目的是通过图像算法智能识别房屋类型图中的墙体和门窗，获取墙体端点和拐点的坐标。这样根据这些墙面线条的坐标，就可以自动生成一个立体的房间，供设计师查看。经过几个月左右的突击，终于取得了不错的识别效果。下面的图片是随机选择的，以确定结果。
测试识别户型图：
测试户型图
自动识别户型图
重新识别房间标识
后续业务生成的3D建模场景房型图识别的任务分析。
拿到任务后，对当前比较流行的房图风格，进行简单的观察和分析，主要有以下几点：。
房型图的墙面风格是多样的，用深色的纯色来代表墙面，用用方块线的形式来代表墙面。。用深色表示承重墙，用浅色实线表示非承重墙也是很有用的。
房间图中的物品很乱，导致识别错误。在房型图上，一般会将色图涂在沙发、电视柜、床等上，从而带来更好的观赏效果。。这样一来，就会给房型图的识别带来很大的麻烦。例如，一张床的边缘，以及一个电视柜，或地毯的边缘，可以很容易地被识别为一面墙。。
初步处理。
根据经验，首先对房间图像进行灰度化处理，并根据灰度分布采用动态阈值，生成二值图像。对于二值化图像，识别图片中的主体，即房间类型的主要轮廓区域，获得房间类型轮廓所对应的墙壁的灰度分布。。
根据墙壁的灰度等级，用k均值计算房间地图中的像素，将接近墙壁灰度等级的像素判断为墙壁面积。。
最后对识别出的墙面积进行矢量化，得到墙的端点和拐点信息，完成墙的识别。。门窗的识别可以在墙体识别结果的基础上进行。
以上主要是用OpenCV中的形态学函数实现的。经过测试发现，该方法只能对部分房型图产生较好的识别效果。。对于大多数墙面来说，由于房间类型图中物体的干扰（床、地毯、电视柜、沙发、衣柜、桌子等），很容易造成识别错误。。此外，由于框线画法的墙面积是由平行线组成的，用灰度分布的方法难以识别。。这种策略基本上是放弃了。
因为有了以上的经验，所以在房屋类型图中使用了一个比较复杂的算法来识别墙。。目前该算法基本上可以解决误识别的问题，对于大部分房间的地图，都能准确地识别墙体面积并获取其端点坐标。。
根据需要，墙线段端点拐点信息可以存储在xml或json文件中，也可以以http的形式返回。。当然，在比较困难的图像识别问题上，很少有算法能够达到100%的准确率。对于识别结果中出现的个别错误识别案例，可以在交互中提供修改工具供设计人员使用，大大提高了设计人员的工作效率。
目前，三维家居、酷居装修设计软件也集成了类似的、智能识别户型图中墙面的功能，并提供了对正确和错误的识别和修改的交互工具。
基于机器视觉单元图素自动提取方法：
第一步是对房屋图进行二值化处理，得到二值图像。
第二步是从二值化图像中识别字符的大小、字符所在的区域和区域的位置，并识别图像中的直线。
第三步，将识别的大小数字字符与其对应的比例线段进行匹配。
第四步，根据不同的墙角形状，在二值图像中识别出墙角，从起始点开始搜索，识别出墙角所在的区域。 第五步，墙所在的区域为封闭区域，确定封闭区域的功能，确定封闭区域内其他元素的功能。
使用的库:Google TesseractOCR可识别字母数字字符，OpenCV LSD可识别直线。
vx:wlgbzg
