分布直方图：该城市植被取色多集中于R、YR、Y、GY、G、BG这六个色系，秋季时其中RY、Y、GY的占比会大幅上升；彩度多分布于[30,70]的区间内，以50为峰值；而明度主要分布于[30,80]的区间，以50为峰值。

(4)根据该城市的整体区位确定区域水体色系为B、BG、Y色系，明度取值为[5,8]，彩度取值为[2,8]。对该城市水系取色并用HSV色彩分布直方图表示：该城市中心城区的水系取色多集中于GY、G、BG、B、PB这五个色系中；彩度多分布于[0,30]的区间内，以5为峰值；而明度主要分布于[20,60]的区间，以50为峰值。

参见图2对人工建成环境数据提取：(1)根据城市街景图像绘制轨迹点底图，对研究底图进行交叉口打断、增密和折点转点等操作，获取街景点数据。抓取街景图片，运用Python语言访问百度地图应用程序接口，收集街道景象信息。

(2)从抓取的样本城市街景图片中选出代表性图片。利用Labelme软件对代表性图片进行“打标签”的处理，手动标注出每张图片中的建筑、天空、植物三个种类的区块，并存储为对应的.json文件进行训练。

(3)参见图3，利用自定义数据集训练出的模型对样本城市的街景图片中建筑部分进行的预测。利用基于PyTorch实现的全卷积网络的语义分割程序对图片中的不同物体进行语义识别，生成新的通道图，图中以不同的色块来表征不同类型的物体，从而区分色彩信息的采集点。

(4)对原图片及其分割后的通道图中指定区域的色彩信息提取。利用Matlab平台，以原图片及其通道图为素材，对指定区域的色彩信息进行提取。把采集到的色彩按其对应的像素数量占比进行分类，划为基调、辅助、点缀三种色彩类型，并记录其HSV数值。

文化环境数据提取：

(1)根据当地的文化环境，重点对汉代建筑取色进行研究，确定文化主色彩色调为青紫和灰色；

(2)通过对代表该城市的地方节日与习俗的图片分析，初步获取该城市民俗取色倾向。取色结果以暖褐色系为主，色相集中于R、YR、Y、GY、B这几个色系，彩度分布区间主要为(0,70]，峰值为20，明度分布区间主要为[20,90]，峰值为75。

对城市自然地理环境色彩、人工建成环境色彩、历史文化环境色彩分类进行了综合统计。基于Matlab软件平台，将从各子要素中提取的主要色彩由HSV表达方式转译为Munsell表达方式，并确定其在Munsell色卡中的对应位置。然后，在色卡中以上述色彩作为基准点，对其周边色彩进行筛选，选出符合此要素对应的HSV分布特征的色彩：该城市自然环境色彩在R、YR、Y这三个色系中分布最为广泛；该城市人工建成环境色彩在R、YR两个色系中分布最为广泛；历史文化环境在R、YR、Y三个色系中分布最为广泛。由此得到该城市各个要素所主要涵盖的色彩。

将“城市色彩总体定位”为目标层，“自然、人工、文化环境要素”为准则层，更细化的“气候取色、土壤取色、植物取色、水系取色，居住用地、商业用地、工业仓储用地、行政办公用地和其它公共用地，五行五色、历史建筑取色和民族民俗取色”为子准则层。

运用层次分析法(AHP法)，对低层级要素相对于高层级要素的影响力强弱进行评估，接着对所得评估结果进行数学计算，从而将所有指标所对应的权重值确定出来，最后再进行矩阵一致性的检验。

在ArcGIS的平台上，基于各因子权重，运用加权求和法，依照从低层级到高层级的顺序逐一进行归并，得到准则层及各子项的权重值。

基于各类影响要素的权重，叠加相应Munsell色相信息进行取值，由此得到该城市色彩重要度数据。

最后得到了关于该城市城市色彩基调的色彩主题与总体色谱，即城市色彩重要度数据。根据城市色彩重要度数据对该城市用地进行特色规划。

本实施例中，将影响该城市城市色彩基调的因素分为三类，且对每一类要素所囊括的色彩进行了综合、记录，并依托Munsell色卡进行了信息的转译与量化表达。在分析层面依托层次分析法确定各类色彩要素及其子项对该城市总体色彩影响的权重，再将各因子本身所代表的色系结合权重进行梳理，得出各色系的重要性排序，为城市色彩基调定位提供依据。具有以下至少一种优点：

(1)速度快。借用开放的百度街景取代人工现场拍照，能够快速获取该城市各街道内包含建筑的图片。

(2)人员投入少。现有技术方法为了满足项目的应用需求，需要派出数十人甚至更多人才能在短时间内调查完毕建筑色彩。本专利仅需1至2名专业设计人员，外加2名数据程序员，便可完成大量调研照片的获取。

(3)结果客观。现有技术方法中，对色彩的判断完全依靠设计人员的眼睛，不同的人员在不同的环境下，对结果的判断有可能不同。本专利依靠计算机辅助判别，能够实现结果的一致性，不受主观因素影响。

(4)定量分析。现有方法对色彩的分析多为定性分析。本专利运用层次分析法对各类因素进行定性分析，其结果可视化强。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (10)

1.一种中小城市色彩规划方法，其特征在于，包括：

将城市的环境资料通过HSV表达方式生成环境色彩信息；从所述环境色彩信息提取主体色彩；将所述主体色彩通过Munsell表达方式进行转译，确定所述主体色彩在Munsell色卡中的位置；以所述主体色彩的位置为基准点，从Munsell色卡筛选出符合HSV特征的色彩即城市主体色彩；

通过层次分析法建立城市色彩空间敏感性评价指标体系，利用专家评分法确定各个城市主体色彩的权重值，基于所述权重值计算所述城市主体色彩获取城市色彩重要度数据；以所述城市色彩重要度数据为参照，规划城市色彩。

2.根据权利要求1所述的中小城市色彩规划方法，其特征在于，所述环境色彩信息包括人工环境色彩信息，所述人工环境色彩信息的生成包括以下步骤：

标识所述环境资料的图片中的建筑、天空和植物种类的区块；

通过PyTorch对所述区块进行语义识别并生成通道图；

基于Matlab软件平台，以原图片为素材，识别出每张图片中占比为前8位的色彩；

将所述人工环境色彩通过HSV表达方式生成所述人工环境色彩信息。

3.根据权利要求1所述的中小城市色彩规划方法，其特征在于，所述环境资料包含图片资料和文献资料。

4.根据权利要求3所述的中小城市色彩规划方法，其特征在于，基于所述图片资料获取所述环境色彩信息方法为：通过Matlab识别图片色彩，将所述图片色彩以HSV表达方式生成环境色彩信息。

5.根据权利要求3所述的中小城市色彩规划方法，其特征在于，基于所述文献资料获取所述环境色彩信息方法为：通过所述文献资料与自然环境色彩和与文化环境色彩相关的的色彩信息确定色系，将所述色系以HSV表达方式生成环境色彩信息。

6.根据权利要求1所述的中小城市色彩规划方法,其特征在于，所述环境资料包括自然环境资料、人工环境资料和文化环境资料。

7.根据权利要求1所述的中小城市色彩规划方法,其特征在于，所述层次分析法以自然环境、人工环境和文化环境为准则层。

8.根据权利要求5所述的中小城市色彩规划方法,其特征在于，所述自然环境的准则层以气候取色、土壤取色、植物取色和水系取色为子准则层；所述人工环境的准则层以居住用地、商业用地、工业用地、行政用地和其它公共用地为子准则层。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至8任一所述的一种中小城市色彩规划方法。

10.一种中小城市色彩规划装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一种中小城市色彩规划方法。

Images