技术领域
[0001] 本
发明涉及室内装修技术领域，尤其涉及一种室内装饰物料分类方法。
背景技术
[0002] 中国的
室内设计与装饰是20世纪末从建筑设计中分离出来形成的独立学科和行业，21世纪后进入了全面发展的阶段。在这近30年的发展过程中，室内的装饰物料也从最早的物料品类少、品牌单一、业主选择面狭窄逐步扩展为物料品类丰富全面、品牌的数量级档次繁多、业主筛选方式多样。
[0003] 室内装饰物料包括石料、陶瓷、玻璃、金属、木材、塑料、面料、皮料、墙纸、涂料等，目前行业对物料物理属性的
颜色和
风格的分类标准比较模糊，造成分类的指导性不强，且均是人工识别，分类结果存在误差，在分类时物理属性精准度并不高，并且根据取材而划分的材质类别，会因使用者对材质认知的局限而受影响，以及所谓的色系基本是靠人为划分，不同的品牌及不同的人做出的颜色分类就会有很大区别，即划分装饰物料材质类别和色系时受主观性影响较大。
发明内容
[0004] 因此本发明提出一种室内装饰物料分类方法，解决了现有的分类方法中出现的分类指导性不强、分类结果存在误差、分类物理属性精准度不高、主观性较大的问题。
[0005] 本发明的技术方案是这样实现的：一种室内装饰物料分类方法,包括依次进行的以下步骤：
[0006] ①读入步骤：将包含材质图案的物料图片读入用户终端的内存进行保存；
[0007] ②识别步骤：
服务器将读入步骤中的物料图片进行识别，所述识别步骤包括分类识别步骤、自动识别步骤；
[0008] 所述分类识别步骤中，对读入步骤的物料图片中的物料进行种类分类后传输至服务器进行自动识别步骤；
[0009] 所述自动识别步骤中，将来自分类识别步骤的物料图片通过服务器进行自动识别，所述自动识别包括：材质大小度识别、材质疏
密度识别、材质曲直度识别、材质有序无序识别、材质色彩识别；
[0010] ③外观识别步骤：将经过识别步骤识别后的物料图片进行软硬度识别、粗糙度识别；
[0011] ④存储步骤：将经过外观识别步骤的物料图片调整文件名并存储于服务器的
数据库中；
[0012] ⑤交互步骤：服务器将存储步骤中调整文件名后的物料图片发送至用户终端，显示于用户。
[0013] 进一步地，所述材质大小度识别、材质疏密度识别、材质曲直度识别、材质有序无序识别、材质色彩识别同步进行。
[0014] 进一步地，所述软硬度识别、粗糙度识别同步进行。
[0015] 进一步地，所述物料图片包括物料照片。
[0016] 进一步地，所述材质大小度识别包括以下步骤：
[0017] (1)通过服务器的框格化模
块对来自分类识别步骤的物料图片进行框格化处理；
[0018] (2)服务器预处理经过框格化处理后的物料图片；
[0019] (3)服务器计算物料图片中的材质图案占据的框格数量；
[0020] (4)服务器判断物料图片中材质图案的大小度。
[0021] 进一步地，所述材质疏密度识别包括以下步骤：
[0022] (1)通过服务器的模糊化模块对来自分类识别步骤的物料图片进行模糊化处理；
[0023] (2)服务器对经过模糊化后的物料图片进行材质图案间距识别；
[0024] (3)服务器判断物料图片中材质图案的疏密度。
[0025] 进一步地，所述材质曲直度识别包括以下步骤：
[0026] (1)通过服务器的模糊化模块对来自分类识别步骤的物料图片进行模糊化处理；
[0027] (2)服务器提取模糊化后的物料图片的材质图案边线；
[0028] (3)服务器判断物料图片中的材质图案的曲直度。
[0029] 进一步地，所述材质有序无序识别包括以下步骤：
[0030] (1)通过服务器的模糊化模块对来自分类识别步骤的物料图片进行模糊化处理；
[0031] (2)服务器预处理经过模糊化处理后的物料图片；
[0032] (3)提取材质图案轮廓；
[0033] (4)根据材质图案，进行物料图片
水平
片段截取；
[0034] (5)将水平片段平移，投射到图片中其他
位置；
[0035] (6)服务器判断物料图片中材质图案的有序或无序。
[0036] 进一步地，所述材质色彩识别包括以下步骤：
[0037] (1)服务器对来自分类识别步骤的物料图片进行高斯模糊；
[0038] (2)如果高斯模糊后的物料图片为全白，则所述物料图片色彩为白色，如果高斯模糊后的物料图片不为全白，则将高斯模糊后的不为全白的物料图片调整为50*50的
分辨率，计算每个点的色彩，丢弃其中纯白和/或偏白的色彩；
[0039] (3)列举出点数最多的前3种色彩，并进行标记；
[0040] (4)将RGB色彩值变更为munsell色彩值。
[0041] 进一步地，所述预处理包括对物料图片进行尺寸归一化、去噪声处理。
[0042] 通过上述公开内容，本发明的有益效果为：经本发明室内装饰物料分类方法处理后的物料图片，用服务器代替人工对物料进行准确的识别和筛选，用粗糙度和软硬度为物料进行外观识别(触感分类)，用材质大小度和材质疏密度对物料进行图案分类，用材质曲直度和材质有序无序对物料进行形状分类，并依托Munsell色彩体系形成统一的取色标准，为物料进行更科学的色彩分类，使分类标准准确，从而分类指导性强，通过服务器识别，消除了人工识别主观性较大的问题，消除了分类误差，分类物理属性精准度高。且提供了有
力的数据库
基础。
附图说明
[0043] 图1为本发明
实施例中室内装饰物料分类方法的
流程图。
[0044] 图2为本发明实施例中图像纹理方向性检测
算法的流程图。
具体实施方式
[0045] 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他实施例，都属于本发明保护的范围。
[0046] 参见图1-2，一种室内装饰物料分类方法,包括依次进行的以下步骤：
[0047] ①读入步骤：将包含材质图案的物料图片读入用户终端的内存进行保存，所述物料图片包括物料照片，本实施例选用物料照片作为物料图片，本实施例选用智能手机作为用户终端；
[0048] ②识别步骤：服务器将读入步骤中的物料照片进行种类、图案、颜色、形状识别，所述识别步骤包括分类识别步骤、自动识别步骤；
[0049] 所述分类识别步骤中，对读入步骤的物料照片中的物料进行种类分类后传输至服务器进行自动识别步骤，所述分类识别步骤中，服务器将读入步骤中的物料照片进行种类识别；
[0050] 所述自动识别步骤中，将来自分类识别步骤的物料照片通过服务器进行自动识别，所述自动识别包括：材质大小度识别、材质疏密度识别、材质曲直度识别、材质有序无序识别、材质色彩识别，本实施例中所述材质大小度识别、材质疏密度识别、材质曲直度识别、材质有序无序识别、材质色彩识别同步进行；
[0051] 所述材质色彩识别中，服务器将来自分类识别步骤的物料照片进行颜色识别；所述材质大小度识别、材质疏密度识别、材质曲直度识别、材质有序无序识别中，服务器将来自分类识别步骤的物料照片进行图案、形状识别。
[0052] 本实施例中，所述材质大小度识别包括以下步骤：
[0053] (1)通过服务器的框格化模块对来自分类识别步骤的物料照片进行框格化处理；
[0054] (2)服务器对经过框格化处理后的物料照片进行尺寸归一化、去噪声处理；
[0055] (3)服务器计算物料照片中的材质图案占据的框格数量；
[0056] (4)服务器判断物料照片中材质图案的大小度。
[0057] 本实施例所述大小度指1mx1m单位尺寸下的单个图案与底色的图底面积比。
[0058] 所述材质疏密度识别包括以下步骤：
[0059] (1)通过服务器的模糊化模块对来自分类识别步骤的物料照片进行模糊化处理；
[0060] (2)服务器对经过模糊化后的物料照片进行材质图案间距识别；
[0061] (3)服务器判断物料照片中材质图案的疏密度。
[0062] 本实施例所述疏密度指以1mx1m单位尺寸下的连续图案的数量。
[0063] 所述材质曲直度识别包括以下步骤：
[0064] (1)通过服务器的模糊化模块对来自分类识别步骤的物料照片进行模糊化处理；
[0065] (2)服务器提取模糊化后的物料照片的材质图案边线；
[0066] (3)服务器判断物料照片中的材质图案的曲直度。
[0067] 所述材质有序无序识别包括以下步骤：
[0068] (1)通过服务器的模糊化模块对来自分类识别步骤的物料照片进行模糊化处理；
[0069] (2)服务器对经过模糊化处理后的物料照片进行尺寸归一化、去噪声处理；
[0070] (3)提取材质图案轮廓；
[0071] (4)根据材质图案，进行物料照片水平片段截取；
[0072] (5)将水平片段平移，投射到图片中其他位置；
[0073] (6)服务器判断物料照片中材质图案的有序或无序。
[0074] 所述材质色彩识别包括以下步骤：
[0075] (1)服务器对来自分类识别步骤的物料照片进行高斯模糊；
[0076] (2)如果高斯模糊后的物料照片为全白，则所述物料照片色彩为白色，如果高斯模糊后的物料照片不为全白，则将高斯模糊后的不为全白的物料照片调整为50x50的分辨率，计算每个点的色彩，丢弃其中纯白和/或偏白的色彩；
[0077] (3)列举出点数最多的前3种色彩，并进行标记；
[0078] (4)将RGB色彩值变更为munsell色彩值。
[0079] 本实施例以蒙塞尔(Munsell)色彩系统为基础，从色相(Hue)、明度(Value)、彩度(Chroma)三个颜色纬度对物料进行综合取色分类。H_V_C＝色相值_明度值_彩度值(色值取至小数点后一位)，对于非彩色的黑白系列(中性色)用N表示，在N后标明度值V，标定方法为：NV＝中性色明度值。
[0080] ③外观识别步骤：将经过识别步骤识别后的物料照片进行软硬度识别、粗糙度识别，本实施例中，所述软硬度识别、粗糙度识别同步进行；本实施例所述的粗糙度指物料反射率，是由基于菲涅尔效应的实际物体折射率中计算出的F0值获得，其中金属的反射率为70％—100％，非金属反射率为2％—5％，所述软硬度指指物料在外力作用时且不断裂前提下的
变形度。
[0081] ④存储步骤：将经过外观识别步骤的物料照片调整文件名并存储于服务器的数据库中；为后续工作提供有力的数据库基础。
[0082] ⑤交互步骤：服务器将存储步骤中调整文件名后的物料照片发送至智能手机，显示于用户。
[0083] 本实施例中采用纹理
边缘检测算法进行材质疏密度识别：
[0084] 设窗口图像在
空域(x,y)位置上的
像素点具有灰度f(x,y)，其
傅立叶变换定义为[0085]
[0086] u，v＝0.1，...，M-1
[0088] |F(u，v)|2＝F(u，v)F*(u，v) (公式2)
[0089] 根据功率谱与极坐标平面的转换
[0090]
[0091]
[0092] 由于傅立叶变换功率谱的环特征可以表征纹理粗细，因此，可以根据功率谱P的分布确定边缘检测模板的大小，进而实现对纹理疏密的检测。其主要计算定义有：
[0093]
[0094] 基于以上公式，通过以下算法来进行边缘监测：
[0095] Step1：对输入图像的每个像素点，以该点为中心，在滑动窗口内根据公式1进行傅立叶变换，并计算其功率谱；
[0096] Step2：根据公式3将功率谱转换到极坐标平面；
[0097] Step3：根据公式4计算该窗口内傅立叶变换功率谱的环特征；
[0098] Step4：计算该区域像素点的梯度；
[0099] Step5：重复步骤1到步骤4，直到图像中所有像素点都被处理完。
[0100] 本实施例中采用图像纹理方向性检测算法进行材质有序无序识别：
[0101] (1)根据小波和Radon变换在检测纹理方向性特征方面的研究特点，本实施例在服务器识别纹理方向时使用了基于二维集合经验分解的图像纹理方向性检测算法。首先将图像进行二维集合经验模态分解，然后对其结果进行小波分解，再对分解结果进行Radon变换，从而确定图像纹理的方向。参见图2，其处理流程为：
[0102] Step1：对图像进行预处理，包括尺寸归一化、去噪声等简单操作，得到预处理后的图像；
[0103] Step2：对预处理后的图像进行BEEMD分解，得到该图像一系列的BIMF和一个余量；
[0104] Step3：对上一步中分解得到的BIMF1进行二维小波分解，得到高频、低频等各部分分解结果；
[0105] Step4：对上一步得到的结果，用以下公式计算得到图像的Radon变换结果。
[0106] [R，xp]＝Radon(I，θ)
[0107] 其中，I是待处理的图像，θ是投射
角度，R记录了图像I沿着θ角度方向上的Radon变换值，xp则对应于轴的坐标值。
[0108] 在本实施例中，我们取0,45和90,135四个角度来对Radon变换结果进行纹理方向性特征分析。
[0109] 经本实施例中室内装饰物料分类方法处理后的物料图片，用服务器代替人工对物料进行准确的识别和筛选，用粗糙度和软硬度为物料进行外观识别(触感分类)，用材质大小度和材质疏密度对物料进行图案分类，用材质曲直度和材质有序无序对物料进行形状分类，并依托Munsell色彩体系形成统一的取色标准，为物料进行更科学的色彩分类，使分类标准准确，从而分类指导性强，通过服务器识别，消除了人工识别主观性较大的问题，消除了分类误差，分类物理属性精准度高。
[0110] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的
权利要求范围当中。
