JP6903458B2 - 印象量推定方法、印象量推定装置、及び建物設計方法 - Google Patents
印象量推定方法、印象量推定装置、及び建物設計方法 Download PDFInfo
- Publication number
- JP6903458B2 JP6903458B2 JP2017059365A JP2017059365A JP6903458B2 JP 6903458 B2 JP6903458 B2 JP 6903458B2 JP 2017059365 A JP2017059365 A JP 2017059365A JP 2017059365 A JP2017059365 A JP 2017059365A JP 6903458 B2 JP6903458 B2 JP 6903458B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- image
- brightness
- room
- window
- 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.)
- Active
Links
Images
Landscapes
- Image Generation (AREA)
Description
本発明は、印象量推定方法、印象量推定装置、及び建物設計方法に関するものである。
室内空間の環境を評価する上で、室内空間に対して、人が感じる明るさや印象を把握することは重要である。室内空間の照明設計には、日本工業規格の照度基準が使用されることが多い。
また近年、光環境評価において輝度の重要性が高まり、輝度による空間評価方法が提案されている。
人が感じる「明るさ」をより正確に予測して設計に活かす手法が提案されるようになったが、照度の取り扱いの簡便さから依然として、照度による空間設計が行われることが多く、また、デザイナーの経験やセンスに依るところも大きい。
また近年、光環境評価において輝度の重要性が高まり、輝度による空間評価方法が提案されている。
人が感じる「明るさ」をより正確に予測して設計に活かす手法が提案されるようになったが、照度の取り扱いの簡便さから依然として、照度による空間設計が行われることが多く、また、デザイナーの経験やセンスに依るところも大きい。
空間の明るさ環境を評価する技術に関して、入力された画像データから、前方視野１８０度円内の輝度分布及び分布状況の統計量を求め、予め異なる明るさ環境の室内空間を観測者により評価した評価データから導いた明るさ感予測式により明るさ感を予測し、その予測結果を用いて評価する技術が知られている（例えば、特許文献１参照）。
しかしながら、前記室内空間の明るさ感は、着目した空間の平均値として算出されるため室内空間内部のデザインへ応用することは難しい。また室内空間の設計を、インテリアアドバイザーの経験やセンスによって行う場合、インテリアアドバイザーによって、室内空間の設計の結果が異なってしまう場合がある。
本発明は、前述した問題点に鑑みてなされたものであり、室内空間を構成する部位毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる印象量推定方法、印象量推定装置、及び建物設計方法を提供することを目的とする。
（１）上記課題を解決するため、本発明の一実施形態は、コンピュータ装置が、特定の視点から認識される部屋に対する印象量を推定する印象量推定方法であって、前記コンピュータ装置が、部屋の照明情報と昼光情報とを含む入力情報を取得するステップと、前記コンピュータ装置が、前記入力情報に基づいて、輝度画像を生成するステップと、前記コンピュータ装置が、前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割するステップと、前記コンピュータ装置が、前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算するステップとを有する印象量推定方法である。
本実施形態に係る印象量推定方法によれば、部屋の照明情報と昼光情報とを含む入力情報を取得し、取得した入力情報に基づいて、輝度画像を生成し、生成した輝度画像を、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割する。そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算する。
このように、入力情報に基づいて生成した輝度画像が、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
（２）本発明の一実施形態は、前述した印象量推定方法において、前記分割するステップでは、前記コンピュータ装置が、前記輝度画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算することとしてもよい。
このように構成することによって、生成した輝度画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
（３）本発明の一実施形態は、前述した印象量推定方法において、前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、明るさ画像を生成するステップを有し、前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割することとしてもよい。
このように構成することによって、輝度画像から生成した明るさ画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
（４）本発明の一実施形態は、前述した印象量推定方法において、前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算することとしてもよい。
このように構成することによって、輝度画像から生成した明るさ画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
（５）本発明の一実施形態は、前述した印象量推定方法において、前記演算するステップでは、前記コンピュータ装置が、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均を演算し、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均にさらに基づいて、演算することとしてもよい。
このように構成することによって、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均を演算し、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
（６）本発明の一実施形態は、前述した印象量推定方法において、前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、グレア画像を生成するステップを有し、前記分割するステップでは、前記グレア画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割することとしてもよい。
このように構成することによって、輝度画像から生成したグレア画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
（７）本発明の一実施形態は、前述した印象量推定方法において、前記分割するステップでは、前記コンピュータ装置が、前記グレア画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割することとしてもよい。
このように構成することによって、輝度画像から生成したグレア画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
（８）本発明の一実施形態は、前述した印象量推定方法において、前記演算するステップでは、前記コンピュータ装置が、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値を演算し、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値にさらに基づいて、印象量を示す値を演算するようにしてもよい。
このように構成することによって、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値を演算し、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値にさらに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の眩しさによる不快感を構成面毎に評価できるため、視線が向きやすい面でグレアが問題になるか容易に判断することができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
このように構成することによって、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値を演算し、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値にさらに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の眩しさによる不快感を構成面毎に評価できるため、視線が向きやすい面でグレアが問題になるか容易に判断することができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
（９）本発明の一実施形態は、特定の視点から認識される部屋に対する印象量を推定する印象量推定装置であって、部屋の照明情報と昼光情報とを含む入力情報を取得する取得部と、前記入力情報に基づいて、輝度画像を生成する生成部と、前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する分割部と、前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算する演算部とを備える印象量推定装置である。
本発明の一実施形態に係る印象量推定装置によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
本発明の一実施形態に係る印象量推定装置によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
（１０）本発明の一実施形態は、上記（１）から上記（８）のいずれか一項に記載の印象量推定方法を有する、コンピュータ装置が実行する、建物設計方法である。
本発明の一実施形態に係る建物設計方法によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
本発明の一実施形態に係る建物設計方法によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
本発明によれば、入力情報に基づいて生成した輝度画像が、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
また、本発明によれば、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
また、本発明によれば、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
次に、本発明を実施するための形態を、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
（印象量推定装置）
本発明の実施形態に係る印象量推定装置１００は、建物の室内空間の印象量を評価するコンピュータ装置である。具体的には、印象量推定装置１００は、部屋の形状と内装物性を示す室内空間を表す部屋情報（以下、「室内空間情報」という）を含む入力情報を取得し、取得した室内空間情報に基づいて、輝度画像を生成する。印象量推定装置１００は、生成した輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する。ここで、部屋の部位とは、部屋の中で、ある位置を占める部分をいう。そして、印象量推定装置１００は、部位毎の情報の各々と、部位毎の情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
本発明の実施形態に係る印象量推定装置１００は、建物の室内空間の印象量を評価するコンピュータ装置である。具体的には、印象量推定装置１００は、部屋の形状と内装物性を示す室内空間を表す部屋情報（以下、「室内空間情報」という）を含む入力情報を取得し、取得した室内空間情報に基づいて、輝度画像を生成する。印象量推定装置１００は、生成した輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する。ここで、部屋の部位とは、部屋の中で、ある位置を占める部分をいう。そして、印象量推定装置１００は、部位毎の情報の各々と、部位毎の情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
以下、一例として、部屋の各部位に、天井、壁、床、窓などの部屋の構成面を適用した場合について、説明を続ける。この場合、印象量推定装置１００は、生成した輝度画像を、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。ここで、特定の視点とは、想定される居住者の代表的視点を意味する。具体的には、居住者の姿勢として、立位、座位、床位などが考えられ、特定の視点は、部屋の高さ方向、幅方向におけるさまざまな位置の視点が考えられる。例えば、印象量推定装置１００は、部屋の目的に併せて視点位置を設定する。具体的には、印象量推定装置１００は、キッチンのような基本立っている空間の場合には、視点位置を、シンク前で高さ１５００ｍｍ程度（女性の目の高さ）に設定し、リビングの場合には、視点位置を、９００ｍｍ（床座）もしくは壁の端部より１２００ｍｍ（ソファー座）に設定する。また、印象量推定装置１００は、基本的な空間としての評価を行う場合は、部屋中央で高さ１２００ｍｍ〜１５００ｍｍ程度を代表として、設定する。
以下、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置１００は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。また、印象量は、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、暖かさなどが含まれる。
（室内空間の構成）
図１は、建物の室内空間の構成の一例を示す図である。室内空間の形状の一例は四角柱であり、図１はその内部を示す。図１において、２０は視点を示す。ここでは、一例として、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に認識される室内空間ついて説明する。なお、紙面の手前側から見て、紙面の奥側の方位を北とする。
室内空間は、天井１と左側面壁２と右側面壁３と正面壁４と床５と窓１１と照明１３とを含む。左側面壁２は、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、左側に見える壁である。また、右側面壁３は、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、右側に見える壁である。正面壁４は紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、正面に見える壁である。窓１１は右側面壁３に取り付けられた窓である。
印象量推定装置１００には、図１に示される室内空間を識別する室内空間識別情報と室内空間情報とを含む入力情報が入力される。以下、印象量推定装置１００について説明を続ける。
図１は、建物の室内空間の構成の一例を示す図である。室内空間の形状の一例は四角柱であり、図１はその内部を示す。図１において、２０は視点を示す。ここでは、一例として、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に認識される室内空間ついて説明する。なお、紙面の手前側から見て、紙面の奥側の方位を北とする。
室内空間は、天井１と左側面壁２と右側面壁３と正面壁４と床５と窓１１と照明１３とを含む。左側面壁２は、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、左側に見える壁である。また、右側面壁３は、紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、右側に見える壁である。正面壁４は紙面の手前側の視点２０から紙面の奥側の方向を見た場合に、正面に見える壁である。窓１１は右側面壁３に取り付けられた窓である。
印象量推定装置１００には、図１に示される室内空間を識別する室内空間識別情報と室内空間情報とを含む入力情報が入力される。以下、印象量推定装置１００について説明を続ける。
（印象量推定装置の構成）
図２は、実施形態に係る印象量推定装置１００のハードウェア構成の一例を示す図である。印象量推定装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０２とＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０４とＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０６と入出力装置１０８と通信モジュール１１０と補助記憶装置１１２とバス１２０とを備えている。
図２は、実施形態に係る印象量推定装置１００のハードウェア構成の一例を示す図である。印象量推定装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０２とＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０４とＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０６と入出力装置１０８と通信モジュール１１０と補助記憶装置１１２とバス１２０とを備えている。
ＣＰＵ１０２は、印象量推定装置１００の動作を制御するプログラムなどをＲＯＭ１０４や補助記憶装置１１２から読み出し、ＲＡＭ１０６に展開して実行する。
入出力装置１０８は、室内空間情報の入力画面、部屋の印象量の評価結果などを表示する。また、入出力装置１０８は、ユーザの操作を受け付ける。入出力装置１０８は、タッチパネル、ポインティングデバイス、タッチパッド、ディスプレイなどによって構成される。
通信モジュール１１０は、ＮＦＣモジュール、無線ＬＡＮモジュールなどによって構成される。また、通信モジュール１１０がＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）によって構成されてもよい。通信モジュール１１０は、ＮＦＣ、無線ＬＡＮ、有線によって外部の機器との間で通信を行う。
補助記憶装置１１２は、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）カードなどによって構成される。補助記憶装置１１２には、ＣＰＵ１０２によって実行されるプログラムが格納される。
入出力装置１０８は、室内空間情報の入力画面、部屋の印象量の評価結果などを表示する。また、入出力装置１０８は、ユーザの操作を受け付ける。入出力装置１０８は、タッチパネル、ポインティングデバイス、タッチパッド、ディスプレイなどによって構成される。
通信モジュール１１０は、ＮＦＣモジュール、無線ＬＡＮモジュールなどによって構成される。また、通信モジュール１１０がＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）によって構成されてもよい。通信モジュール１１０は、ＮＦＣ、無線ＬＡＮ、有線によって外部の機器との間で通信を行う。
補助記憶装置１１２は、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）カードなどによって構成される。補助記憶装置１１２には、ＣＰＵ１０２によって実行されるプログラムが格納される。
（印象量推定装置の機能構成）
図３は、実施形態に係る印象量推定装置の機能ブロック図である。
印象量推定装置１００は、補助記憶装置１１２からＲＡＭ１０６上に展開されたプログラムをＣＰＵ１０２が実行することによって、取得部１５２と画像生成部１５４と分割部１５６と演算部１５８と印象量推定部１６０と記憶部１６２と出力部１６４として機能する。
図３は、実施形態に係る印象量推定装置の機能ブロック図である。
印象量推定装置１００は、補助記憶装置１１２からＲＡＭ１０６上に展開されたプログラムをＣＰＵ１０２が実行することによって、取得部１５２と画像生成部１５４と分割部１５６と演算部１５８と印象量推定部１６０と記憶部１６２と出力部１６４として機能する。
（印象量推定装置の各機能構成）
図２及び図３を用いて、印象量推定装置１００の各機能構成について詳細に説明する。なお、以下では、印象量推定装置１００の各機能を説明するにあたって、図３に示されている印象量推定装置１００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
取得部１５２は、ＣＰＵ１０２からの命令、及び入出力装置１０８によって実現される。取得部１５２は、入出力装置１０８から、ユーザが入力した入力情報を取得する。入力情報は、室内空間識別情報と室内空間情報とを含む。室内空間識別情報は、複数の室内空間がある場合に、室内空間を一意に識別するための情報であり、文字、記号などによって表される。室内空間情報は、部屋に設置された照明などの光源の出力情報、配光に関する情報などの照明情報を含む。また、室内空間情報は、部屋に設置された窓から差し込む光を示す情報である昼光情報を含む。昼光情報は、部屋が設置される地域、日時、方位などに基づいて求められる。
印象量推定装置１００が起動すると、入出力装置１０８に室内空間識別情報を入力する画面が表示される。ユーザが室内空間識別情報を入力する画面に、印象量を推定する室内空間の室内空間識別情報を入力すると、室内空間情報の入力画面が表示される。
図２及び図３を用いて、印象量推定装置１００の各機能構成について詳細に説明する。なお、以下では、印象量推定装置１００の各機能を説明するにあたって、図３に示されている印象量推定装置１００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
取得部１５２は、ＣＰＵ１０２からの命令、及び入出力装置１０８によって実現される。取得部１５２は、入出力装置１０８から、ユーザが入力した入力情報を取得する。入力情報は、室内空間識別情報と室内空間情報とを含む。室内空間識別情報は、複数の室内空間がある場合に、室内空間を一意に識別するための情報であり、文字、記号などによって表される。室内空間情報は、部屋に設置された照明などの光源の出力情報、配光に関する情報などの照明情報を含む。また、室内空間情報は、部屋に設置された窓から差し込む光を示す情報である昼光情報を含む。昼光情報は、部屋が設置される地域、日時、方位などに基づいて求められる。
印象量推定装置１００が起動すると、入出力装置１０８に室内空間識別情報を入力する画面が表示される。ユーザが室内空間識別情報を入力する画面に、印象量を推定する室内空間の室内空間識別情報を入力すると、室内空間情報の入力画面が表示される。
図４は、室内空間情報の入力画面の一例を示す図である。入力画面１７０には、室内空間情報として、幅２０２、奥行き２０４、天井高さ２０６などの部屋のサイズを示す情報が含まれる。ここで、幅２０２は、室内空間の構成面に含まれる左側面壁２と右側面壁３との間の水平方向の長さである。奥行き２０４は、視点２０と正面壁４との間の水平方向の長さである。天井高さ２０６は天井１から床５へ下した垂線の長さである。
また、室内空間情報には、窓種２０８、窓の配置２１０、窓の個数２１２などの窓情報が含まれる。窓種２０８は、掃出し窓、腰高窓、高窓、地窓、フルハイト縦長窓などの窓の種類を示す。窓の配置２１０は、東西南北などの窓が配置される方位を示す。窓の個数２１２は、室内空間に含まれる窓の個数を示す。さらに、室内空間情報には、窓ガラス種２１４、窓かけの有無２１６が含まれる。窓ガラス種２１４は、透明ガラス、かすみガラスなどの窓ガラスの種類を示す。窓かけは、レースのカーテンなどを示す。
また、室内空間情報には、窓種２０８、窓の配置２１０、窓の個数２１２などの窓情報が含まれる。窓種２０８は、掃出し窓、腰高窓、高窓、地窓、フルハイト縦長窓などの窓の種類を示す。窓の配置２１０は、東西南北などの窓が配置される方位を示す。窓の個数２１２は、室内空間に含まれる窓の個数を示す。さらに、室内空間情報には、窓ガラス種２１４、窓かけの有無２１６が含まれる。窓ガラス種２１４は、透明ガラス、かすみガラスなどの窓ガラスの種類を示す。窓かけは、レースのカーテンなどを示す。
また、室内空間情報には、壁の色２１８、床の色２２０、天井の色２２２等の材質を示す材質情報が含まれる。壁の色２１８は、左側面壁２の色、右側面壁３の色、正面壁４の色を示す。
また、室内空間情報には、図４に示された情報以外に、照明器具の種類、出力、位置、個数、配光パターンなどの照明情報が含まれる。照明器具の種類は、ダウンライト、スポットライトなどの照明１３の種類を示す。出力は、照明１３から出力される全光束を示す。位置は、照明１３が取り付けられている位置を示す。個数は、室内空間に含まれる照明１３の個数を示す。配光パターンは、全般拡散配光、直接配光、半直接配光、半間接配光、間接配光などの照明１３からの光の広がりを示す。
さらに、室内空間情報には、部屋が設置される地域、部屋の方位などの部屋設置情報が含まれる。
また、室内空間情報には、図４に示された情報以外に、照明器具の種類、出力、位置、個数、配光パターンなどの照明情報が含まれる。照明器具の種類は、ダウンライト、スポットライトなどの照明１３の種類を示す。出力は、照明１３から出力される全光束を示す。位置は、照明１３が取り付けられている位置を示す。個数は、室内空間に含まれる照明１３の個数を示す。配光パターンは、全般拡散配光、直接配光、半直接配光、半間接配光、間接配光などの照明１３からの光の広がりを示す。
さらに、室内空間情報には、部屋が設置される地域、部屋の方位などの部屋設置情報が含まれる。
入力情報は、室内空間識別情報及び室内空間情報以外の情報を含んでもよい。例えば、入力情報は、印象量を推定する日時情報を含んでもよい。
取得部１５２は、室内空間識別情報と室内空間情報と日時情報とを取得すると、取得した室内空間識別情報と室内空間情報と日時情報とを、画像生成部１５４へ出力する。
さらに、室内空間情報の入力画面には、評価値表示ボタン２２４が含まれる。評価値表示ボタン２２４は、入出力装置１０８に印象量の推定結果を表示させるときに押すボタンである。
取得部１５２は、室内空間識別情報と室内空間情報と日時情報とを取得すると、取得した室内空間識別情報と室内空間情報と日時情報とを、画像生成部１５４へ出力する。
さらに、室内空間情報の入力画面には、評価値表示ボタン２２４が含まれる。評価値表示ボタン２２４は、入出力装置１０８に印象量の推定結果を表示させるときに押すボタンである。
画像生成部１５４は、ＣＰＵ１０２からの命令によって実現される。画像生成部１５４は、取得部１５２から、室内空間識別情報と室内空間情報と日時情報とを取得すると、取得した室内空間情報と日時情報とを用いて、日時情報に含まれる日時において、部屋の天井１、左側面壁２、右側面壁３、正面壁４、床５、及び窓１１に、輝度を示す画像が示された輝度画像ＬＩを生成する。輝度は単位立体角、単位面積あたりの光度のことであり、輝度は立体情報を有している。具体的には、画像生成部１５４は、ラジオシティ法やレイトレーシング法等を用いることによって、輝度画像ＬＩを生成する。ラジオシティ法を用いることによって、実世界に近い光の挙動を模しているため最終的なレンダリング結果がより現実に近いものとなる。レイトレーシング法を用いることによって、ある点に届く光線などを逆にたどることによって、その点における画像などを描画するため、例えば、光線であれば、物体の表面の反射率、また透明度、屈折率などを細かく反映させた像が得られる。このため、レイトレーシング法を用いることによって、一画素ずつ光線の経路が計算されるので、高い画質で描画することができる。画像生成部１５４は、生成した輝度画像ＬＩの画像情報を、分割部１５６へ出力する。
分割部１５６は、ＣＰＵ１０２からの命令によって実現される。分割部１５６は、画像生成部１５４から、輝度画像ＬＩの画像情報を取得する。分割部１５６は、取得した輝度画像ＬＩを画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割する。つまり、分割部１５６は、輝度画像ＬＩを、天井１の部分に分割することによって、部屋の天井から特定の視点に入る天井輝度画像１ａを取得する。また、分割部１５６は、輝度画像ＬＩを、左側面壁２の部分に分割することによって、部屋の左側面壁２から特定の視点に入る左側面壁輝度画像２ａを取得する。また、分割部１５６は、輝度画像ＬＩを、右側面壁３の部分に分割することによって、部屋の右側面壁３から特定の視点に入る右側面壁輝度画像３ａを取得する。また、分割部１５６は、輝度画像ＬＩを、正面壁４の部分に分割することによって、部屋の正面壁４から特定の視点に入る正面壁輝度画像４ａを取得する。また、分割部１５６は、輝度画像ＬＩを、床５の部分に分割することによって、部屋の床５から特定の視点に入る床輝度画像５ａを取得する。また、分割部１５６は、輝度画像ＬＩを、窓１１の部分に分割することによって、部屋の窓１１から特定の視点に入る窓輝度画像１１ａを取得する。
図５は、輝度画像ＬＩの表示例を示す図である。図５には、輝度画像ＬＩに含まれる天井輝度画像１ａと左側面壁輝度画像２ａと右側面壁輝度画像３ａと正面壁輝度画像４ａと床輝度画像と５ａと窓輝度画像１１ａとが示されている。図５において、輝度自体を示す画像の詳細については省略される。さらに、図５には、ディスプレイ装置などの入出力装置１０８の画面に表示する色情報の最小単位であるピクセル３００が示されている。
分割部１５６は、天井輝度画像１ａの画像情報と左側面壁輝度画像２ａの画像情報と右側面壁輝度画像３ａの画像情報と正面壁輝度画像４ａの画像情報と床輝度画像５ａの画像情報と窓輝度画像１１ａとを、演算部１５８へ出力する。
演算部１５８は、ＣＰＵ１０２からの命令によって実現される。演算部１５８は、分割部１５６が出力した、天井輝度画像１ａの画像情報と左側面壁輝度画像２ａの画像情報と右側面壁輝度画像３ａの画像情報と正面壁輝度画像４ａの画像情報と床輝度画像５ａの画像情報と窓輝度画像１１ａとを取得する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
分割部１５６は、天井輝度画像１ａの画像情報と左側面壁輝度画像２ａの画像情報と右側面壁輝度画像３ａの画像情報と正面壁輝度画像４ａの画像情報と床輝度画像５ａの画像情報と窓輝度画像１１ａとを、演算部１５８へ出力する。
演算部１５８は、ＣＰＵ１０２からの命令によって実現される。演算部１５８は、分割部１５６が出力した、天井輝度画像１ａの画像情報と左側面壁輝度画像２ａの画像情報と右側面壁輝度画像３ａの画像情報と正面壁輝度画像４ａの画像情報と床輝度画像５ａの画像情報と窓輝度画像１１ａとを取得する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
さらに、演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々について、各輝度画像に含まれるピクセル毎の輝度（対数値）を読取り、読み取った輝度の幾何平均を演算する。ここで、幾何平均は、読み取った輝度の積の冪根（数値がn個ならn乗根）をとることで得られる。演算部１５８は、天井輝度画像１ａから得られた輝度の幾何平均の演算結果と、左側面壁輝度画像２ａから得られた輝度の幾何平均の演算結果と、右側面壁輝度画像３ａから得られた輝度の幾何平均の演算結果と、正面壁輝度画像４ａから得られた輝度の幾何平均の演算結果と、床輝度画像５ａから得られた輝度の幾何平均の演算結果と、窓輝度画像１１ａから得られた輝度の幾何平均の演算結果とを、室内空間識別情報と関連付ける。
以下、天井輝度画像１ａから得られた輝度の幾何平均の演算結果を天井輝度情報、左側面壁輝度画像２ａから得られた輝度の幾何平均の演算結果を左側面壁輝度情報、右側面壁輝度画像３ａから得られた輝度の幾何平均の演算結果を右側面壁輝度情報、正面壁輝度画像４ａから得られた輝度の幾何平均の演算結果を正面壁輝度情報、床輝度画像５ａから得られた輝度の幾何平均の演算結果を床輝度情報、窓輝度画像１１ａから得られた輝度の幾何平均の演算結果を窓輝度情報という。
以下、天井輝度画像１ａから得られた輝度の幾何平均の演算結果を天井輝度情報、左側面壁輝度画像２ａから得られた輝度の幾何平均の演算結果を左側面壁輝度情報、右側面壁輝度画像３ａから得られた輝度の幾何平均の演算結果を右側面壁輝度情報、正面壁輝度画像４ａから得られた輝度の幾何平均の演算結果を正面壁輝度情報、床輝度画像５ａから得られた輝度の幾何平均の演算結果を床輝度情報、窓輝度画像１１ａから得られた輝度の幾何平均の演算結果を窓輝度情報という。
演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を合計する。以下、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を合計した結果を、全画像のピクセル数という。
演算部１５８は、天井輝度画像１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、天井輝度画像１ａの全画像に対するピクセル比率を求める。以下、天井輝度画像１ａの全画像に対するピクセル比率を天井ピクセル比率という。
また、演算部１５８は、左側面壁輝度画像２ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、左側面壁輝度画像２ａの全画像に対するピクセル比率を求める。以下、左側面壁輝度画像２ａの全画像に対するピクセル比率を左側面壁ピクセル比率という。
演算部１５８は、天井輝度画像１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、天井輝度画像１ａの全画像に対するピクセル比率を求める。以下、天井輝度画像１ａの全画像に対するピクセル比率を天井ピクセル比率という。
また、演算部１５８は、左側面壁輝度画像２ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、左側面壁輝度画像２ａの全画像に対するピクセル比率を求める。以下、左側面壁輝度画像２ａの全画像に対するピクセル比率を左側面壁ピクセル比率という。
また、演算部１５８は、右側面壁輝度画像３ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、右側面壁輝度画像３ａの全画像に対するピクセル比率を求める。以下、右側面壁輝度画像３ａの全画像に対するピクセル比率を右側面壁ピクセル比率という。
また、演算部１５８は、正面壁輝度画像４ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、正面壁輝度画像４ａの全画像に対するピクセル比率を求める。以下、正面壁輝度画像４ａの全画像に対するピクセル比率を正面壁ピクセル比率という。
また、演算部１５８は、床輝度画像５ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、床輝度画像５ａの全画像に対するピクセル比率を求める。以下、床輝度画像５ａの全画像に対するピクセル比率を床ピクセル比率という。
また、演算部１５８は、窓輝度画像１１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、窓輝度画像１１ａの全画像に対するピクセル比率を求める。以下、窓輝度画像１１ａの全画像に対するピクセル比率を窓ピクセル比率という。
また、演算部１５８は、正面壁輝度画像４ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、正面壁輝度画像４ａの全画像に対するピクセル比率を求める。以下、正面壁輝度画像４ａの全画像に対するピクセル比率を正面壁ピクセル比率という。
また、演算部１５８は、床輝度画像５ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、床輝度画像５ａの全画像に対するピクセル比率を求める。以下、床輝度画像５ａの全画像に対するピクセル比率を床ピクセル比率という。
また、演算部１５８は、窓輝度画像１１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、窓輝度画像１１ａの全画像に対するピクセル比率を求める。以下、窓輝度画像１１ａの全画像に対するピクセル比率を窓ピクセル比率という。
演算部１５８は、求めた天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率と、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報とを、記憶部１６２に記憶されている印象量の推定式に代入することによって、印象量を示す値を演算する。具体的には、印象量の推定式は、式（１）によって表される。印象量の推定式の導出については、後述する。
印象量の推定値＝Ａ＋Ｂ（天井輝度情報×天井ピクセル比率）＋Ｃ（左側面壁輝度情報×左側面壁ピクセル比率）＋Ｄ（右側面壁輝度情報×右側面壁ピクセル比率）＋Ｅ（正面壁輝度情報×正面壁ピクセル比率）＋Ｆ（床輝度情報×床ピクセル比率）＋Ｇ（窓輝度情報×窓ピクセル比率） （１）
式（１）において、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、及びＧは実数であり、印象量推定装置１００の管理者によって予め設定される。Ａは定数であり、Ｂは天井輝度情報に対する重み付けであり、Ｃは左側面壁輝度情報に対する重み付けであり、Ｄは右側面壁輝度情報に対する重み付けであり、Ｅは正面壁輝度情報に対する重み付けであり、Ｆは床輝度情報に対する重み付けであり、Ｇは窓輝度情報に対する重み付けである。
なお、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、及びＧは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
なお、Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、及びＧは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部１５８は、印象量を示す値を、印象量推定部１６０へ出力する。
印象量推定部１６０は、ＣＰＵ１０２からの命令によって実現される。印象量推定部１６０は、演算部１５８が出力した印象量を示す値に基づいて、部屋に対する印象量を推定する。具体的には、印象量推定部１６０は、印象量を示す値が印象量閾値以上である場合には印象がよいと推定し、印象量を示す値が印象量閾値未満である場合には印象が悪いと推定する。印象量推定部１６０は、印象量の推定結果を示す情報を、出力部１６４へ出力する。
記憶部１６２は、補助記憶装置１１２によって実現される。記憶部１６２は、印象量の推定式を記憶する。
出力部１６４は、入出力装置１０８によって実現される。出力部１６４は、印象量推定部１６０から取得した印象量の推定結果を出力する。具体的には、出力部１６４は、印象量の推定結果を、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置１０８へ出力したり、通信モジュール１１０を介して他の装置へ出力したりする。
印象量推定部１６０は、ＣＰＵ１０２からの命令によって実現される。印象量推定部１６０は、演算部１５８が出力した印象量を示す値に基づいて、部屋に対する印象量を推定する。具体的には、印象量推定部１６０は、印象量を示す値が印象量閾値以上である場合には印象がよいと推定し、印象量を示す値が印象量閾値未満である場合には印象が悪いと推定する。印象量推定部１６０は、印象量の推定結果を示す情報を、出力部１６４へ出力する。
記憶部１６２は、補助記憶装置１１２によって実現される。記憶部１６２は、印象量の推定式を記憶する。
出力部１６４は、入出力装置１０８によって実現される。出力部１６４は、印象量推定部１６０から取得した印象量の推定結果を出力する。具体的には、出力部１６４は、印象量の推定結果を、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置１０８へ出力したり、通信モジュール１１０を介して他の装置へ出力したりする。
（印象量推定装置の動作）
図６は、実施形態に係る印象量推定装置の動作の一例を示すフローチャートである。
（ステップＳ１０２）取得部１５２は、ユーザが入出力装置１０８を操作することによって入力される入力情報を取得する。取得部１５２は、取得した入力情報を、画像生成部１５４へ出力する。前述したように、入力情報には、室内空間識別情報と室内空間情報と日時情報とが含まれる。
（ステップＳ１０４）画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。この輝度画像ＬＩは、部屋の天井１と左側面壁２と右側面壁３と正面壁４と床５と窓１１とに、輝度を示す画像が示されたものである。
図６は、実施形態に係る印象量推定装置の動作の一例を示すフローチャートである。
（ステップＳ１０２）取得部１５２は、ユーザが入出力装置１０８を操作することによって入力される入力情報を取得する。取得部１５２は、取得した入力情報を、画像生成部１５４へ出力する。前述したように、入力情報には、室内空間識別情報と室内空間情報と日時情報とが含まれる。
（ステップＳ１０４）画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。この輝度画像ＬＩは、部屋の天井１と左側面壁２と右側面壁３と正面壁４と床５と窓１１とに、輝度を示す画像が示されたものである。
（ステップＳ１０６）分割部１５６は、輝度画像ＬＩを、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａに分割する。
（ステップＳ１０８）演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
（ステップＳ１０８）演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
また、演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル毎に輝度を読取り、読み取った輝度の幾何平均を演算することによって、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を求める。
演算部１５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部１５８は、各ピクセル比率、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
（ステップＳ１１０）印象量推定部１６０は、印象量を示す値に基づいて、部屋に対する印象量を推定する。
（ステップＳ１１０）印象量推定部１６０は、印象量を示す値に基づいて、部屋に対する印象量を推定する。
（印象量の推定式の導出例）
印象量の推定式の導出例について説明する。
印象量の推定式を導出するために、ＬＤＫを想定した空間にさまざまなパターンで窓を配置して光環境のシミュレーションを行い、印象量の推定値を算定する。印象量の推定式の一例は、被験者実験の分析結果から得られた予測式を用いる。
印象量の推定式の導出例について説明する。
印象量の推定式を導出するために、ＬＤＫを想定した空間にさまざまなパターンで窓を配置して光環境のシミュレーションを行い、印象量の推定値を算定する。印象量の推定式の一例は、被験者実験の分析結果から得られた予測式を用いる。
（シミュレーションの条件）
図７は、シミュレーションを行う空間の概要を示す図である。
建物の立地は都市部の住宅地で、２階建ての隣家に囲われた、南北に長い総２階建ての住宅を想定した。建物及び隣家の高さはいずれもＸｍｍとした。隣家との距離は、建物と北側隣家の南に庭を想定して、東西で約Ｙｍｍ、南でＺｍｍ、北でＷｍｍとした。建物の平面規模は、便宜上、シミュレーション空間の平面規模と同一にした。シミュレーション空間は、一般的なＬＤＫ空間を想定して、建物の１階部分とし、規模は東西方向Ｊｍｍ、南北方向Ｋｍｍ、天井高Ｌｍｍとした。１階床の高さは、地面からＭｍｍとした。
図７は、シミュレーションを行う空間の概要を示す図である。
建物の立地は都市部の住宅地で、２階建ての隣家に囲われた、南北に長い総２階建ての住宅を想定した。建物及び隣家の高さはいずれもＸｍｍとした。隣家との距離は、建物と北側隣家の南に庭を想定して、東西で約Ｙｍｍ、南でＺｍｍ、北でＷｍｍとした。建物の平面規模は、便宜上、シミュレーション空間の平面規模と同一にした。シミュレーション空間は、一般的なＬＤＫ空間を想定して、建物の１階部分とし、規模は東西方向Ｊｍｍ、南北方向Ｋｍｍ、天井高Ｌｍｍとした。１階床の高さは、地面からＭｍｍとした。
（窓パターン）
シミュレーション空間に対し、さまざまなパターンで窓を配置した。窓種は、掃き出し窓、腰高窓（高さ３種類）、高窓、地窓（高さ２種類）、フルハイト縦長窓とし、位置や幅を変えてパターン展開を行った。パターン数は、東面配置と西面配置総計としては２２７パターンで、「印象量」の算定を行ったのは、東面配置の１１８パターンである。
（窓ガラス種、窓掛け）
南面掃き出し窓は、ガラス種を透明とし、窓掛けはレースのカーテンを設置した。南面以外の窓は、隣家からの視線の緩和を想定して、ガラス種をかすみガラスとし、掃き出窓を除き窓掛けは無とした。南面以外の掃き出し窓は、かすみガラスに加えレースカーテンを設置した。
シミュレーション空間に対し、さまざまなパターンで窓を配置した。窓種は、掃き出し窓、腰高窓（高さ３種類）、高窓、地窓（高さ２種類）、フルハイト縦長窓とし、位置や幅を変えてパターン展開を行った。パターン数は、東面配置と西面配置総計としては２２７パターンで、「印象量」の算定を行ったのは、東面配置の１１８パターンである。
（窓ガラス種、窓掛け）
南面掃き出し窓は、ガラス種を透明とし、窓掛けはレースのカーテンを設置した。南面以外の窓は、隣家からの視線の緩和を想定して、ガラス種をかすみガラスとし、掃き出窓を除き窓掛けは無とした。南面以外の掃き出し窓は、かすみガラスに加えレースカーテンを設置した。
（視線方向、視点）
視線方向は、図７に示すように東西南北の４方向とした。視点位置は、南北の視線方向では平面の中心とし、東西の視線方向では平面の中心から背後の壁際まで下がった位置とした。視高は床から一律１５００ｍｍとした。
（時刻）
シミュレーション時刻は、夏至（６月２２日）と冬至（１２月２２日）の２日間の、いずれも７：００から１６：００までの３０分ごととした。
以上により、シミュレーション計算の実施数は、ひとつの窓配置パターンにつき、４方向×２日×１９時刻＝１５２ケースになり、東面配置１１８の窓パターンでの総数は１７９３６である。
視線方向は、図７に示すように東西南北の４方向とした。視点位置は、南北の視線方向では平面の中心とし、東西の視線方向では平面の中心から背後の壁際まで下がった位置とした。視高は床から一律１５００ｍｍとした。
（時刻）
シミュレーション時刻は、夏至（６月２２日）と冬至（１２月２２日）の２日間の、いずれも７：００から１６：００までの３０分ごととした。
以上により、シミュレーション計算の実施数は、ひとつの窓配置パターンにつき、４方向×２日×１９時刻＝１５２ケースになり、東面配置１１８の窓パターンでの総数は１７９３６である。
（３Ｄモデルの作成）
３Ｄモデルは主にシミュレーション空間の表面を再現することに特化し、光環境に影響しない部分は省略した。
３Ｄモデルは主にシミュレーション空間の表面を再現することに特化し、光環境に影響しない部分は省略した。
（輝度画像分析）
レイトレーシング法の計算結果から得られたデータを分析し、印象量の推定値演算用のデータに変換した。推定値の演算用のデータは、レイトレーシング法の計算結果を、それぞれ天井・両側壁・床・正面壁・窓の５つの構成面に分割した上で、それらのピクセル毎の輝度（対数値）の幾何平均を算出したものとした。構成面に分割することによって、壁や床の明るさで印象が変わるという既往研究を発展させて検討することができる。構成面の分割は、各画像の構成面にあたるピクセル位置以外の部分を黒くマスキングした画像を別途作成し、幾何平均の算出の際にこの情報を掛け合わせる方法により行った。また、相加平均では一部が際立った輝度の場合に数値が偏り実際上の印象と異なる値を評価してしまう場合があるが、幾何平均を用いることによって、このようなことを低減できる。
レイトレーシング法の計算結果から得られたデータを分析し、印象量の推定値演算用のデータに変換した。推定値の演算用のデータは、レイトレーシング法の計算結果を、それぞれ天井・両側壁・床・正面壁・窓の５つの構成面に分割した上で、それらのピクセル毎の輝度（対数値）の幾何平均を算出したものとした。構成面に分割することによって、壁や床の明るさで印象が変わるという既往研究を発展させて検討することができる。構成面の分割は、各画像の構成面にあたるピクセル位置以外の部分を黒くマスキングした画像を別途作成し、幾何平均の算出の際にこの情報を掛け合わせる方法により行った。また、相加平均では一部が際立った輝度の場合に数値が偏り実際上の印象と異なる値を評価してしまう場合があるが、幾何平均を用いることによって、このようなことを低減できる。
（印象量の推定式の作成）
窓パターンシミュレーションの実行と並行して、被験者実験の結果から印象量の推定式を作成した。推定式は、重回帰分析を行うことにより作成する。推定式を作成する際、目的変数には被験者実験の印象量の点数を、説明変数には、天井、両側壁、床、正面壁、窓の５つの構成面の輝度の幾何平均の各々に、当該面の全画像に占めるピクセル比率をかけ合わせた数値を用いた。
以上により、前述した式（１）に示される印象量の推定式が得られる。
窓パターンシミュレーションの実行と並行して、被験者実験の結果から印象量の推定式を作成した。推定式は、重回帰分析を行うことにより作成する。推定式を作成する際、目的変数には被験者実験の印象量の点数を、説明変数には、天井、両側壁、床、正面壁、窓の５つの構成面の輝度の幾何平均の各々に、当該面の全画像に占めるピクセル比率をかけ合わせた数値を用いた。
以上により、前述した式（１）に示される印象量の推定式が得られる。
前述した実施形態では、紙面の手前側の視点２０から紙面の奥側の方向を見た場合について説明したが、この例に限られない。例えば、紙面手前側の視点２０から、紙面の右側の方向を見た場合や、紙面の左側を見た場合などについても適用できる。
また、前述した実施形態では、室内空間が、天井１、左側面壁２、右側面壁３、正面壁４、床５、窓１１、及び照明１３を含む場合について説明したが、この例に限られない。例えば、室内空間が、窓１１を除いて、天井１、左側面壁２、右側面壁３、正面壁４、床５、及び照明１３を含むようにしてもよい。
また、前述した実施形態では、画像生成部１５４が、取得部１５２から、室内空間識別情報と室内空間情報と日時情報とを取得し、取得した室内空間情報と日時情報とを用いて、日時情報に含まれる日時において、部屋の天井１、左側面壁２、右側面壁３、正面壁４、床５、及び窓１１に、輝度を示す画像が示された輝度画像ＬＩを生成する場合について説明したが、この例に限られない。例えば、取得部１５２は、ユーザが入力した部屋の撮像画像を取得し、取得した部屋の撮像画像を、画像生成部１５４へ出力する。画像生成部１５４は、取得部１５２が出力した撮像画像から、輝度画像ＬＩを生成するようにしてもよい。
また、前述した実施形態では、室内空間が、天井１、左側面壁２、右側面壁３、正面壁４、床５、窓１１、及び照明１３を含む場合について説明したが、この例に限られない。例えば、室内空間が、窓１１を除いて、天井１、左側面壁２、右側面壁３、正面壁４、床５、及び照明１３を含むようにしてもよい。
また、前述した実施形態では、画像生成部１５４が、取得部１５２から、室内空間識別情報と室内空間情報と日時情報とを取得し、取得した室内空間情報と日時情報とを用いて、日時情報に含まれる日時において、部屋の天井１、左側面壁２、右側面壁３、正面壁４、床５、及び窓１１に、輝度を示す画像が示された輝度画像ＬＩを生成する場合について説明したが、この例に限られない。例えば、取得部１５２は、ユーザが入力した部屋の撮像画像を取得し、取得した部屋の撮像画像を、画像生成部１５４へ出力する。画像生成部１５４は、取得部１５２が出力した撮像画像から、輝度画像ＬＩを生成するようにしてもよい。
また、前述した実施形態では、演算部１５８が、室内空間情報と日時情報とを用いて、部屋の天井１、左側面壁２、右側面壁３、正面壁４、床５、及び窓１１に、輝度が示された輝度画像を作成する場合について説明したが、この例に限られない。例えば、演算部１５８は、輝度画像を作成することなく、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算するようにしてもよい。また、例えば、演算部１５８は、輝度画像を作成することなく、天井輝度情報、側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を演算するようにしてもよい。
また、前述した実施形態では、演算部１５８が天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれる輝度の幾何平均を演算する場合について説明したが、この例に限られない。例えば、輝度の幾何平均の代わりに、明るさの尺度値、又は不快グレアを演算するようにしてもよい。
また、前述した実施形態では、出力部１６４から、印象量の推定値が出力される場合について説明したが、この例に限られない。例えば、出力部１６４は、演算部１５８及び印象量推定部１６０のいずれか一方又は両方から所定の情報を取得するように構成し、取得した所定の情報に基づいて、レンダリング画像、グレア画像、明るさ画像、輝度画像を表示するようにしてもよい。
また、前述した実施形態では、輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する場合に、一例として、部屋の各部位に、天井、左側面壁、右側面壁、正面壁、床、窓などの部屋の構成面を適用した場合について説明したが、この例に限られない。例えば、式（１）に示される印象量の推定値において、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、及びＧで示される重み付けのうち、値が大きいものの部位を含んでいればよい。具体的には、正面壁輝度情報に対する重み付けである「Ｅ」と、床輝度情報に対する重み付けである「Ｆ」と、窓輝度情報に対する重み付けである「Ｇ」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。また、天井輝度情報に対する重み付けである「Ｂ」と、正面壁輝度情報に対する重み付けである「Ｅ」と、窓輝度情報に対する重み付けである「Ｇ」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。
また、前述した実施形態では、出力部１６４から、印象量の推定値が出力される場合について説明したが、この例に限られない。例えば、出力部１６４は、演算部１５８及び印象量推定部１６０のいずれか一方又は両方から所定の情報を取得するように構成し、取得した所定の情報に基づいて、レンダリング画像、グレア画像、明るさ画像、輝度画像を表示するようにしてもよい。
また、前述した実施形態では、輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する場合に、一例として、部屋の各部位に、天井、左側面壁、右側面壁、正面壁、床、窓などの部屋の構成面を適用した場合について説明したが、この例に限られない。例えば、式（１）に示される印象量の推定値において、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ、及びＧで示される重み付けのうち、値が大きいものの部位を含んでいればよい。具体的には、正面壁輝度情報に対する重み付けである「Ｅ」と、床輝度情報に対する重み付けである「Ｆ」と、窓輝度情報に対する重み付けである「Ｇ」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。また、天井輝度情報に対する重み付けである「Ｂ」と、正面壁輝度情報に対する重み付けである「Ｅ」と、窓輝度情報に対する重み付けである「Ｇ」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。
また、前述した実施形態では、室内空間の形状が四角柱である場合について説明したが、この例に限られない。例えば、室内空間の形状が二個の四角柱をつなげたＬ字型の形状であってもよい。
図８は、室内空間の他の例を示す図である。図８は、図１に示した室内空間の右側面壁３に、天井１０（図示なし）（図９に図示）、側面壁６、側面壁７、側面壁８、及び床９からなる他の室内空間をつなげた室内空間を上から見た図である。
図９は、建物の室内空間の構成の他の例を示す図である。図９は、図８に示した室内空間を、紙面の手前側の視点２０から紙面の奥側の方向を見た図である。図９によれば、図８に示した室内空間を、紙面の手前側の視点２０から紙面の奥側の方向を見た場合、右側面壁３の奥側に窓ではない開放部３ｂが存在する。この開放部３ｂを介して他の室内空間とつながっている。他の室内空間に取り付けられた照明（図示なし）から、開放部３ｂへ光が差し込むことが想定される。また、他の室内空間に窓がある場合、その窓から、開放部３ｂへ光が差し込むことが想定される。この場合、開放部３ｂを側面壁や窓とみなして、前述した演算を行う。このように構成することによって、室内空間の形状が四角柱である場合に限らず、室内空間の形状がＬ字型の形状であっても適用できる。
図８は、室内空間の他の例を示す図である。図８は、図１に示した室内空間の右側面壁３に、天井１０（図示なし）（図９に図示）、側面壁６、側面壁７、側面壁８、及び床９からなる他の室内空間をつなげた室内空間を上から見た図である。
図９は、建物の室内空間の構成の他の例を示す図である。図９は、図８に示した室内空間を、紙面の手前側の視点２０から紙面の奥側の方向を見た図である。図９によれば、図８に示した室内空間を、紙面の手前側の視点２０から紙面の奥側の方向を見た場合、右側面壁３の奥側に窓ではない開放部３ｂが存在する。この開放部３ｂを介して他の室内空間とつながっている。他の室内空間に取り付けられた照明（図示なし）から、開放部３ｂへ光が差し込むことが想定される。また、他の室内空間に窓がある場合、その窓から、開放部３ｂへ光が差し込むことが想定される。この場合、開放部３ｂを側面壁や窓とみなして、前述した演算を行う。このように構成することによって、室内空間の形状が四角柱である場合に限らず、室内空間の形状がＬ字型の形状であっても適用できる。
（まとめ）
本実施形態に係る印象量推定装置１００によれば、部屋の照明情報と昼光情報とを含む入力情報を取得し、取得した入力情報に基づいて、輝度画像を生成し、生成した輝度画像を、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割する。そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定する。
本実施形態に係る印象量推定装置１００によれば、部屋の照明情報と昼光情報とを含む入力情報を取得し、取得した入力情報に基づいて、輝度画像を生成し、生成した輝度画像を、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割する。そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定する。
このように、入力情報に基づいて生成した輝度画像が、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
本実施形態に係る印象量推定装置１００によれば、生成した輝度画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
本実施形態に係る印象量推定装置１００によれば、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均を演算し、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
（変形例（その１））
変形例に係る印象量推定装置１００は、輝度画像ＬＩを生成すると、生成した輝度画像ＬＩを処理することによって、明るさ画像を生成する。印象量推定装置１００は、生成した明るさ画像を、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置１００は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置１００は、輝度画像ＬＩを生成すると、生成した輝度画像ＬＩを処理することによって、明るさ画像を生成する。印象量推定装置１００は、生成した明るさ画像を、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置１００は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置１００のハードウェア構成の一例は、図２を適用できる。
変形例に係る印象量推定装置１００の機能ブロック図は、図３を適用できる。ただし、画像生成部１５４は、輝度画像ＬＩを生成し、生成した輝度画像ＬＩに対して離散ウェーブレット分解を行い、各分解レベルで計算された細部に対して、その空間変化の粗さに対応した重みづけを掛け、その結果を基にウェーブレット合成をすることによって、明るさ画像ＢＩを生成する。画像生成部１５４は、生成した明るさ画像ＢＩの画像情報を、分割部１５６へ出力する。
変形例に係る印象量推定装置１００の機能ブロック図は、図３を適用できる。ただし、画像生成部１５４は、輝度画像ＬＩを生成し、生成した輝度画像ＬＩに対して離散ウェーブレット分解を行い、各分解レベルで計算された細部に対して、その空間変化の粗さに対応した重みづけを掛け、その結果を基にウェーブレット合成をすることによって、明るさ画像ＢＩを生成する。画像生成部１５４は、生成した明るさ画像ＢＩの画像情報を、分割部１５６へ出力する。
分割部１５６は、画像生成部１５４から、明るさ画像ＢＩの画像情報を取得する。分割部１５６は、取得した明るさ画像Ｂ１を画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割する。つまり、分割部１５６は、明るさ画像ＢＩを、天井１の部分に分割することによって、部屋の天井から特定の視点に入る天井明るさ画像１ａｂを取得する。また、分割部１５６は、明るさ画像ＢＩを、左側面壁２の部分に分割することによって、部屋の左側面壁２から特定の視点に入る左側面壁明るさ画像２ａｂを取得する。また、分割部１５６は、明るさ画像ＬＩを、右側面壁３の部分に分割することによって、部屋の右側面壁３から特定の視点に入る右側面壁明るさ画像３ａｂを取得する。また、分割部１５６は、明るさ画像ＬＩを、正面壁４の部分に分割することによって、部屋の正面壁４から特定の視点に入る正面壁明るさ画像４ａｂを取得する。また、分割部１５６は、明るさ画像ＬＩを、床５の部分に分割することによって、部屋の床５から特定の視点に入る床明るさ画像５ａｂを取得する。また、分割部１５６は、明るさ画像ＬＩを、窓１１の部分に分割することによって、部屋の窓１１から特定の視点に入る窓明るさ画像１１ａｂを取得する。明るさ画像の表示例は、図５を適用できる。
分割部１５６は、天井明るさ画像１ａｂの画像情報と左側面壁明るさ画像２ａｂの画像情報と右側面壁明るさ画像３ａｂの画像情報と正面壁明るさ画像４ａｂの画像情報と床明るさ画像５ａｂの画像情報と窓明るさ画像１１ａｂとを、演算部１５８へ出力する。
演算部１５８は、分割部１５６が出力した、天井明るさ画像１ａｂの画像情報と左側面壁明るさ画像２ａｂの画像情報と右側面壁明るさ画像３ａｂの画像情報と正面壁明るさ画像４ａｂの画像情報と床明るさ画像５ａｂの画像情報と窓明るさ画像１１ａｂとを取得する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数を演算する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
演算部１５８は、分割部１５６が出力した、天井明るさ画像１ａｂの画像情報と左側面壁明るさ画像２ａｂの画像情報と右側面壁明るさ画像３ａｂの画像情報と正面壁明るさ画像４ａｂの画像情報と床明るさ画像５ａｂの画像情報と窓明るさ画像１１ａｂとを取得する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数を演算する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
さらに、演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々について、各明るさ画像に含まれるピクセル毎の明るさ（対数値）を読取り、読み取った明るさの幾何平均を演算する。ここで、幾何平均は、読み取った明るさの積の冪根（数値がn個ならn乗根）をとることで得られる。演算部１５８は、天井明るさ画像１ａｂから得られた明るさの幾何平均の演算結果と、左側面壁明るさ画像２ａｂから得られた明るさの幾何平均の演算結果と、右側面壁明るさ画像３ａｂから得られた明るさの幾何平均の演算結果と、正面壁明るさ画像４ａｂから得られた明るさの幾何平均の演算結果と、床明るさ画像５ａｂから得られた明るさの幾何平均の演算結果と、窓明るさ画像１１ａｂから得られた明るさの幾何平均の演算結果とを、室内空間識別情報と関連付ける。
以下、天井明るさ画像１ａｂから得られた明るさの幾何平均の演算結果を天井明るさ情報、左側面壁明るさ画像２ａｂから得られた明るさの幾何平均の演算結果を左側面壁明るさ情報、右側面壁明るさ画像３ａｂから得られた明るさの幾何平均の演算結果を右側面壁明るさ情報、正面壁明るさ画像４ａｂから得られた明るさの幾何平均の演算結果を正面壁明るさ情報、床明るさ画像５ａｂから得られた明るさの幾何平均の演算結果を床明るさ情報、窓明るさ画像１１ａｂから得られた明るさの幾何平均の演算結果を窓明るさ情報という。
演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
演算部１５８は、天井明るさ画像１ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、天井ピクセル比率を求める。また、演算部１５８は、左側面壁明るさ画像２ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、左側面壁ピクセル比率を求める。また、演算部１５８は、右側面壁明るさ画像３ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、右側面壁ピクセル比率を求める。また、演算部１５８は、正面壁明るさ画像４ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、正面壁ピクセル比率を求める。また、演算部１５８は、床明るさ画像５ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、床ピクセル比率を求める。また、演算部１５８は、窓明るさ画像１１ａｂに含まれるピクセル数を、全画像のピクセル数で除算することによって、窓ピクセル比率を求める。
演算部１５８は、求めた天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率と、天井明るさ情報、左側面壁明るさ情報、右側面壁明るさ情報、正面壁明るさ情報、床明るさ情報、及び窓明るさ情報とを、記憶部１６２に記憶されている印象量の推定式に代入することによって、印象量を示す値を演算する。具体的には、印象量の推定式は、式（２）によって表される。印象量の推定式の導出については、後述する。
印象量の推定値＝ＡＡ＋ＢＡ（天井明るさ情報×天井ピクセル比率）＋ＣＡ（左側面壁明るさ情報×左側面壁ピクセル比率）＋ＤＡ（右側面壁明るさ情報×右側面壁ピクセル比率）＋ＥＡ（正面壁明るさ情報×正面壁ピクセル比率）＋ＦＡ（床明るさ情報×床ピクセル比率）＋ＧＡ（窓明るさ情報×窓ピクセル比率） （２）
式（２）において、ＡＡ、ＢＡ、ＣＡ、ＤＡ、ＥＡ、ＦＡ、及びＧＡは実数であり、印象量推定装置１００の管理者によって予め設定される。ＡＡは定数であり、ＢＡは天井明るさ情報に対する重み付けであり、ＣＡは左側面壁明るさ情報に対する重み付けであり、ＤＡは右側面壁明るさ情報に対する重み付けであり、ＥＡは正面壁明るさ情報に対する重み付けであり、ＦＡは床明るさ情報に対する重み付けであり、ＧＡは窓明るさ情報に対する重み付けである。
なお、ＡＡ、ＢＡ、ＣＡ、ＤＡ、ＥＡ、ＦＡ、及びＧＡは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部１５８は、印象量を示す値を、印象量推定部１６０へ出力する。
なお、ＡＡ、ＢＡ、ＣＡ、ＤＡ、ＥＡ、ＦＡ、及びＧＡは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部１５８は、印象量を示す値を、印象量推定部１６０へ出力する。
（印象量推定装置の動作）
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図６を適用できる。ただし、ステップＳ１０４では、画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。さらに、画像生成部１５４は、作成した輝度画像ＬＩに基づいて、明るさ画像ＢＩを作成する。
ステップＳ１０６では、分割部１５６は、明るさ画像ＢＩを、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂに分割する。
ステップＳ１０８では、演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数を演算する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図６を適用できる。ただし、ステップＳ１０４では、画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。さらに、画像生成部１５４は、作成した輝度画像ＬＩに基づいて、明るさ画像ＢＩを作成する。
ステップＳ１０６では、分割部１５６は、明るさ画像ＢＩを、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂに分割する。
ステップＳ１０８では、演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数を演算する。演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
また、演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル毎に明るさを読取り、読み取った明るさの幾何平均を演算することによって、天井明るさ情報、左側面壁明るさ情報、右側面壁明るさ情報、正面壁明るさ情報、床明るさ情報、及び窓明るさ情報を求める。
演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部１５８は、各ピクセル比率、天井明るさ情報、側面壁明るさ情報、正面壁明るさ情報、床明るさ情報、及び窓明るさ情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
演算部１５８は、天井明るさ画像１ａｂ、左側面壁明るさ画像２ａｂ、右側面壁明るさ画像３ａｂ、正面壁明るさ画像４ａｂ、床明るさ画像５ａｂ、及び窓明るさ画像１１ａｂの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部１５８は、各ピクセル比率、天井明るさ情報、側面壁明るさ情報、正面壁明るさ情報、床明るさ情報、及び窓明るさ情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
（まとめ）
変形例に係る印象量推定装置１００によれば、輝度画像から生成した明るさ画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成した明るさ画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均を演算し、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成した明るさ画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成した明るさ画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均を演算し、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
（変形例（その２））
変形例に係る印象量推定装置１００は、輝度画像ＬＩを生成すると、生成した輝度画像ＬＩを処理することによって、グレア画像ＧＩを生成する。印象量推定装置１００は、生成したグレア画像ＧＩを、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置１００は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置１００は、輝度画像ＬＩを生成すると、生成した輝度画像ＬＩを処理することによって、グレア画像ＧＩを生成する。印象量推定装置１００は、生成したグレア画像ＧＩを、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置１００は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置１００は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置１００のハードウェア構成の一例は、図２を適用できる。
変形例に係る印象量推定装置１００の機能ブロック図は、図３を適用できる。ただし、画像生成部１５４は、輝度画像ＬＩを生成し、生成した輝度画像ＬＩに対してウェーブレット解析することで導かれた画像に、実験より得られた眩しさに関する人間の知覚特性を掛け合わせることによって、グレア画像ＧＩを生成する。画像生成部１５４は、生成したグレア画像ＧＩの画像情報を、分割部１５６へ出力する。
分割部１５６は、画像生成部１５４から、グレア画像ＧＩの画像情報を取得する。分割部１５６は、取得したグレア画像Ｂ１を画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割する。つまり、分割部１５６は、グレア画像ＧＩを、天井１の部分に分割することによって、部屋の天井から特定の視点に入る天井グレア画像１ａｃを取得する。また、分割部１５６は、グレア画像ＧＩを、左側面壁２の部分に分割することによって、部屋の左側面壁２から特定の視点に入る左側面壁グレア画像２ａｃを取得する。また、分割部１５６は、グレア画像GＩを、右側面壁３の部分に分割することによって、部屋の右側面壁３から特定の視点に入る右側面壁グレア画像３ａｃを取得する。また、分割部１５６は、グレア画像GＩを、正面壁４の部分に分割することによって、部屋の正面壁４から特定の視点に入る正面壁グレア画像４ａｃを取得する。また、分割部１５６は、グレア画像GＩを、床５の部分に分割することによって、部屋の床５から特定の視点に入る床グレア画像５ａｃを取得する。また、分割部１５６は、グレア画像GＩを、窓１１の部分に分割することによって、部屋の窓１１から特定の視点に入る窓グレア画像１１ａｃを取得する。グレア画像の表示例は、図５を適用できる。
変形例に係る印象量推定装置１００の機能ブロック図は、図３を適用できる。ただし、画像生成部１５４は、輝度画像ＬＩを生成し、生成した輝度画像ＬＩに対してウェーブレット解析することで導かれた画像に、実験より得られた眩しさに関する人間の知覚特性を掛け合わせることによって、グレア画像ＧＩを生成する。画像生成部１５４は、生成したグレア画像ＧＩの画像情報を、分割部１５６へ出力する。
分割部１５６は、画像生成部１５４から、グレア画像ＧＩの画像情報を取得する。分割部１５６は、取得したグレア画像Ｂ１を画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割する。つまり、分割部１５６は、グレア画像ＧＩを、天井１の部分に分割することによって、部屋の天井から特定の視点に入る天井グレア画像１ａｃを取得する。また、分割部１５６は、グレア画像ＧＩを、左側面壁２の部分に分割することによって、部屋の左側面壁２から特定の視点に入る左側面壁グレア画像２ａｃを取得する。また、分割部１５６は、グレア画像GＩを、右側面壁３の部分に分割することによって、部屋の右側面壁３から特定の視点に入る右側面壁グレア画像３ａｃを取得する。また、分割部１５６は、グレア画像GＩを、正面壁４の部分に分割することによって、部屋の正面壁４から特定の視点に入る正面壁グレア画像４ａｃを取得する。また、分割部１５６は、グレア画像GＩを、床５の部分に分割することによって、部屋の床５から特定の視点に入る床グレア画像５ａｃを取得する。また、分割部１５６は、グレア画像GＩを、窓１１の部分に分割することによって、部屋の窓１１から特定の視点に入る窓グレア画像１１ａｃを取得する。グレア画像の表示例は、図５を適用できる。
分割部１５６は、天井グレア画像１ａｃの画像情報と左側面壁グレア画像２ａｃの画像情報と右側面壁グレア画像３ａｃの画像情報と正面壁グレア画像４ａｃの画像情報と床グレア画像５ａｃの画像情報と窓グレア画像１１ａｃとを、演算部１５８へ出力する。
演算部１５８は、分割部１５６が出力した、天井グレア画像１ａｃの画像情報と左側面壁グレア画像２ａｃの画像情報と右側面壁グレア画像３ａｃの画像情報と正面壁グレア画像４ａｃの画像情報と床グレア画像５ａｃの画像情報と窓グレア画像１１ａｃとを取得する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれるピクセル数を演算する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
演算部１５８は、分割部１５６が出力した、天井グレア画像１ａｃの画像情報と左側面壁グレア画像２ａｃの画像情報と右側面壁グレア画像３ａｃの画像情報と正面壁グレア画像４ａｃの画像情報と床グレア画像５ａｃの画像情報と窓グレア画像１１ａｃとを取得する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれるピクセル数を演算する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
さらに、演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々について、各グレア画像に含まれるグレアの最大値を算出する。例えば、演算部１５８は、昼光によるグレアの最大値を、Ｇｌａｒｅ Ｉｎｄｅｘ（ＧＩ）、Ｂｒｉｔｉｓｈ Ｄａｙ ｌｉｇｈｔ Ｇｌａｒｅ Ｉｎｄｅｘ（ＢＧＩ）、ＣＩＥ Ｇｌａｒｅ Ｉｎｄｅｘ（ＣＧＩ）、Ｐｒｅｄｉｃｔｅｄ Ｇｌａｒｅ Ｓｅｎｓａｔｉｏｎ Ｖｏｔｅ（ＰＧＳＶ）などの評価方法を用いて算出する。また、演算部１５８は、ＧＩ、ＢＧＩ、ＣＧＩ、ＰＧＳＶなどの評価方法から算出される値を、Ｕｎｉｆｉｅｄ Ｇｌａｒｅ Ｒａｔｉｎｇ（ＵＧＲ）に換算した値を用いて算出するようにしてもよい。演算部１５８は、天井グレア画像１ａｃから得られたグレアの最大値と、左側面壁グレア画像２ａｃから得られたグレアの最大値と、右側面壁グレア画像３ａｃから得られたグレアの最大値と、正面壁グレア画像４ａｃから得られたグレアの最大値と、床グレア画像５ａｃから得られたグレアの最大値と、窓グレア画像１１ａｃから得られたグレアの最大値とを、室内空間識別情報と関連付ける。
以下、天井グレア画像１ａｃから得られたグレアの最大値を天井グレア情報、左側面壁グレア画像２ａｃから得られたグレアの最大値を左側面壁グレア情報、右側面壁グレア画像３ａｃから得られたグレアの最大値を右側面壁グレア情報、正面壁グレア画像４ａｃから得られたグレアの最大値を正面壁グレア情報、床グレア画像５ａｃから得られたグレアの最大値を床グレア情報、窓グレア画像１１ａｃから得られたグレアの最大値を窓グレア情報という。
以下、天井グレア画像１ａｃから得られたグレアの最大値を天井グレア情報、左側面壁グレア画像２ａｃから得られたグレアの最大値を左側面壁グレア情報、右側面壁グレア画像３ａｃから得られたグレアの最大値を右側面壁グレア情報、正面壁グレア画像４ａｃから得られたグレアの最大値を正面壁グレア情報、床グレア画像５ａｃから得られたグレアの最大値を床グレア情報、窓グレア画像１１ａｃから得られたグレアの最大値を窓グレア情報という。
演算部１５８は、天井グレア情報、左側面壁グレア情報、右側面壁グレア情報、正面壁グレア情報、床グレア情報、及び窓グレア情報を、記憶部１６２に記憶されている印象量の推定式に代入することによって、印象量を示す値を演算する。具体的には、印象量の推定式は、式（３）によって表される。印象量の推定式の導出については、後述する。
印象量の推定値＝ＡＣ＋ＢＣ（天井グレア情報）＋ＣＣ（左側面壁グレア情報）＋ＤＣ（右側面壁グレア情報）＋ＥＣ（正面壁グレア情報）＋ＦＣ（床グレア情報）＋ＧＣ（窓グレア情報） （３）
式（３）において、ＡＣ、ＢＣ、ＣＣ、ＤＣ、ＥＣ、ＦＣ、及びＧＣは実数であり、印象量推定装置１００の管理者によって予め設定される。ＡＣは定数であり、ＢＣは天井グレア情報に対する重み付けであり、ＣＣは左側面壁グレア情報に対する重み付けであり、ＤＣは右側面壁グレア情報に対する重み付けであり、ＥＣは正面壁グレア情報に対する重み付けであり、ＦＣは床グレア情報に対する重み付けであり、ＧＣは窓グレア情報に対する重み付けである。
なお、ＡＣ、ＢＣ、ＣＣ、ＤＣ、ＥＣ、ＦＣ、及びＧＣは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部１５８は、印象量を示す値を、印象量推定部１６０へ出力する。
なお、ＡＣ、ＢＣ、ＣＣ、ＤＣ、ＥＣ、ＦＣ、及びＧＣは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部１５８は、印象量を示す値を、印象量推定部１６０へ出力する。
（印象量推定装置の動作）
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図６を適用できる。ただし、ステップＳ１０４では、画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。さらに、画像生成部１５４は、作成した輝度画像ＬＩに基づいて、グレア画像ＧＩを作成する。
ステップＳ１０６では、分割部１５６は、グレア画像ＧＩを、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃに分割する。
ステップＳ１０８では、演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々の最大値を演算する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれる最大値を、室内空間識別情報と関連付ける。
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図６を適用できる。ただし、ステップＳ１０４では、画像生成部１５４は、取得部１５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像ＬＩを作成する。さらに、画像生成部１５４は、作成した輝度画像ＬＩに基づいて、グレア画像ＧＩを作成する。
ステップＳ１０６では、分割部１５６は、グレア画像ＧＩを、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃに分割する。
ステップＳ１０８では、演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々の最大値を演算する。演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれる最大値を、室内空間識別情報と関連付ける。
また、演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれグレアの最大値を読取り、天井グレア情報、左側面壁グレア情報、右側面壁グレア情報、正面壁グレア情報、床グレア情報、及び窓グレア情報を求める
演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれる最大値を演算する。演算部１５８は、天井グレア情報、側面壁グレア情報、正面壁グレア情報、床グレア情報、及び窓グレア情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
前述した変形例では、演算部１５８が、天井グレア画像１ａｃから得られたグレアの最大値と、左側面壁グレア画像２ａｃから得られたグレアの最大値と、右側面壁グレア画像３ａｃから得られたグレアの最大値と、正面壁グレア画像４ａｃから得られたグレアの最大値と、床グレア画像５ａｃから得られたグレアの最大値と、窓グレア画像１１ａｃから得られたグレアの最大値とを、室内空間識別情報と関連付ける場合について説明したが、この例に限られない。例えば、グレアの最大値を用いる代わりに、問題となるグレアの閾値（評価点）を室内空間識別情報と関連付けるようにしてもよい。ここで、閾値は、使用した評価方法で提案されている値を用いた場合、例えばＵＧＲに換算した値では不快であると感じ始める値「２２」を閾値としてもよい。他の評価方法を用いた場合には、各々の不快であると感じ始める値を閾値とすればよい。
演算部１５８は、天井グレア画像１ａｃ、左側面壁グレア画像２ａｃ、右側面壁グレア画像３ａｃ、正面壁グレア画像４ａｃ、床グレア画像５ａｃ、及び窓グレア画像１１ａｃの各々に含まれる最大値を演算する。演算部１５８は、天井グレア情報、側面壁グレア情報、正面壁グレア情報、床グレア情報、及び窓グレア情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
前述した変形例では、演算部１５８が、天井グレア画像１ａｃから得られたグレアの最大値と、左側面壁グレア画像２ａｃから得られたグレアの最大値と、右側面壁グレア画像３ａｃから得られたグレアの最大値と、正面壁グレア画像４ａｃから得られたグレアの最大値と、床グレア画像５ａｃから得られたグレアの最大値と、窓グレア画像１１ａｃから得られたグレアの最大値とを、室内空間識別情報と関連付ける場合について説明したが、この例に限られない。例えば、グレアの最大値を用いる代わりに、問題となるグレアの閾値（評価点）を室内空間識別情報と関連付けるようにしてもよい。ここで、閾値は、使用した評価方法で提案されている値を用いた場合、例えばＵＧＲに換算した値では不快であると感じ始める値「２２」を閾値としてもよい。他の評価方法を用いた場合には、各々の不快であると感じ始める値を閾値とすればよい。
（まとめ）
変形例に係る印象量推定装置１００によれば、輝度画像から生成したグレア画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成したグレア画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成したグレア画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、輝度画像から生成したグレア画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置１００によれば、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値を演算し、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の眩しさによる不快感を構成面毎に評価できるため、視線が向きやすい面でグレアが問題になるか容易に判断することができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
（変形例（その３））
変形例に係る印象量推定装置２００は、前述した実施形態において、室内空間識別情報と関連付けて、前述した輝度画像ＬＩを記憶している。例えば、輝度画像ＬＩはラジオシティ法やレイトレーシング法等を用いることによって生成されたものであり、管理者によって、印象量推定装置２００に記憶されている。
変形例に係る印象量推定装置２００は、印象量推定装置２００のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像ＬＩを取得する。印象量推定装置２００は、取得した輝度画像ＬＩを、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割することによって、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａを取得する。
変形例に係る印象量推定装置２００は、前述した実施形態において、室内空間識別情報と関連付けて、前述した輝度画像ＬＩを記憶している。例えば、輝度画像ＬＩはラジオシティ法やレイトレーシング法等を用いることによって生成されたものであり、管理者によって、印象量推定装置２００に記憶されている。
変形例に係る印象量推定装置２００は、印象量推定装置２００のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像ＬＩを取得する。印象量推定装置２００は、取得した輝度画像ＬＩを、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割することによって、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａを取得する。
印象量推定装置２００は、取得した輝度画像の各々に含まれるピクセル数を演算する。また、印象量推定装置２００は、取得した輝度画像の各々から、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を演算する。変形例に係る印象量推定装置２００は、ピクセル数の演算結果と、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報とから、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、印象量を推定する。
変形例に係る印象量推定装置２００のハードウェア構成は、図２を適用できる。
（印象量推定装置の機能構成）
図１０は、変形例に係る印象量推定装置の機能ブロック図である。
印象量推定装置２００は、補助記憶装置１１２からＲＡＭ１０６上に展開されたプログラムをＣＰＵ１０２が実行することによって、取得部２５２と分割部２５６と演算部２５８と印象量推定部２６０と記憶部２６２と出力部２６４として機能する。
（印象量推定装置の機能構成）
図１０は、変形例に係る印象量推定装置の機能ブロック図である。
印象量推定装置２００は、補助記憶装置１１２からＲＡＭ１０６上に展開されたプログラムをＣＰＵ１０２が実行することによって、取得部２５２と分割部２５６と演算部２５８と印象量推定部２６０と記憶部２６２と出力部２６４として機能する。
（印象量推定装置の各機能構成）
図２及び図１０を用いて、印象量推定装置２００の各機能構成について詳細に説明する。なお、以下では、印象量推定装置２００の各機能を説明するにあたって、図１０に示されている印象量推定装置２００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
図２及び図１０を用いて、印象量推定装置２００の各機能構成について詳細に説明する。なお、以下では、印象量推定装置２００の各機能を説明するにあたって、図１０に示されている印象量推定装置２００の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
取得部２５２は、前述した取得部１５２を適用できる。ただし、取得部２５２は、入出力装置１０８から、ユーザが入力した入力情報を取得する。入力情報は、室内空間識別情報を含む。印象量推定装置１００が起動すると、入出力装置１０８に室内空間識別情報を入力する画面が表示される。ユーザが室内空間識別情報を入力する画面に、印象量を推定したい室内空間の室内空間識別情報を入力する。取得部２５２は、ユーザが入出力装置１０８を操作することによって入力された室内空間識別情報を、印象量推定部２６０へ出力する。
分割部２５６は、前述した分割部１５６を適用できる。ただし、分割部２５６は、取得部２５２が出力した室内空間識別情報を取得すると、記憶部２６２から、取得した室内空間識別情報に関連付けられている輝度画像ＬＩを取得する。
分割部２５６は、取得した輝度画像ＬＩを画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割することによって、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａを取得する。
演算部２５８は、前述した演算部１５８を適用できる。ただし、演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。さらに、演算部２５８は、各輝度画像の各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
分割部２５６は、取得した輝度画像ＬＩを画像処理することによって、天井１の部分、左側面壁２の部分、右側面壁３の部分、正面壁４の部分、床５の部分、及び窓１１の部分に分割することによって、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａを取得する。
演算部２５８は、前述した演算部１５８を適用できる。ただし、演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。さらに、演算部２５８は、各輝度画像の各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
演算部２５８は、天井輝度画像１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、天井ピクセル比率を求める。また、演算部２５８は、左側面壁輝度画像２ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、左側面壁ピクセル比率を求める。また、演算部２５８は、右側面壁輝度画像３ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、右側面壁ピクセル比率を求める。また、演算部２５８は、正面壁輝度画像４ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、正面壁ピクセル比率を求める。また、演算部２５８は、床輝度画像５ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、床ピクセル比率を求める。また、演算部２５８は、窓輝度画像１１ａに含まれるピクセル数を、全画像のピクセル数で除算することによって、窓ピクセル比率を求める。
さらに、演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々について、各輝度画像に含まれるピクセル毎の輝度を読取り、読み取った輝度の幾何平均を演算することによって、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を求める。
演算部２５８は、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率と、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を、記憶部２６２に記憶されている印象量の推定式である式（１）に代入することによって、印象量を示す値を演算する。
演算部２５８は、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率と、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を、記憶部２６２に記憶されている印象量の推定式である式（１）に代入することによって、印象量を示す値を演算する。
印象量推定部２６０は、前述した印象量推定部１６０を適用できる。ただし、印象量推定部２６０は、演算部１５８が出力した印象量を示す値に基づいて、印象量を推定する。印象量推定部２６０は、印象量の推定結果を、出力部２６４へ出力する。
記憶部２６２は、前述した記憶部１６２を適用できる。記憶部２６２は、印象量の推定式を記憶する。また、記憶部２６２は、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶する。
出力部２６４は、前述した出力部１６４を適用できる。出力部２６４は、印象量推定部２６０から取得した印象量の推定結果を出力する。具体的には、出力部２６４は、印象量の推定結果、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置１０８へ出力したり、通信モジュール１１０を介して他の装置へ出力したりする。
記憶部２６２は、前述した記憶部１６２を適用できる。記憶部２６２は、印象量の推定式を記憶する。また、記憶部２６２は、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶する。
出力部２６４は、前述した出力部１６４を適用できる。出力部２６４は、印象量推定部２６０から取得した印象量の推定結果を出力する。具体的には、出力部２６４は、印象量の推定結果、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置１０８へ出力したり、通信モジュール１１０を介して他の装置へ出力したりする。
（印象量推定装置の動作）
図１１は、変形例に係る印象量推定装置の動作の一例を示すフローチャートである。
（ステップＳ２０２）取得部２５２は、ユーザが入出力装置１０８を操作することによって入力される入力情報を取得する。取得部２５２は、取得した入力情報を、分割部２５６へ出力する。前述したように、入力情報には、室内空間識別情報が含まれる。
（ステップＳ２０４）分割部２５６は、取得部２５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報を用いて、記憶部２６２から、その室内空間情報に関連付けられている輝度画像ＬＩを取得する。
図１１は、変形例に係る印象量推定装置の動作の一例を示すフローチャートである。
（ステップＳ２０２）取得部２５２は、ユーザが入出力装置１０８を操作することによって入力される入力情報を取得する。取得部２５２は、取得した入力情報を、分割部２５６へ出力する。前述したように、入力情報には、室内空間識別情報が含まれる。
（ステップＳ２０４）分割部２５６は、取得部２５２が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報を用いて、記憶部２６２から、その室内空間情報に関連付けられている輝度画像ＬＩを取得する。
（ステップＳ２０６）分割部２５６は、輝度画像ＬＩを、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａに分割する。
（ステップＳ２０８）演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。
また、演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル毎に輝度を読取り、読み取った輝度の幾何平均を演算することによって、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を求める。
演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部２５８は、各ピクセル比率と、天井輝度情報、左側面壁輝度情報、左側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報とを、印象量の推定式である式（１）に代入することによって、印象量を示す値を演算する。演算部２５８は、印象量を示す値を、印象量推定部２６０へ出力する。
（ステップＳ２１０）印象量推定部１６０は、演算部１５８が出力した印象量を示す値に基づいて、印象量を推定する。
（ステップＳ２０８）演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数を演算する。
また、演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル毎に輝度を読取り、読み取った輝度の幾何平均を演算することによって、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を求める。
演算部２５８は、天井輝度画像１ａ、左側面壁輝度画像２ａ、右側面壁輝度画像３ａ、正面壁輝度画像４ａ、床輝度画像５ａ、及び窓輝度画像１１ａの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部２５８は、各ピクセル比率と、天井輝度情報、左側面壁輝度情報、左側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報とを、印象量の推定式である式（１）に代入することによって、印象量を示す値を演算する。演算部２５８は、印象量を示す値を、印象量推定部２６０へ出力する。
（ステップＳ２１０）印象量推定部１６０は、演算部１５８が出力した印象量を示す値に基づいて、印象量を推定する。
本変形例においては、印象量推定装置２００が、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶している場合について説明したが、この例に限られない。例えば、室内空間識別情報と関連付けて、明るさ画像ＢＩを記憶してもよいし、グレア画像ＧＩを記憶してもよい。
変形例に係る印象量推定装置２００によれば、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶しておく。これによって、変形例に係る印象量推定装置２００は、印象量推定装置２００のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像ＬＩに基づいて、印象量を推定することができる。つまり、変形例に係る印象量推定装置２００によれば、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶しておくことによって、印象量の推定結果を参照したいときに、参照することができる。
変形例に係る印象量推定装置２００によれば、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶しておく。これによって、変形例に係る印象量推定装置２００は、印象量推定装置２００のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像ＬＩに基づいて、印象量を推定することができる。つまり、変形例に係る印象量推定装置２００によれば、室内空間識別情報と関連付けて、輝度画像ＬＩを記憶しておくことによって、印象量の推定結果を参照したいときに、参照することができる。
以上、実施形態及びその変形例を説明したが、これらの実施形態及びその変形例は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態及びその変形例は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組合せを行うことができる。これら実施形態及びその変形例は、発明の範囲や要旨に含まれると同時に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。例えば、印象量推定装置やコンピュータ装置が実行する印象量推定方法は、コンピュータ装置が実行する建物設計方法として実現することも可能である。
例えば、実施形態及びその変形例では、視点２０から、建物の室内空間を見た場合に、正面壁が見える場合について説明したが、この例に限られない。例えば、建物の室内空間を見た場合に、正面壁が見えない場合にも適用できる。
図１２は、建物の室内空間の構成の一例を示す図である。図１２に示される例では、視点２０から、建物の室内空間を見た場合に、正面壁が見えない場合を示す。このような場合でも、前述した実施形態及びその変形例と同様に、天井、床、両側壁、窓などの構成面を設定することによって、印象量を推定できる。
例えば、実施形態及びその変形例では、視点２０から、建物の室内空間を見た場合に、正面壁が見える場合について説明したが、この例に限られない。例えば、建物の室内空間を見た場合に、正面壁が見えない場合にも適用できる。
図１２は、建物の室内空間の構成の一例を示す図である。図１２に示される例では、視点２０から、建物の室内空間を見た場合に、正面壁が見えない場合を示す。このような場合でも、前述した実施形態及びその変形例と同様に、天井、床、両側壁、窓などの構成面を設定することによって、印象量を推定できる。
なお、上述した印象量推定装置１００及び印象量推定装置２００は、前述したように、コンピュータで実現される。この場合、各機能ブロックの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録する。この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、ＣＰＵが実行することで実現してもよい。ここでいう「コンピュータシステム」とは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や周辺機器等のハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体のことをいう。また、「コンピュータ読み取り可能な記録媒体」は、コンピュータシステムに内蔵されるハードディスク等の記憶装置を含む。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体のことをいう。また、「コンピュータ読み取り可能な記録媒体」は、コンピュータシステムに内蔵されるハードディスク等の記憶装置を含む。
さらに「コンピュータ読み取り可能な記録媒体」とは、短時間の間、動的にプログラムを保持するものを含んでいてもよい。短時間の間、動的にプログラムを保持するものは、例えば、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線である。
また、「コンピュータ読み取り可能な記録媒体」には、サーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。
また上記プログラムは、前述した機能の一部を実現するためのものであってもよい。また、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、上記プログラムは、プログラマブルロジックデバイスを用いて実現されるものであってもよい。プログラマブルロジックデバイスは、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
また、「コンピュータ読み取り可能な記録媒体」には、サーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。
また上記プログラムは、前述した機能の一部を実現するためのものであってもよい。また、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、上記プログラムは、プログラマブルロジックデバイスを用いて実現されるものであってもよい。プログラマブルロジックデバイスは、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
なお、上述の印象量推定装置１００及び印象量推定装置２００は内部にコンピュータを有している。そして、上述した印象量推定装置１００の各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１、１０…天井、１ａ…天井輝度画像、２…左側面壁、２ａ…左側面壁輝度画像、２ａｂ…左側面壁明るさ画像、２ａｃ…左側面壁グレア画像、３…右側面壁、３ａ…右側面壁輝度画像、３ａｂ…右側面壁明るさ画像、３ａｃ…右側面壁グレア画像、３ｂ…開放部、４…正面壁、４ａ…正面壁輝度画像、４ａｂ…正面壁明るさ画像、４ａｃ…正面壁グレア画像、５、9…床、５ａ…床輝度画像、５ａｂ…床明るさ画像、５ａｃ…床グレア画像、６、７、８…側面壁、１１…窓、１１ａ…窓輝度画像、１１ａｂ…窓明るさ画像、１１ａｃ…窓グレア画像、１３…照明、２０…視点、１００、２００…印象量推定装置、１０２…ＣＰＵ、１０４…ＲＯＭ、１０６…ＲＡＭ、１０８…入出力装置、１１０…通信モジュール、１１２…補助記憶装置、１２０…バス、１５２、２５２…取得部、１５４…画像生成部、１５６、２５６…分割部、１５８、２５８…演算部、１６０、２６０…印象量推定部、１６２、２６２…記憶部、１６４、２６４…出力部、１７０…入力画面
Claims (10)
- コンピュータ装置が、特定の視点から認識される部屋に対する印象量を推定する印象量推定方法であって、
前記コンピュータ装置が、部屋の照明情報と昼光情報とを含む入力情報を取得するステップと、
前記コンピュータ装置が、前記入力情報に基づいて、輝度画像を生成するステップと、
前記コンピュータ装置が、前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割するステップと、
前記コンピュータ装置が、前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算するステップと
を有する印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記輝度画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、
前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算する、請求項１に記載の印象量推定方法。 - 前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、明るさ画像を生成するステップ
を有し、
前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する、請求項１に記載の印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、
前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算する、請求項３に記載の印象量推定方法。 - 前記演算するステップでは、前記コンピュータ装置が、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均を演算し、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均にさらに基づいて、演算する、請求項２又は請求項４に記載の印象量推定方法。
- 前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、グレア画像を生成するステップ
を有し、
前記分割するステップでは、前記グレア画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する、請求項１に記載の印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記グレア画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割する、請求項６に記載の印象量推定方法。
- 前記演算するステップでは、前記コンピュータ装置が、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値を演算し、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値にさらに基づいて、演算する、請求項７に記載の印象量推定方法。
- 特定の視点から認識される部屋に対する印象量を推定する印象量推定装置であって、
部屋の照明情報と昼光情報とを含む入力情報を取得する取得部と、
前記入力情報に基づいて、輝度画像を生成する生成部と、
前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する分割部と、
前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算する演算部と
を備える印象量推定装置。 - 請求項１から請求項８のいずれか一項に記載の印象量推定方法を有する、コンピュータ装置が実行する建物設計方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017059365A JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017059365A JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018163453A JP2018163453A (ja) | 2018-10-18 |
| JP6903458B2 true JP6903458B2 (ja) | 2021-07-14 |
Family
ID=63859299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017059365A Active JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6903458B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7280149B2 (ja) | 2019-08-26 | 2023-05-23 | 旭化成ホームズ株式会社 | 住環境シミュレーションシステム、住環境シミュレーション方法およびプログラム |
| JP6906161B1 (ja) * | 2020-08-28 | 2021-07-21 | 株式会社ラムサ | 観覧施設評価装置、観覧施設評価方法、観覧施設評価プログラム及び観覧施設評価プログラムを記録した記録媒体 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001273359A (ja) * | 2000-03-28 | 2001-10-05 | Matsushita Electric Works Ltd | 照明プラン選定支援システム |
| JP2004005513A (ja) * | 2002-03-27 | 2004-01-08 | Matsushita Electric Works Ltd | インターネットを用いたｃｇパース図作成方法とそのためのシステム |
| JP2005243306A (ja) * | 2004-02-24 | 2005-09-08 | Matsushita Electric Works Ltd | 照明器具販売システム |
| JP4333448B2 (ja) * | 2004-03-31 | 2009-09-16 | パナソニック電工株式会社 | 空間の明るさ感評価方法並びに評価システム |
| US8319956B2 (en) * | 2006-06-14 | 2012-11-27 | Mechoshade Systems, Inc. | System and method for shade selection using a fabric brightness factor |
| JP5579649B2 (ja) * | 2011-04-22 | 2014-08-27 | 株式会社ビジュアル・テクノロジー研究所 | 環境制御システムおよび環境制御プログラム |
| WO2016194320A1 (ja) * | 2015-06-04 | 2016-12-08 | パナソニックＩｐマネジメント株式会社 | 照明演出システム及びプログラム |
-
2017
- 2017-03-24 JP JP2017059365A patent/JP6903458B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018163453A (ja) | 2018-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Natephra et al. | Integrating building information modeling and virtual reality development engines for building indoor lighting design | |
| Hellinga et al. | The D&V analysis method: A method for the analysis of daylight access and view quality | |
| Lee et al. | The effects of visual realism on search tasks in mixed reality simulation | |
| Fakhari et al. | A study on the factors simultaneously affecting visual comfort in classrooms: A structural equation modeling approach | |
| Hegazy et al. | Comparing daylight brightness perception in real and immersive virtual environments using perceptual light maps | |
| Vittori et al. | Subjective thermal response driving indoor comfort perception: A novel experimental analysis coupling building information modelling and virtual reality | |
| Hegazy et al. | An interactive approach to investigate brightness perception of daylighting in Immersive Virtual Environments: Comparing subjective responses and quantitative metrics | |
| JP6903458B2 (ja) | 印象量推定方法、印象量推定装置、及び建物設計方法 | |
| Tsangrassoulis et al. | Comparison of radiosity and ray-tracing techniques with a practical design procedure for the prediction of daylight levels in atria | |
| Mohapatra et al. | Analysis of daylighting using daylight factor and luminance for different room scenarios | |
| Omidfar et al. | The use of environmental aesthetics in subjective evaluation of daylight quality in office buildings | |
| Cutler et al. | Interactive selection of optimal fenestration materials for schematic architectural daylighting design | |
| Amorim et al. | Lighting conditions in home office and occupant’s perception: An international study | |
| Rockcastle et al. | Annual dynamics of daylight variability and contrast: a simulation-based approach to quantifying visual effects in architecture | |
| Hegazy et al. | Evaluating and visualizing perceptual impressions of daylighting in immersive virtual environments | |
| Mirzabeigi et al. | Tailored WBGT as a heat stress index to assess the direct solar radiation effect on indoor thermal comfort | |
| Santos et al. | Optimized indoor daylight for tropical dense urban environments | |
| Tai et al. | Luminance contrast as depth cue: Investigation and design applications | |
| CN110188390B (zh) | 一种建筑室内光环境的测算方法及装置 | |
| KR102529176B1 (ko) | 건물에 해당하는 가상 객체의 디테일 베리에이션을 수행하는 전자 장치의 제어 방법 | |
| Zaikina et al. | Luminance-based measures of shape and detail distinctness of 3D objects as important predictors of light modeling concept. Results of a full-scale study pairing proposed measures with subjective responses | |
| Tai et al. | Space perception and luminance contrast: investigation and design applications through perceptually based computer simulations | |
| US11557101B2 (en) | Estimation system, space design support system, estimation method, and program | |
| Kontadakis et al. | Defining the Boundaries of Daylight Penetration. The use of dynamic and static daylight methods to predict the daylit zone within sidelit spaces, a comparison | |
| Wänström Lindh | Distribution of light and atmosphere in an urban environment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200124 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210225 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210316 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210412 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210601 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210623 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6903458 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |