Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
ANKARA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
YÜKSEK LİSANS TEZİ
SANAL ÇİZGİ DOĞRULAMA İMGE İŞLEME YÖNTEMİ KULLANARAK
BALASTRO NOKTALARI BULUNAN ESKİ KADASTRAL HARİTALARIN
SAYISALLAŞTIRILMASI VE ONARILMASI
Alişan BALKOCA
ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI
ANKARA 2012
Her Hakkı Saklıdır
i
ÖZET
Yüksek Lisans Tezi
SANAL ÇİZGİ DOĞRULAMA İMGE İŞLEME YÖNTEMİ KULLANARAK BALASTRO NOKTALARI BULUNAN ESKİ KADASTRAL HARİTALARIN
SAYISALLAŞTIRILMASI VE ONARILMASI
Alişan BALKOCA
Ankara Üniversitesi Fen Bilimleri Enstitüsü
Elektronik Mühendisliği Anabilim Dalı
Danışman: Prof. Dr. H.Gökhan İLK
Bu çalışmada ada/parsel köşe noktalarında içi boş yuvarlaklar (balastro noktası)
bulunduran kadastral haritaları (pafta) operatörün bir CAD yazılımı kullanarak elle
vektörlemesine, otomatik/yarı otomatik vektörleme yaparak destek olması hedeflenen
“Sanal Çizgi Doğrulaması” yöntemi geliştirilmiştir. Sanal çizgi doğrulama yönteminde
öncelikle “Moore Komşuluk Takibi” yöntemi ile içi boş yuvarlaklar olan ve ada/parsel
köşe noktalarını oluşturan balastro noktaları bulunmuştur. Ada/parsel kapalı alanlarının
bulunması için gerekli olan, balastro noktaları arasındaki topolojik ilişki, bir balastro
noktasından çıkan çizginin doğrultusu ve çıkış açıları bulunup, bu açı aralığı içindeki
balastro noktaları arasında çizgi kontrolü ve doğrulaması yapılarak gerçekleştirilmiştir.
Bu sayede piksel bazlı çizgi takip ve Hough tabanlı çizgi bulma yöntemlerine göre daha
verimli çalışan ve anlamlı sonuçlar üreten bir sistem gerçekleştirilmiştir. Balastro
noktalarının bulunmasında ortalama %91.56, ada/parsel sınırlarını oluşturan çizgilerin
bulunmasında ortalama %79.1 başarım sağlanmıştır.
Mart 2012, 67 sayfa Anahtar Kelimeler: Kadastral Pafta, Harita, Vektörleme, Kontur Takibi, Moore Komşuluk Takibi, Sanal Daire ile Dal Bulma, Sanal Çizgi Doğrulaması
ii
ABSTRACT
Master Thesis
DIGITIZATION AND RESTORATION OF CADASTRAL MAPS THAT CONTAIN NULL CIRCLES AS NODES USING VIRTUAL LINE VALIDATION IMAGE
PROCESSING TECHNIQE
Alişan BALKOCA
Ankara University Graduate School of Natural and Applied Sciences
Department of Electronic Engineering
Supervisor: Prof. Dr. H. Gökhan İLK
In this study a novel automatic/semi automatic vectorization method called “Virtual
Line Validation” is developed to help operators who manually vectorize cadastral maps,
which contain null circles as nodes of parcels, using CAD software. In virtual line
validation method firstly nodes which represent parcel edges are found by Moore
Nieghbourhood Tracing algorithm. Topological links that are essential for extraction
parcel regions are resolved by identifying direction and angle of line connected to node
under test and validating lines connected to other nodes which are inside angle interval
of node under test, using virtual line valitadion method. In this manner an algorithm is
developed which is efficient and producing meaningful results than generic line tracing
and Hough based line recognition methods. The avarage success rate for finding
vertices of parcels is %91.56 and the avarage success rate for finding border lines of
parcels is %79.1.
March 2012, 67 pages Key Words: Cadastral Map, Vectorization, Contour Tracing, Moore Neighbourhood Tracing, Finding Branches by Virtual Circle, Virtual Line Validation
iii
TEŞEKKÜR
Tez ve diğer bilimsel çalışmalarımda beni yönlendiren, motive eden ve hiçbir zaman
desteğini esirgemeyen Ankara Üniversitesi Elektronik Mühendisliğinden sayın Prof. Dr.
H. Gökhan İLK’e, tez çalışmalarım sürerken bana sağladıkları esneklik için Progis
Yazılım ve EGO Raylı Sistemler Daire Başkanı Sayın Kemal TEMİZ’e teşekkürü borç
bilirim.
Tez çalışmam süresince beni destekleyen ve her zaman bana güvenen aileme ve Sayın
Çağrı ALPARSLAN’a minnetlerimi sunarım.
Alişan BALKOCA
Ankara, Mart 2012
iv
İÇİNDEKİLER
ÖZET ............................................................................................................................ i
ABSTRACT ................................................................................................................ ii
TEŞEKKÜR ............................................................................................................... iii
KISALTMALAR DİZİNİ ......................................................................................... vi
ŞEKİLLER DİZİNİ ................................................................................................. vii
ÇİZELGELER DİZİNİ ............................................................................................ ix
1. GİRİŞ .................................................................................................................... 1
1.1 Tezin Amacı ......................................................................................................... 2
1.2 Tezin Kapsamı ...................................................................................................... 3
2. KURAMSAL TEMELLER ................................................................................ 6
2.1 Kadastral Paftalar ................................................................................................ 6
2.2 Vektörleme İşlemi ................................................................................................. 7
3. VERİLER ve YÖNTEM ..................................................................................... 9
3.1 Veriler .................................................................................................................... 9
3.1.1 Paftalardaki ortak sorunlar ........................................................................... 10
3.2 Yöntem ................................................................................................................ 13
3.2.1 Çizgi bulma ve çizgi takip yöntemleri ........................................................... 15
3.2.1.1 Hit-or-Miss dönüşümü ................................................................................. 16
3.2.1.2 Hough dönüşümü ile çizgi bulma ................................................................ 21
3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi
kullanılarak çizgilerin tespiti ......................................................................... 24
3.2.2.1 Dairesel Hough dönüşümü .......................................................................... 25
3.2.2.2 Moore komşuluk takibi yöntemi ................................................................. 28
3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki
çizginin tespiti .............................................................................................. 36
v
3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve
bağlantı kontrolü ........................................................................................ 41
3.2.3 İlişkilerin topolojik olarak ifade edilmesi ..................................................... 52
4. TARTIŞMA ve BULGULAR ........................................................................... 55
4.1 Deney Sonuçları .................................................................................................. 55
5. SONUÇ ............................................................................................................... 59
KAYNAKLAR .......................................................................................................... 61
EKLER ...................................................................................................................... 63
Ek 1 Tez Boyunca Kullanılan 1 Numaralı Pafta ................................................... 64
ek 2 Tez Boyunca Kullanılan 2 Numaralı Pafta .................................................... 65
Ek 3 Tez Boyunca Kullanılan 3 Numaralı Pafta ................................................... 66
ÖZGEÇMİŞ .............................................................................................................. 67
vi
KISALTMALAR DİZİNİ
CAD Computer Aided Design
DHD Dairesel Hough Dönüşümü
MKT Moore Komşuluk Takibi
SÇD Sanal Çizgi Doğrulaması
SPO Siyah Piksel Oranı
vii
ŞEKİLLER DİZİNİ
Şekil 1.1 Örnek balastro noktası ....................................................................................... 3
Şekil 1.2 Çalışmada gerçekleştirilen vektörleme aşamaları .............................................. 4
Şekil 2.1 Çeşitli paftalardan kesitler ................................................................................. 6
Şekil 2.2 Aşırı vektörleme örneği ..................................................................................... 8
Şekil 3.1 İdeale yakın balastro noktası ............................................................................ 11
Şekil 3.2 Bozunmuş balastro noktaları............................................................................ 11
Şekil 3.3 Kopuk çizgi örneği ........................................................................................... 12
Şekil 3.4 Silik çizgi örneği .............................................................................................. 12
Şekil 3.5 Kesişen çizgiler ................................................................................................ 12
Şekil 3.6 Örnek yapısal eleman ....................................................................................... 17
Şekil 3.7 Kullanılan yapısal elemanlar............................................................................ 18
Şekil 3.8 İnceltme işleminden sonra alınan örnek kesit .................................................. 18
Şekil 3.9 Hit-or-Miss işleminin gerçekleştirildiği kesit .................................................. 19
Şekil 3.10 Hit-or-Miss yöntemiyle birleşme (junction) ve bitim noktalarının
bulunması ...................................................................................................... 20
Şekil 3.11 Balastro noktalarında bulunan birleşim noktaları .......................................... 21
Şekil 3.12 Hough parametrelerinin geometrik gösterimi ................................................ 22
Şekil 3.13 Hough dönüşümü ile çizgi tespiti .................................................................. 23
Şekil 3.14 Doğal vektörleme süreci ................................................................................ 24
Şekil 3.15 DHD ile bulunmuş örnek noktalar ................................................................. 26
Şekil 3.16 DHD'nin örnek pafta üzerindeki çıktı kesiti .................................................. 27
Şekil 3.17 DHD ile yanlış tespit edilen nokta ................................................................. 27
Şekil 3.18 Moore Komşulukları. (a. 4’lü komşuluk, b. 8’li komşuluk) .......................... 28
Şekil 3.19 MKT algoritması ile çıkartılan örnek alan ..................................................... 29
Şekil 3.20 MKT yöntemi ile bulunan kontur ve kapalı bölgeler .................................... 32
Şekil 3.21 MKT ile bulunan balastro noktaları ............................................................... 33
Şekil 3.22 Dairesellik kriterini sağlayamayan örnek balastro noktası ............................ 34
Şekil 3.23 a. 8 komşuluk kullanılan MKT işlemi, b. 4 komşuluk kullanılan
MKT işlemi ................................................................................................... 34
Şekil 3.24 Eleme işleminden sonra bulunan kapalı imge bölgeleri ................................ 35
viii
Şekil 3.25 Genişletme işlemi .......................................................................................... 36
Şekil 3.26 Sanal çizgi doğrulama yöntemi akış şeması .................................................. 37
Şekil 3.27 Bir daldan birden fazla noktaya yapılan yanlış bağlantı ................................ 39
Şekil 3.28 Dallanma olmayan bölgeye yapılan yanlış bağlantı ...................................... 39
Şekil 3.29 Çift bağlantının kural setinden sonra düzeltilmiş hali ................................... 40
Şekil 3.30 Bresenham Çember Algoritması (8 Çeyrek) ................................................. 42
Şekil 3.31 Hesaplanan bir piksel değerinin 8 simetrisi ................................................... 42
Şekil 3.32 Dalların bulunması ......................................................................................... 43
Şekil 3.33 Dalları bulmak için kullanılan 1xN'lik dizinin analizi ................................... 44
Şekil 3.34 Eşik değerinin yanlış seçilmesi durumunda gerçekleşen dal bulma işlemi ... 44
Şekil 3.35 Test altındaki noktaya göreli bölgeler ........................................................... 45
Şekil 3.36 Dal ve Balastro noktası merkezleri ................................................................ 46
Şekil 3.37 Noktalar arasındaki açı kontrolü. (1. Başarılı doğrultu, 2.
Başarısız doğrultu) ...................................................................................... 48
Şekil 3.38 Noktalar arası bağlantı akış şeması ................................................................ 50
Şekil 3.39 Dallara göre çizgi tespiti ................................................................................ 51
Şekil 3.40 Dalların noktalarla ilişkisi .............................................................................. 52
Şekil 3.41 İlişkilerin ağ yapısı ......................................................................................... 53
Şekil 3.42 Kapalı alan yapısının basit UML diyagramı .................................................. 54
Şekil 4.1 Dal bulma başarımını etkileyen örnekler ......................................................... 57
Şekil 4.2 Yanlış dal olarak bulunan örnekler .................................................................. 57
Şekil 4.3 Eksik balastro noktası ...................................................................................... 58
ix
ÇİZELGELER DİZİNİ
Çizelge 3.1 Test Paftalarının Özellikleri ......................................................................... 10
Çizelge 3.2 MKT Akışı ................................................................................................... 29
Çizelge 4.1 Balastro noktalarının bulunma başarımı ...................................................... 56
Çizelge 4.2 Balastro noktalarından çıkan dalların test sonuçları .................................... 56
Çizelge 4.3 Ada/Parsel sınırlarını oluşturan çizgilerin başarımı ..................................... 57
1
1. GİRİŞ
Kadastral haritalar mülkiyeti gösteren en temel resmi haritalardır. Bu haritalar tarım
arazilerinden şehir içindeki ada parsellerin gösterimine kadar geniş bir alanda
kullanılmaktadır. Tapu ve Kadastro Müdürlüklerinde bulunan bu kadastral paftaların
%75’i (~350.000 adet) taranmamıştır. Tarananların yaklaşık %50’si de vektörel veri
halinde değildir. İşlem görecek olan paftalar taranmamış ise öncelikle taranarak
sayısallaştırılmakta ve daha sonra elle bilgisayar ortamında çizilerek vektörel hale
getirilmektedir. Bir kadastral paftayı vektörel hale getirme işlemi, pafta üzerindeki
kapalı alanların tespit edilmesi ve koordinatların belirli bir koordinat sistemine göre
sunulması olarak özetlenebilir.
Bu çalışma disiplinler arası bir çalışma olduğundan ileriki bölümlerde kavram kargaşası
olmaması için vektörleme ile sayısallaştırma arasındaki farkı açıklamak faydalı
olacaktır. Sayısallaştırma, bilgisayar bilimlerinde verinin bitler ile ifade edilmesi
anlamına gelmektedir. Yani bir imgenin taranması aslında onun sayısallaştırılması
anlamına gelmektedir. Ancak harita mühendisliği tarafından bakınca sayısallaştırma
terimi taranmış bir haritanın bir CAD ortamında çizilerek bilgisayar çizimi haline
getirilmesi anlamına gelmektedir. Yani bir çizimin vektörlenmesi haritacılık alanında
aslında o çizimin sayısallaştırılmasıdır. Bu işlem bu çalışmada bundan sonra
“vektörleme” olarak anılacaktır.
Çeşitli çizim araçları kullanılarak yapılan vektörleme işlemi, paftanın özelliklerine göre,
bir harita teknikerinin saatlerini alabilmektedir. Vektörel veri haline dönüştürülmemiş
pafta sayısının çokluğu düşünüldüğünde vektörleme işleminin elle yapılması oldukça
verimsizdir. Bu nedenle çeşitli vektörleme araçları geliştirilmiştir. Bu araçlar,
görüntüden elde edilen verilerin tamamının vektörize edilmesi temeline dayandığı için,
çoğu zaman pafta üzerindeki yazıların ve bilgilendirme amaçlı çizilen harici çizgilerin
de sayısallaştırılmasına sebep olmaktadır. Katona ve Hudra (1999), yaptıkları çalışmada
Macaristan kadastral haritalarında, iskeletleştirme işleminden sonra çizgi benzeri yapılar
yorumlanarak bu görüntülere ait semboller belirlenmiştir. Haritalar üzerinde tanınan
sembollerden birisi de parsellerin köşe noktalarındaki içi boş yuvarlaklardır. Bu
2
yuvarlak köşe noktaları Türkiye kadastrosunda kullanılan haritalardaki balastro
noktalarıyla aynı özellikleri taşımasına rağmen, bunlarla birlikte tanınan birçok sembol
vardır. Bu çalışmada çizgilerin bulunması için inceltme yapıldıktan sonra çizgilerin
birleşim ve bitim noktaları bulunmuştur. Ancak elimizdeki paftaların standart bir
şablonla çizilmemiş olmasından dolayı birleşim ve bitim noktalarının bulunması, çok
fazla kontrol işlemi gerektirmektedir. Bu nedenle de verimli sonuç vermemektedir.
Bang ve Hong (1997), çalışmalarında Kore kadastro haritalarındaki karakterler ile
parsel çizgilerinin ayrıştırılması için görüntüler siyah-beyaz biçime çevrildikten sonra
inceltme işlemi gerçekleştirmiştir. İnceltme işlemi her görüntü içinde sabit kabul edilen
çizgi kalınlığının tespit edilip, bu çizgilerin karakterlerden ayrılması için uygulanmıştır.
Çizgilerin kesişim noktalarında ve karakterlerin çizgilerle karıştığı noktalarda da sabit
çizgi kalınlığı kullanılarak karışıklık önlenmiştir. Bu yaklaşımın işlevsel olabilmesi için,
ayrıştırılacak olan paftalarda sabit çizgi kalınlığı kullanılması gerekmektedir.
Ülkemizde bulunan kadastral haritaların çoğunda bu şekilde bir standardizasyon
sağlanamadığından bu yöntemin kullanılabilirliği mümkün olmamaktadır. Bu çalışmada
ada/parsel köşe noktalarında içi boş yuvarlak balastro noktaları bulunan kadastral
haritaların özelliklerine daha uygun bir yöntem geliştirilmiştir. İçi boş yuvarlak noktalar
olan balastro noktaları Moore Komşuluk Takibi (Pradhan vd. 2010) yöntemiyle
bulunduktan sonra bu noktaların arasındaki çizgilerin varlığının kontrolü, bu çalışmada
önerilen “Sanal çizgi doğrulama yöntemi” ile sağlanmıştır. Sanal çizgi doğrulama
yöntemi genel çizgi takip ve Hough tabanlı çizgi tanıma yöntemlerinden daha verimli
çalışmakta ve daha anlamlı sonuçlar üretmektedir.
1.1 Tezin Amacı
Mülkiyetin temel birimi olan kadastral paftaların günümüz koşullarında işlem
görebilmesi için bilgisayar ortamına alınıp, vektörel veri haline getirilmesi zorunludur.
Üzerindeki bilgilerin mülkiyete temel oluşturduğu da düşünülecek olursa bu belgelerin
orijinal haline en yakın şekilde bilgisayar ortamında vektörel veri haline getirilmesi
günümüzde büyük ihtiyaç haline gelmiştir. Kadastral paftaların çok az bir yüzdesi
vektörel halde bulunmaktadır. Bu yüzdenin az olmasındaki en önemli etken bu işlemin
zaman ve emek gerektiren bir çalışma olmasıdır. Elle çizim ve daha sonrasındaki çizilen
alanların doğruluk kontrol işlemi hem süre hem de iş gücü bakımından oldukça
verimsizdir. Vektörleme
konunun kendine has problemleri ve detayları olduğundan dolayı genel çözümler bu
tarz bir problemi çözmekte yetersiz kalmaktadır.
Bu çalışmada normal
ada/parsel kapalı alanlarının köşe noktalarını oluşturan balastro noktalarının (Şekil 1.1)
bulunması, noktaların arasındaki topolojik yapının algılanması
topolojik ilişkiler sayesin
yöntemi) tespit edilebilir.
1.2 Tezin Kapsamı
Kadastral paftaların çiziminde belirli bir standardizasyon oturtulamadığı ve çizimler
kağıt ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta
tipine rastlanmaktadır. Ancak Tapu ve Kadastro
yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanlar
(ada/parsel alanları gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş
noktalar kullanılarak çizilmelidir.
çoğu içi boş köşe noktalarına sahip olduğundan dolayı bu çalışmada bu tip paftaların
vektörlenmesi hedeflenmiştir.
3
alanların doğruluk kontrol işlemi hem süre hem de iş gücü bakımından oldukça
Vektörleme işlemleri için görüntü işleme yazılımları bulunmakta ancak
konunun kendine has problemleri ve detayları olduğundan dolayı genel çözümler bu
tarz bir problemi çözmekte yetersiz kalmaktadır.
normal vektörleme yöntemlerinin dışında, imgedeki kilit nokta sayılan ve
ada/parsel kapalı alanlarının köşe noktalarını oluşturan balastro noktalarının (Şekil 1.1)
noktaların arasındaki topolojik yapının algılanması
topolojik ilişkiler sayesinde kapalı alanlar çeşitli yöntemler kullanılarak (Ör: graph
yöntemi) tespit edilebilir.
Kadastral paftaların çiziminde belirli bir standardizasyon oturtulamadığı ve çizimler
ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta
tipine rastlanmaktadır. Ancak Tapu ve Kadastro Genel
yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanlar
ı gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş
noktalar kullanılarak çizilmelidir. Bunun yanı sıra günümüze kadar gelen paftaların
çoğu içi boş köşe noktalarına sahip olduğundan dolayı bu çalışmada bu tip paftaların
deflenmiştir.
Şekil 1.1 Örnek balastro noktası
alanların doğruluk kontrol işlemi hem süre hem de iş gücü bakımından oldukça
işlemleri için görüntü işleme yazılımları bulunmakta ancak
konunun kendine has problemleri ve detayları olduğundan dolayı genel çözümler bu
imgedeki kilit nokta sayılan ve
ada/parsel kapalı alanlarının köşe noktalarını oluşturan balastro noktalarının (Şekil 1.1)
noktaların arasındaki topolojik yapının algılanması hedeflenmiştir. Bu
yöntemler kullanılarak (Ör: graph
Kadastral paftaların çiziminde belirli bir standardizasyon oturtulamadığı ve çizimler
ortamında elle yapıldığı için 1950 yılından bu yana çok çeşitli kadastral pafta
Genel Müdürlüğünün de
yönetmeliğinde belirttiği üzere kadastral paftalardaki kapalı alanların köşe noktaları
ı gibi) balastro olarak tabir edilen ve boyutları belirli olan içi boş
Bunun yanı sıra günümüze kadar gelen paftaların
çoğu içi boş köşe noktalarına sahip olduğundan dolayı bu çalışmada bu tip paftaların
4
Çalışma kullanıcının el ile yapacağı çizimleri en aza indirmesi için pafta üzerindeki
kapalı alanların köşe noktalarının bulunup bunların ilişkilerinin çıkartılmasını sağlayan
yöntemi kapsamaktadır. Çalışmada kullanılan pafta tipi eş yükselti eğrileri bulunmayan,
kapalı alanların köşelerinde balastro noktaları bulunan pafta tipi kullanılmıştır.
Kullanılan paftaların detayları bölüm “3.1 Veriler” kısmında açıklanmıştır.
Şekil 1.2 Çalışmada gerçekleştirilen vektörleme aşamaları
Şekil 1.2’de görüldüğü gibi çalışmada önerilen vektörleme yöntemi üç aşamadan
oluşmaktadır.
1. Ada/Parsel köşelerindeki balastro noktalarının bulunması (Şekil 1.2.a).
2. Bulunan noktalar arasındaki çizgilerin ve ilişkilerin tespiti (Şekil 1.2.b).
3. Bu ilişkilerin analizi sonucunda ada/parsel kapalı alanının çıkartılması (Şekil
1.2.c).
Bu çalışmada vektörleme işleminin ilk iki aşaması gerçekleştirilmiştir. Üçüncü aşama
olan “topolojik ilişkilerden kapalı alanların tespiti” bu çalışmanın konusu içinde
5
değildir. Vektörlemenin bu aşaması, ağ analizi ve graph teorisi konularını içerdiğinden
bu tezin kapsamı ötesindedir.
Vektörleme için gerekli olan ada/parsel kırık-köşe noktalarını oluşturan balastro
noktalarının bulunması ve bulunan noktalar arasındaki çizgilerin ve ilişkilerin tespiti
işlemlerinin detayları 3.2 Yöntem ve 4. Tartışma ve Bulgular kısmında anlatılmıştır.
6
2. KURAMSAL TEMELLER
2.1 Kadastral Paftalar
Kadastral haritalar; imar uygulamaları, arazi toplulaştırması, coğrafi bilgi sistemleri,
kamulaştırma projeleri, tarım reformu projeleri, 2B ve orman alanlarının tespiti gibi
birçok uygulamada temel altlık olarak kullanılan mülkiyet haritalarıdır. Son dönemde
(1990-2009) üretilen kadastral haritaların dışında kalan büyük bir kısmı ~1900-1960
yılları arasında ve süre gelen yıllarda üretilmiştir. O dönemlerde üretilen haritalar farklı
ölçeklerde ve farklı altlıklar üzerine (astrolon, karton, kağıt, aydınger vb.) çizilmiştir.
Şekil 2.1 Çeşitli paftalardan kesitler
7
Bu paftaların hemen hemen hepsi el ile çizilmiş paftalardır. Bu sebeple üzerlerinde
kural dışı işaretlemeler, alınmış notlar, olmaması gereken çizgiler bulunmaktadır (Şekil
2.1). Bunun yanı sıra çoğu, eski paftalar olduğundan dolayı maddi yıpranmaya maruz
kalmışlardır. Çoğunda kağıt katlama yerleri normal çizimi bastıracak kadar
belirginleşmiştir. Bazılarında sıvı lekelerine rastlanabilmektedir.
2.2 Vektörleme İşlemi
Vektörleme işlemi özet olarak kadastral paftaların sayısal ortama geçirildikten sonra, bir
CAD yazılımı kullanılarak görsel öğelerin vektörler halinde bilgisayar çizimi haline
getirilme işlemidir. Giriş bölümünde de belirtildiği gibi bilgisayar bilimlerinde
sayısallaştırma, verinin bitler ile ifade edilmesi anlamına gelmektedir. Yani bir imgenin
taranması aslında onun sayısallaştırılması anlamına gelmektedir. Ancak harita
mühendisliği tarafından bakınca sayısallaştırma terimi taranmış bir haritanın bir CAD
ortamına çizilerek bilgisayar çizimi haline getirilmesi anlamını taşımaktadır. Yani bir
çizimin vektörlenmesinin haritacılık alanındaki karşılığı o çizimin sayısallaştırılmasıdır.
Paftalar için vektörleme işlemi ülkemizde elle yapılmaktadır. Operatör taranmış
paftanın üzerinden bir CAD yazılımı yardımıyla çizim yaparak paftayı vektörize hale
getirir. Bu sayede paftanın vektörize edilmiş versiyonu bilgisayar ortamında
saklanabilir.
Vektörleme işleminin en önemli noktası, sadece gerekli öğelerin birbirleriyle olan
topolojik bağları gözetilerek bilgisayar ortamına aktarılmasıdır. Bir çizimin üzerindeki
bütün çizgilerin, gürültüler dahil, birbirleriyle ilişkileri (hangi çizgilerin birbirine bağlı
olduğu, hangilerinin bir kapalı alan oluşturduğu vs.) gözetilmeden sayısal ortama
aktarılması sadece tarayıcının yapacağı tarama işleminden öteye gidememektedir.
Özellikle haritalar için vektörleme işleminin eksiği ya da fazlası olmadan yapılması
oldukça önemlidir.
8
Şekil 2.2 Aşırı vektörleme örneği
Şekil 2.2’de her bir ayrıntının vektörize edilmesinden kaynaklanan kesişimler ve
fazlalıklar görülmektedir.
Vektörleme işlemi için çeşitli yazılımlar geliştirilmiş durumdadır ancak bu çözümler
ülkemizde kullanılan paftaların yapısına yeterince uyum gösterememektedir.
Vektörleme için Hough dönüşümü kullanan yöntemlerin (Katsuri vd. 1990) dışındaki
bütün yöntemler temelde çizgi inceltme ve çizgi takip yöntemlerini (Ren vd. 2002)
kullanmaktadır. Bu çizgi takip yöntemleri tek başına gerçekte çizime ait olmayan
öğeleri ayırt edemediği gibi çizim üzerindeki topolojik bağlantıları da
çıkartamamaktadır. Bölüm 2.1 Kadastral Paftalar kısmında bahsedildiği gibi paftalar
elle çizildiğinden beklenmeyen çizgi, desen, vb. öğeleri barındırmaktadır. Bu da bu
yöntemlerin kullanılan paftalarda yetersiz kaldığı anlamına gelmektedir. Bu sebeple
ülkemizde kullanılan paftalara daha uygun ve daha hızlı sonuçlar veren bir vektörleme
yöntemi bu çalışmada incelenmiş ve gerçekleştirilmiştir.
9
3. VERİLER ve YÖNTEM
3.1 Veriler
Kadastro paftaları kadastral ada/parsel alanlarını gösteren mülkiyet haritalarıdır. Bu
haritaların eş yükselti eğrileri barındıran, balasto noktaları bulunan, balastro noktaları
bulunmayan, vs. gibi birden fazla çeşidi bulunmaktadır.
Bu çalışmada balastro noktaları olan paftalar kullanılmıştır. Bu paftalar tek bitlik, siyah
beyaz, tif formatında imgelerdir. Yapılan çalışmanın sonuçları detaylı olarak üç pafta
üzerinde denenmiştir. Bu paftaların ortak noktası belirli kusurlara ve pratikte
karşılaşılabilecek zorluklara sahip olmalarıdır. Bu ortak noktalar aşağıdaki gibi
sıralanabilir:
• Birbirine çok yakın ya da iç içe geçmiş noktalar ve birbirini kesen çizgiler
• Bozunmadan kaynaklanan kopuk çizgiler
• Bozunmadan kaynaklanan tam kapalı olmayan ya da bazı yerlerde hiç
bulunmayan balastro noktaları
• Haritaya ait olmayan ve normal şartlarda olmaması gereken çizgiler, şekiller ve
yazılar
Bu ortak sorunlar “3.1.1 Paftalardaki Ortak Sorunlar” başlığı altında detaylı olarak
incelenecektir.
Çizelge 3.1’de çalışmada kullanılan paftaların özellikleri verilmiştir.
10
Çizelge 3.1 Test Paftalarının Özellikleri
PAFTA 1 PAFTA 2 PAFTA 3
Ölçek 1/2000 1/2000 1/2000
Boyut 9840x5976 7924x6608 7918x6608
Boyut (MB) 103KB 144KB 148KB
DPI 400 400 400
Mevkii Ankara, Yenimahalle
Sarıcak
Ankara, Yenimahalle
Sarıcak
Ankara, Yenimahalle
Sarıcak
Ada/Parsel Sayısı 38 35 87
Kapalı Alanları Oluşturan Çizgi
Sayısı
178 204 396
Kapalı Alanları Oluşturan Balastro
Noktası Sayısı
143 170 308
Başarım kriterlerinin çıkartıldığı öznitelikler balastro noktaları sayısı ve kapalı alanları
oluşturan çizgi sayısıdır. Bu iki öznitelik birbirine bağlı olmakla birlikte vektörleme
işleminin genel başarısı balastro noktalarının bulunmasından ve bunlara bağlı bulunan
çizgilerin topolojik yapılarının düzgün olarak çıkartılmasından geçmektedir.
Bu üç pafta genel olarak balastro noktaları bulunduran paftaların bilinen çoğu sorununu
içerdiği için seçilmiştir. Birinci paftada birbirini kesen yazılar, bozuk balastro noktaları
bulunmasına rağmen ada/parseller daha geniş bir alana yayılmış şekilde bulunmaktadır.
İkinci paftada ada/parsel aralarından geçen yollar diğer iki paftaya göre daha fazladır.
Üçüncü paftada ise birbirine çok yakın ve çok küçük ada/parsel öbekleri bulunmaktadır.
3.1.1 Paftalardaki ortak sorunlar
Paftalarda vektörleme sürecini etkileyebilecek olan ortak sorunlar gürültü, pafta üzerine
elle yazılmış olan yazıların ada/parsel sınırlarını kesmesi, balastro noktalarının şablon
kullanılarak çizilmemesi ve çizgi veya noktalarda oluşan silikliklerdir. Bu sorunlar
ardışıl olarak toplam başarımı etkileyecek sorunlar olup bir tanesinin çözülmesi
başarımı büyük ölçüde etkilemektedir.
11
Örneğin bir balastro noktasının bulunamaması ona bağlı çizgilerin ve ilişkilerin
bulunamaması anlamına gelmektedir. Bu nedenle bunların iyi anlaşılıp çözümlenmesi
vektörleme sürecinin başarımında büyük önem arz etmektedir.
Şekil 3.1 İdeale yakın balastro noktası
Şekil 3.2 Bozunmuş balastro noktaları
Normal bir balastro noktası içi tam olarak boş, tam düzgün kapalı çember olmalıdır
(Şekil 3.1). Şekil 3.2’de görüldüğü gibi bazı balastro noktalarının kenarları açık yani
birleşmemiş durumdadır. Bazılarının ise şekli bozuk ve içleri tam olarak boş değildir.
12
Şekil 3.3 Kopuk çizgi örneği
Bazı balastro noktalarının dışında, çizgilerde de kopukluklar bulunmaktadır. Bazı
çizgiler bozulmadan dolayı silik hale gelmiştir (Şekil 3.3-3.4). Harita üzerinde bulunan
elle yazılmış yazılar da görüntüyü işlemeyi zorlaştıracak şekilde ada/parsel sınırlarını
oluşturan çizgileri kesmektedir. Bazı noktalarda yazılar, çizgiler ve noktalar iç içe
girmiş durumdadır (Şekil 3.5).
Şekil 3.4 Silik çizgi örneği
Şekil 3.5 Kesişen çizgiler
13
Çalışmada kullanılan paftalar Ek 1-2-3’de sunulmuştur.
3.2 Yöntem
Vektörleme işlemindeki genel yaklaşım öncelikle çizgilerin bulunması, gereksiz
detayların filtrelenmesi ve geriye kalan çizgilerin birbiriyle ilişkisinin tespiti şeklinde
olmaktadır.
Görüntü işleme teknikleriyle çizgi bulma işlemi için birçok yöntem geliştirilmiştir.
Yöntemlerin çoğu inceltme (thinning) ve çizgi takip etme temeline dayanmaktadır. Bu
yöntemlerden temelde mantık olarak ayrılanlar Hough tabanlı yöntemlerdir. Hough
tabanlı yöntemlerin en büyük dezavantajı ise diğer piksel bazlı yöntemlere göre daha
fazla hafıza ve işlem gücü gerektirmeleridir (Murakami ve Naruse 2000). Bu nedenle
piksel bazlı çizgi takip yöntemleri harita uygulamalarında daha sık görülmektedir.
Kadastral paftalarda köşe noktalarını, içi boş yuvarlaklar olan balastro noktaları temsil
etmektedir. Katona ve Hudra (1999)’nın önerdiği yöntemde bu köşe/bitim noktaları içi
boş yuvarlaklardan noktalara indirgenmiştir. Bu köşe ve bitim noktalarının
bulunmasında “hit-or-miss” (Maity vd. 2011) yöntemi yaygın olarak kullanılmaktadır.
Hit-or-miss dönüşümü yönteminde bir yapısal eleman belirli bir pencere içinde
gezdirilerek, penceredeki desene uyan bölgeler köşe olarak belirlenmektedir. Bulunan
köşelere bağlı olan çizgiler takip edilip noktalar arasındaki ilişki bulunmakta ve bu
ilişkileri tutan bir komşuluk matrisi oluşturulmaktadır. Bu komşuluk matrisinin
topolojik analizi sayesinde de kapalı alanların tespiti hedeflenmiştir.
Bu çalışmada da ilk olarak Hit-or-Miss yöntemiyle köşe/bitim noktalarının tespiti ve
bunlar arasındaki ilişkilerin analizi sayesinde ada/parsel alanlarının tespiti yapılmaya
çalışılmıştır. İkinci denenen yöntemde ise Hough çizgi bulma yöntemiyle paftalar
üzerindeki çizgilerin ve bunlardan oluşan kapalı alanları bulmakta kullanılabilecek
topolojik ilişkilerin tespiti yapılmaya çalışılmıştır. Ancak paftaların büyüklüğü, elle
çizilmesinden kaynaklanan detay ve gürültülerden dolayı bu iki yöntemde de işlem
14
süresinin çok uzun olması ve anlamlı sonuçlar elde edilmediği için başarı
sağlanamamıştır.
Yapılan incelemeler sonrasına doğru yaklaşımın öncelikle pafta üzerindeki bütün
çizgileri bulup, hangilerinin işe yarar olup olmadığını tespit ettikten sonra bu çizgilerin
arasındaki ilişkilerin çıkartılması olmadığı anlaşılmıştır ve bunun üzerine özgün bir
yöntem geliştirilmiştir.
Geliştirilen özgün yöntemde öncelikle ada/parsel sınırlarını belirleyen balastro
noktalarını bulup, bir kapalı alan oluşturabilmesi için bunları bağlaması gereken
çizgilerin varlığının kontrol edilmesi yoluna gidilmiştir. Yani var olan çizgiler değil, var
olması gereken, varlığı muhtemel olan çizgilerin kontrolü yapılmıştır. Bu sayede hem
bütün çizgileri bulmak hem de sonrasında onları gürültüden ayırmak için gereken işlem
gücünden tasarruf edilmiştir. İşlem basamakları daha verimlileştirildiği için gerçek
zamanlı/neredeyse gerçek zamanlı çalışan ve daha anlamlı sonuçlar üreten bir sistem
gerçekleştirilebilmiştir.
Çalışmada geliştirilmiş olan özgün yöntemde paftaların otomatik/yarı otomatik
vektörleme süreci temel olarak üç ana kısma ayrılabilir; Ada/Parsel köşe noktalarının
bulunması, bu noktaların arasındaki çizgilerin ve bu bilgilere dayanarak noktalar ile
çizgiler arasındaki topolojik ilişkilerin tespit edilmesidir.
Vektörleme süreci için öncelikle ada/parsellerin köşe noktaları bulunmuştur. Sağlıklı bir
vektörleme işlemi için köşe/kırık noktaları arasındaki bağlantıların topolojik yapısının
da bulunması gereklidir. Bulunan köşe noktalarını birleştiren çizgiler tespit edilirken bu
çizgilerin hangi iki ve/veya daha fazla köşe noktasını birleştirdiği de bulunmalıdır. Bu
nedenle sadece çizgiler bulunmamış bu çizgilerin hangi köşe noktalarını birleştirdiği de
bir ağ yapısına kaydedilmiştir. Bu sayede ilişkiler tespit edilebilmiştir.
Ada/parsellerin köşe noktalarını oluşturan, içi boş balastro noktalarının bulunması için
öncelikle Dairesel Hough Dönüşümü (DHD) yöntemi denenmiş ancak kullanılan
15
paftalar üzerinde işlem süresi göz önünde bulundurularak çok verimli çalışmadığı
gözlemlenmiştir. Balastro noktalarının bulunması için DHD yöntemi yerine daha hızlı
ve verimli çalışan “Moore Komşuluk Takibi” (MKT) yöntemi kullanılmıştır.
Vektörleme işleminin ikinci aşamasında, bulunan balastro noktaları arasındaki topolojik
ilişkilerin tespiti için balastro noktalarını birbirine bağlayan çizgileri bulmak
gerekmektedir. Balastro noktalarını bağlayan çizgilerin tespiti için de bu çalışmada
geliştirilmiş olan “Sanal Çizgi Doğrulama Yöntemi” kullanılmıştır.
“3.2.1 Çizgi bulma ve çizgi takip yöntemleri” başlıklı bölümde hit-or-miss dönüşümü
ve Hough dönüşümü yöntemleri ada/parsel kapalı alanlarını bulmak için denenmiş ve
sonuçları incelenmiştir.
“3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi kullanılarak
çizgilerin tespiti” başlığında çizgilerin tespiti için bu çalışmada önerilen yöntem
anlatılmaktadır. Sanal çizgi doğrulaması yöntemi “3.2.2.4 Balastro noktalarından çıkan
dalların açılarının bulunması ve bağlantı kontrolü” başlığı altında anlatılan yöntemle
birlikte desteklenmiş ve daha gürbüz çalışması sağlanmıştır.
“3.2.3 İlişkilerin topolojik olarak ifade edilmesi” bölümünde, bulunan topolojik
ilişkilerin kaydedildiği ağ yapısı anlatılmaktadır.
3.2.1 Çizgi bulma ve çizgi takip yöntemleri
Ada/parselleri oluşturan çizgilerin bulunması için önce “3.2.1.1 Hit-or-Miss dönüşümü”
başlığında detaylı olarak anlatılmış olan köşe/bitim noktalarını ve bunların aralarındaki
çizgileri takip ederek bu noktalar arasındaki ilişkileri bulmayı hedefleyen yöntem
anlatılmıştır. Bu yöntem paftaların büyük ve karmaşık olmasından dolayı anlamlı bir
sonuç üretememiştir.
16
Ada/parselleri oluşturan çizgileri bulmak için kullanılan bir diğer yöntem de “3.2.1.2
Hough dönüşümü ile çizgi bulma” başlığında anlatılan yöntemdir. Bu yöntem de
çizgileri parça parça bulması ve işlem yükü nedeniyle operatörün elle yapacağı
vektörleme işleminden daha verimli olamamıştır.
3.2.1.1 Hit-or-Miss dönüşümü
Köşe noktaların bulunmasında “Hit-or-Miss” dönüşümü sıklıkla kullanılmaktadır. Hit-
or-Miss dönüşümü biçimsel bir operatördür. Küçük bir yapısal eleman (genellikle
3x3’lük bir çerçeve) resim boyunca gezdirilir. Gezdirilen bölgedeki pikseller yapısal
elemanın pikselleriyle tam olarak uyuşuyorsa resim üzerinde yapısal elemanın
merkezine denk gelen piksel işaretlenir (Maity vd. 2011). Bu operatörün matematiksel
ifadesi aşağıdaki gibidir;
�� � �� � � ��� ü����
��� � �� � ������� � ���
(3.1)
Burada B1 ve B2 yapısal elemanları temsil etmektedir. B1’in pikselleriyle tam olarak
örtüşen ve B2’nin pikselleriyle tam olarak örtüşmeyen bölge operatörden geçerek
merkez noktası işaretlenmektedir. � imgenin çerçeve içindeki arkaplan piksellerini �� ise bunun tersi olan pikselleri yani imgenin çerçeve içinde kalan önplan piksellerini,
“�” operatörü Hit-or-Miss dönüşümünü temsil etmektedir.
17
Şekil 3.6 Örnek yapısal eleman
Şekil 3.6’da örnek bir yapısal eleman görülmektedir. Buradaki yapıda, iki yapısal
eleman (B1 ve B2) tek bir yapısal elemana dönüştürülmüştür. B1’i 1’ler B2’yi de -1’ler
temsil etmektedir, 0’lar ise “don’t care” durumudur. Yani normal bir çerçevedeki “don’t
care” durumunu ifade eden boş kısımlar bu çerçevede 0 ile, yine normal bir çerçevede
arkaplan piksellerinin bulmak için kullanılan 0’lar yerine bu çerçevede -1 kullanılmıştır.
Bu yapısal elemana uyan desen bulunduğu zaman çerçevenin merkezindeki piksel,
ayrım ya da bitim noktası olarak işaretlenmektedir.
Şekil 3.7’de ayrım ve bitim noktalarını bulmak için kullanılmış olan yapısal elemanlar
görülmektedir. Bu yapısal elemanlar bütün dallanma kombinasyonları göz önünde
bulundurularak üretilmiştir.
18
Şekil 3.7 Kullanılan yapısal elemanlar
Hit-Or-Miss işleminden sonra noktalar arasındaki topolojik bağlantıların tespiti için,
bulunan noktaların komşuluk matrisinin çıkartılması gerekmektedir. Komşuluk matrisi,
bulunan bütün noktaların hangilerinin birbirine bağlı olduğunun ilişkisini tutan
matristir. Komşuluk matrisi çıkartabilmek için noktalar bulunduktan sonra noktalar
arasında çizgi takibi yapılması gereklidir. Çizgi takip işleminden önce de inceltme
işlemi yapılmalıdır. İnceltme işlemi imge üzerindeki çizgileri tek piksel kalınlığına
indirmektedir. MATLAB imge işleme araçkutusunda bulunan “bwmorph” fonksiyonu
ile inceltme işlemi gerçekleştirildikten sonra “bwhitmiss” fonksiyonu ile hit-or-miss
işlemi gerçekleştirilmektedir.
Şekil 3.8 İnceltme işleminden sonra alınan örnek kesit
19
İnceltilmiş imge üzerinde hit-or-miss fonksiyonu gerçekleştirildikten sonra bulunan
köşe ve bitim noktaları arasındaki ilişki bu noktalar arasında çizgi takibi yapılarak
bulunur ve birbirine bağlanmış olan noktalar komşuluk matrisinde işaretlenir.
Yapılan testte komşuluk matrisi oluşturma işleminin oldukça fazla işlem ve hafıza gücü
gerektirdiği görülmüştür. Tam boyutlu bir pafta üzerinde (Pafta 3) koşulan algoritma bir
gün boyunca çalıştıktan sonra hâlâ işlem bitmediği için üç numaralı pafta üzerinden
alınan 1332x1524 boyutundaki bir kesit üzerinde (Şekil 3.9) tekrar çalıştırılmıştır. Bu
kesit üzerinde 43 ada/parsel bulunmasına karşın toplamda 773 köşe ve bitim noktası
bulunmuştur. Bunun sebebi paftanın çizgilerinin düzgün çizilmiş olmaması ve inceltme
işleminden sonra gürültülü kısımların çatallanmalar olarak ortaya çıkmasıdır (Şekil 3.8).
Bu 773 nokta üzerinde yapılan komşuluk matrisi çıkartma işlemi de 722.45 saniye
sürmüştür. Bütün bunlar göz önünde bulundurulduğunda bu yöntemin pratikte
kullanılabilir olmadığına kanaat getirilmiştir.
Şekil 3.9 Hit-or-Miss işleminin gerçekleştirildiği kesit
Sonuçlardan da anlaşılacağı gibi paftalar çok büyük olduğundan ve çok fazla detay
barındırdığından dolayı işlem süresi çok uzun olmaktadır. Gerçek dal noktalarından
gürültüleri ve gereksiz detayların
edip anlamlı sonuçlar elde etmek için oldukça fazl
İmgede gürültüden kaynaklanan dallanmalar olduğu için çizgi takip işlemi için gereken
kontroller de artmaktadır. Bu yönt
yuvarlak noktalarda döngüye
bulundurulduğunda bu yöntemin pratik faydasının
örnek bir çıktısı şekil 3.10’da
Şekil 3.10 Hit-or-Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması
20
gürültüleri ve gereksiz detayların oluşturduğu dallanmaları (ör: yazılar, işaretler) ayırt
edip anlamlı sonuçlar elde etmek için oldukça fazla kontrol işlemi gerekmektedir.
İmgede gürültüden kaynaklanan dallanmalar olduğu için çizgi takip işlemi için gereken
kontroller de artmaktadır. Bu yöntemin uygulanmasında karşılaşılan bir başka sorun da
yuvarlak noktalarda döngüye girebilmesidir. Bütün bunlar göz önünde
bulundurulduğunda bu yöntemin pratik faydasının kalmadığı görülmüştür. Y
ekil 3.10’da görülebilir.
Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması
(ör: yazılar, işaretler) ayırt
a kontrol işlemi gerekmektedir.
İmgede gürültüden kaynaklanan dallanmalar olduğu için çizgi takip işlemi için gereken
emin uygulanmasında karşılaşılan bir başka sorun da
. Bütün bunlar göz önünde
kalmadığı görülmüştür. Yöntemin
Miss yöntemiyle birleşme (junction) ve bitim noktalarının bulunması
21
Şekil 3.11 Balastro noktalarında bulunan birleşim noktaları
İnceltme işleminden sonra daha ayrıntılı olarak görülebilen, gürültüden kaynaklanan
çatallanmalar yöntemi uygulanamaz kılmaktadır. Şekil 3.10’da bulunan birleşim
noktaları kırmızı, bitim noktaları da yeşil olarak işaretlenmiştir. Buradan da görüleceği
gibi kendi içinde döngü yapan boğumlar tespit edilememiştir. Şekil 3.11’de tek bir
balastro noktasında bulunan birden fazla düğüm görülmektedir. Bunların tek bir düğüm
olarak temsil edilmesi için ek kontroller ve işlemler yapmak gereklidir.
3.2.1.2 Hough dönüşümü ile çizgi bulma
Hough dönüşümü (Duda ve Hart 1972) ikili bir imgede çizgi, daire gibi matematiksel
formülle ifade edilebilen şekilleri tanımak için kullanılan yaygın bir yöntemdir.
İmgedeki özellik içeren pikselleri parametre uzayına eşleyerek parametreler ile pikseller
arasında bir bağ kurmaktadır. Bir çizginin iki boyutlu bir düzlemdeki ifadesi Eş 3.2’de
gösterilmiştir.
22
� � � � � (3.2)
Hough dönüşümündeki temel mantık imgedeki bir çizgiyi noktalar bütünü olarak (x1-
y1,x2-y2,...) ifade etmek yerine o çizginin parametreleri yani b ve m ile ifade etmektir.
Yani başka bir değişle � � �� � ile ifade edilen çizgi, parametre uzayında �������,� noktasıyla ifade edilebilir.
Ancak b ve m ile yapılan eşleştirmede çizgi dike yaklaştıkça sınırsız değerler
çıktığından Duda ve Hart (1972) tarafından bu parametrelerin Eş 3.3’de gösterildiği gibi
kullanılmasının sorunu ortadan kaldıracağı ispatlanmıştır.
���� � � cos� � � sin� (3.3)
Şekil 3.12 Hough parametrelerinin geometrik gösterimi
Eş 3.3’de verilen eşitliğin geometrik gösterimi şekil 3.12’de görülmektedir. Hough
dönüşümü ile çizgi bulma işlemi MATLAB içerisindeki “houghlines” fonksiyonu
kullanılarak gerçekleştirilmiştir. Bu fonksiyonun aldığı iki parametre bulunmaktadır.
Bunlardan birincisi ne kadar aralıklı çizgilerin tek bir çizgi olarak kabul edileceğini
gösteren ‘FillGap’ parametresi, ikincisi de belirli bir uzunluktan küçük olan çizgilerin
çizgi olarak yorumlanmamasını sağlayan ‘MinLength’ parametresidir.
23
Şekil 3.13 Hough dönüşümü ile çizgi tespiti
FillGap ve MinLength parametrelerinin çeşitli kombinasyonları ile yapılan testlerde
Hough dönüşümü ile çizgi bulmanın imgenin farklı bölümleri için bile farklı değerler
gerektirdiği görülmüştür. Yöntem imge üzerinde birbirini kesen çizgiler, yazılar ve
çizgilerdeki kesikliklere duyarlı değildir (Şekil 3.13). Çizgiler düzgün bulunamadığı
gibi bu çizgilerin noktalar ile ilişkisinin çıkartılması da ek kontroller ve işlemler
gerektirmektedir. Bunun yanı sıra Hough dönüşümü işlem yükü ağır olan bir yöntemdir.
Bütün bunlar ışığında yapılan birkaç test sonrasında bu yöntemin de eldeki materyal
için uygulanabilir bir yöntem olmadığına karar verilmiştir.
Hit-or-miss ve Hough ile çizgi bulma yöntemlerinden edinilen deneyim, genel çizgi
takip ve Hough tabanlı çizgi bulma yönteminin bu pafta türünde kullanılabilir
olmadığını göstermiştir.
Yine bu deneyimler sayesinde ada/parsel kapalı alanlarını tespit etmek için öncelikle
imgedeki çizgileri bulup o çizgilerin hangilerinin bir ada/parsel oluşturduğunu bulmak
yerine ada/parselleri oluşturması gereken çizgilerin varlığının kontrol edilmesinin çok
daha verimli ve gürbüz bir yaklaşım olacağı anlaşılmıştır. Çünkü imgedeki bütün
çizgileri bulmak ayrı bir işlem yükü, bu çizgilerinin hangilerinin gürültü hangilerinin
gerçek çizgiler olduğunun ayırt edilmesi/elenmesi ve bunların hangilerinin ada/parsel
sınırlarını oluşturduğunun bulunması da ayrı işlem yükü getirmektedir. Bu yaklaşım göz
önünde bulundurularak özgün bir yöntem geliştirilmiştir. Bu yöntemin temelini, işe
24
yaramayacak olan çizgileri bulup sonrasında bunları temizlemek yerine sadece gerçekte
olması gereken çizgilerin kontrolünün yapılması oluşturmaktadır.
Bu yaklaşıma göre öncelikle ada/parsel köşe noktalarını oluşturan balastro noktaları
bulunup, sonrasında da bu balastro noktaları arasında olması gereken çizgilerin kontrolü
gerçekleştirilmektedir. Bu sayede imgenin sadece ilgili kısımlarına yoğunlaşarak hem
hızlı hem de doğruluğu yüksek bir sonuç elde edilmiştir.
3.2.2 Balastro noktalarının bulunması ve sanal çizgi doğrulama yöntemi kullanılarak çizgilerin tespiti
Hit-or-miss ve Hough çizgi bulma yöntemlerinin kullanılan paftalarda verimli olmaması
nedeniyle ada/parsel kapalı alanlarını bulmak için özgün bir yöntem oluşturulmuştur.
Bu yöntemi oluşturulurken harita üzerinde elle vektörleme yapan operatörlerin
vektörleme işlemine yaklaşımları incelenmiş ve operatörlerin gerçekleştirdiği işlem
sırasından esinlenilmiştir.
Operatör bir ada/parsel alanını kapatmak için çizime hiçbir zaman bir çizginin
ortasından başlamamaktadır. Her zaman bir balastro noktası üzerinden başlar, o balastro
noktasının bir çizgiyle bağlandığı diğer balastro noktasını bulur sonra o iki noktayı
birbirine bağlar. Ada/parsel köşe noktalarını oluşturan bütün balastro noktalarını
gezdikten ve bağladıktan sonra işlem tamamlanır (Şekil 3.14).
Şekil 3.14 Doğal vektörleme süreci
25
Kadastral pafta vektörlemesi için önerilen özgün yöntemde önce balastro noktaları
bulunmakta sonra bulunan balastro noktaları arasında sanal çizgi doğrulama yöntemi
kullanılarak ilişki tespiti gerçekleştirilmektedir. Balastro noktalarından çıkan dalların
bulunması ile sanal çizgi doğrulama yöntemi, balastro noktası bulunan kadastro
paftalarının vektörlenmesi için sunulan ve kullanılan özgün yöntemlerdir.
Balastro noktalarının bulunması için öncelikle “Dairesel Hough Dönüşümü” (DHD)
yöntemi denenmiştir. Ancak DHD yöntemi balastro noktalarının dışında balastro
noktası olmayan çok fazla sonuç ürettiği ve Hough yönteminin doğasında olan işlem
yüküne sahip olduğu için, DHD yönteminden daha hızlı çalışan ve daha doğru sonuçlar
üreten “Moore Komşuluk Takibi” (MKT) yöntemi balastro noktalarının tespiti için
seçilmiş ve kullanılmıştır.
MKT yöntemi ile balastro noktaları tespit edildikten sonra “Sanal Çizgi Doğrulama
Yöntemi” ile balastro noktaları arasındaki topolojik ilişkilerin, bağlantıların tespiti
gerçekleştirilmiştir.
3.2.2.1 Dairesel Hough dönüşümü
Dairesel Hough dönüşümü (Ballard, 1981) çizgileri bulmak için kullanılan Hough
dönüşümü ile prensip olarak aynı yöntemdir. Burada parametre uzayı genel çember
denklemine göre oluşturulmaktadır (Eş. 3.4).
�� & ��� � �� & ��� � �� (3.4)
Polar koordinatlarda da Eş. 3.5’deki gibi gösterilebilir.
� � � � � '�(�
� � � � � ()��
(3.5)
26
Bu yöntem sayesinde çapı bilinen ve daireye yakınsayan nesneler siyah-beyaz imge
içerisinde tanımlanabilirler. Bu yöntemin dezavantajı tanımlanması gereken dairenin
çapının önceden verilmesi gerekliliğidir. Balastro noktaları içi boş yuvarlaklar
olduğundan dolayı balastro noktalarının tespit edilmesinde bu yöntem denenmiştir.
DHD’nin uygulanması için tespit edilmesi istenen dairenin çapının bilinmesi gereklidir.
İşlem için gerekli olan çap değeri uyarlamalı olarak tespit edilemediğinden aynı değer
(min:4px max:15px) her pafta için iyi sonuç vermemektedir. Bu değerin çok
düşürülmesi veya çok yükseltilmesi ya olmayan node’leri tanımaya ya da var olan
noktaları kaçırmaya sebep olabilmektedir.
Şekil 3.15 DHD ile bulunmuş örnek noktalar
Şekil 3.15-3.16’da DHD yöntemi ile bulunan doğru noktalar gösterilmektedir.
27
Şekil 3.16 DHD'nin örnek pafta üzerindeki çıktı kesiti
DHD işleminin sonucunda verilen çap değerine göre daireye yakınsayan şekiller
bulunduğundan dolayı bazı durumlarda yanlış tespitler de yapılmaktadır (Şekil 3.17).
Şekil 3.17 DHD ile yanlış tespit edilen nokta
28
DHD kullanılarak yapılan testlerde Pafta3 görüntüsü üzerinde bulunan dairesel yapı
sayısı 4247 olarak bulunmuştur. Bu noktalar kimi zaman çok yakın hatta aynı noktayı
temsil etmekte olduğundan, aralarında Öklid uzaklığı ile 15 pikselden daha az mesafe
bulunan noktalar tek noktaya indirgenmiştir. Bunun sonucunda ortaya çıkan toplam
nokta sayısı 3442’dir. Bu işlem 6704 saniye gibi çok uzun bir sürede tamamlandığı ve
üçüncü pafta üzerindeki gerçek balastro nokta sayısı 308 olup 3442 tane aday noktanın
bulunmasından dolayı bu yöntemin de bu paftalar için kullanılabilir olmadığına karar
verilmiştir.
3.2.2.2 Moore komşuluk takibi yöntemi
Bu yöntem, bir piksele ait Moore komşuluklarını kontrol ederek, çevrelenmiş piksel
gruplarının çıkartılması işlemidir. Bir piksele ait Moore komşulukları, o piksel ile bir
kenar ya da köşe paylaşan 8 veya 4 pikselden oluşmaktadır (Şekil 3.18). Beyaz arka
plana sahip siyah piksel grupları bulunan görüntü üzerinde, bu piksel gruplarına ait
kontur bilgileri çıkartılır (Pradhan vd. 2010).
Şekil 3.18 Moore Komşulukları. (a. 4’lü komşuluk, b. 8’li komşuluk)
29
Çizelge 3.2 MKT Akışı
Algoritma Girdi: T: P adet bağlantılı siyah piksel içeren siyah-beyaz görüntü B: Kontur piksellerinden oluşan dizi M(a): a pikseline ait Moore komşulukları (8 adet komşu pikselden oluşur) Çıktı: B: kontur piksellerinden oluşan dizi
1. Başla 2. B dizisini boş olarak tanımla 3. T görüntüsünde, sol alttan sağa doğru P’ye ait siyah
pikseli bulana kadar tarama yap (piksel: s) 4. B dizisine “s”yi ekle 5. Eldeki sınır pikseli p’ye s’yi ata (p=s) 6. s pikseline gelinen piksele geri dön 7. p pikselinin Moore komşuluklarından (M(p)) bir
sonraki saat yönünde olan pikseli seç ve c’ye ata. 8. c ve s birbirine eşit olmadığı sürece
9. Eğer c siyahsa 10. c’yi B dizisine ekle 11. p=c atamasını gerçekleştir ve bu piksele
gelinen piksele geri dön. (6. adım) 12. Değilse, c’ye bir sonraki saat yönündeki
pikseli ata 13. Süreci bitir 14. Son
Kontur çıkartma işlemi sonucunda imge içindeki kapalı bölgeler de (“blob”lar)
çıkartılmış olur. Bu kapalı bölgelerden kasıt çalışmanın nihai amacı olan ada/parsel
kapalı alanları değil, bir sınır ile çevrelenmiş ve literatürde “blob” olarak nitelendirilen
imge bölgeleridir. Bu bölgeler birbirine bağlanan konturların analizi sayesinde çıkartılır.
Kontur tarama işlemi sonucunda o konturun içinde kalan alan bir kapalı bölge
oluşturmaktadır (Şekil 3.19).
Şekil 3.19 MKT algoritması ile çıkartılan örnek alan
30
Kullanılan paftalarda ada/parsellerin köşe noktaları içi boş daireler olan balastro
noktalarıdır. Yani bu bölgeler de imge üzerinde kapalı bölgeler olarak yorumlanabilir.
Bu yöntem ile imge üzerindeki bütün kapalı bölgeler bulunmaktadır. Bunların içine tam
olarak kapanmış büyük alanlar, pafta üzerindeki yazıların içerisindeki boşluklar, vs. de
girmektedir.
Bulunan kapalı alanları filtreleyerek sadece balastro noktalarının seçilmesi, konturları
bulunan kapalı bölgelerin piksel cinsinden alanlarına bir eşik değeri seçerek ve/veya
bulunan bölgenin dairesellik katsayısına bakarak gerçekleştirilebilir.
* � 4 , - , �//� (3.6)
Bölgenin dairesellik katsayısını bulmak için kullanılan eşitlik Eş 3.6’da verilmiştir.
Burada � bölgenin alanını, / çevresini, * de dairesellik katsayısını temsil etmektedir.
Bu yöntem MATLAB ortamında “bwboundaries” fonksiyonu kullanılarak
gerçekleştirilmiştir.
“[B,L,N] = bwboundaries(BW,conn,options)” genel biçimine sahip olan fonksiyon
nesnelerin dış sınırlarını tarar, nesneleri ve içlerindeki boşlukları bulur.
B: Tx1’lik bir hücre dizisidir. Burada T bulunan nesne ve boşluk sayısıdır. Her bir hücre
de Mx2’lik bir dizidir. Her satır sınır piksellerinin koordinat değerlerini tutar, M sınır
piksellerinin sayısıdır.
L: Etiket matrisidir. Bu iki boyutlu matriste nesneler ve boşluklar etiketlenir. Bu matris
sonrasında yine başka bir MATLAB fonksiyonu olan “regionprops”da kullanılacaktır.
N: Bulunan nesnelerin sayısıdır.
31
BW: İşlenecek olan siyah-beyaz imge.
conn: Sınır pikselleri takip edilirken kullanılacak olan bağlantı şeklini temsil eder. 4 ve
8 değerlerini almaktadır. 4 seçeneğinde 4’lü komşuluklar 8 seçeneğinde de 8’li
komşuluklar üzerinden takip işlemi gerçekleştirilir.
options: ‘holes’ ve ‘noholes’ olmak üzere iki seçenekten oluşur. Birinci seçenekte hem
nesneler hem de boşlukların sınırları bulunmaktadır. İkinci seçenekte ise sadece
nesneler bulunur.
[B,L,N] = bwboundaries(Input,4,'noholes'); şeklinde kullanılmıştır. Burada ‘noholes’
seçilmesinin sebebi fonksiyonun siyah pikselleri arkaplan beyaz pikselleri de nesnelere
ait pikseller olarak kabul etmesidir. İmgenin üzerinde boşluk olarak gördüğümüz
balastro noktaları fonksiyon tarafından nesne olarak kabul edildiğinden dolayı
boşlukları bulmaya gerek yoktur. “regionprops” isimli MATLAB fonksiyonundan
faydalanarak bulunan nesnelerin alan ve merkez noktasının koordinatı da bulunmuştur.
Balastro noktası bulunması için kullanılan ve verimli olduğuna karar verilen yöntem,
Moore Komşuluk Takibi yöntemi kullanılarak konturların bulunması ile kapalı imge
bölgelerinin (blob) çıkartımıdır.
32
Şekil 3.20 MKT yöntemi ile bulunan kontur ve kapalı bölgeler
Pafta 1 üzerinde denenen yöntem, pafta içerisindeki kapalı bölgeleri oldukça hızlı bir
şekilde çıkartmıştır (Şekil 3.20). Ancak bizim için gerekli olan bölgeler sadece balastro
noktalarının içleri olduğu için bulunan bölgeler arasında bir eleme işlemine gerek
duyulmaktadır. Bu eleme işlemi için bulunan bölgelerin dairesellik ve alan öznitelikleri
kullanılmıştır (Kasturi vd. 1990). Çizimler elle yapıldığından dairesellik için eşik değeri
3 paftadaki dairelerin dairesellik değerlerinin ortalaması olarak alınmıştır. Bulunan alt
değer 0.4, üst değer de 2’dir. Alan için kullanılan üst eşik değeri 130 alt eşik değeri de
10’dur.
Bu eşik değerlerine göre eleme işlemi yapıldığında alınan sonuç şekil 3.21’deki gibidir.
Eleme işleminden sonra balastro noktaları bulunduğu gibi aynı kriterlere uyan bölgeler
de seçilmiştir. Benzer bölge
oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörl
sonraki aşaması olan balastro noktalarından çıkan dalların bulunması ve iki balastro
noktası arasındaki çizgi kontrolü aşamasında bu yanlış bulunan noktalar çizgi testini
geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşki
Eleme işlemi paftalar üzerinde detaylı incelendikten sonra dairesellik özelliğinin eleme
işlemine faydasından çok zararı olduğu ve bulunması gereken noktaların bulunmasına
engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının e
kaynaklanmaktadır. Şe
tam olarak yuvarlak değildir. Bu nedenle dairesellik kriteri kullanıldığı zaman bu nokta
eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kull
33
Şekil 3.21 MKT ile bulunan balastro noktaları
Eleme işleminden sonra balastro noktaları bulunduğu gibi aynı kriterlere uyan bölgeler
de seçilmiştir. Benzer bölgeleri çoğunlukla harflerin ve rakamların içindeki boşluklar
oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörl
sonraki aşaması olan balastro noktalarından çıkan dalların bulunması ve iki balastro
noktası arasındaki çizgi kontrolü aşamasında bu yanlış bulunan noktalar çizgi testini
geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşki
Eleme işlemi paftalar üzerinde detaylı incelendikten sonra dairesellik özelliğinin eleme
işlemine faydasından çok zararı olduğu ve bulunması gereken noktaların bulunmasına
engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının e
kaynaklanmaktadır. Şekil 3.22’deki örnek balastro noktasının içi taşmalardan dolayı
tam olarak yuvarlak değildir. Bu nedenle dairesellik kriteri kullanıldığı zaman bu nokta
eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kull
alastro noktaları
Eleme işleminden sonra balastro noktaları bulunduğu gibi aynı kriterlere uyan bölgeler
ri çoğunlukla harflerin ve rakamların içindeki boşluklar
oluşturmaktadır (Ör: a,e,4). Ancak çalışmada öne sürülen vektörleme yönteminin bir
sonraki aşaması olan balastro noktalarından çıkan dalların bulunması ve iki balastro
noktası arasındaki çizgi kontrolü aşamasında bu yanlış bulunan noktalar çizgi testini
geçemeyeceği için bulunan bu yanlış noktalar çok büyük sorun teşkil etmemektedir.
Eleme işlemi paftalar üzerinde detaylı incelendikten sonra dairesellik özelliğinin eleme
işlemine faydasından çok zararı olduğu ve bulunması gereken noktaların bulunmasına
engel olduğu tespit edilmiştir. Bunun nedeni balastro noktalarının elle çizilmesinden
asının içi taşmalardan dolayı
tam olarak yuvarlak değildir. Bu nedenle dairesellik kriteri kullanıldığı zaman bu nokta
eleme işlemi sonucunda elenmiştir. Ancak sadece alan kriteri kullanıldığında bu
34
noktanın da aday noktalar arasına alındığı görülmüştür. Bunun yanı sıra balastro
noktaları ile diğer bulunan kapalı bölgeler (ada/parsel alanları) arasındaki alan farkı çok
büyük olduğundan dolayı sadece alan ile yapılan eleme işleminin yeterli olduğu yapılan
testlerde görülmüştür.
Şekil 3.22 Dairesellik kriterini sağlayamayan örnek balastro noktası
MKT yönteminde kontur çıkarımı yapılırken istenirse 4 komşuluk üzerinden çizgi takibi
istenirse 8 komşuluk üzerinden çizgi takibi yapılarak konturlar ve kapalı bölgeler
bulunmaktadır. Yapılan testlerde 4 komşuluk ile gerçekleştirilen işlemde daha fazla
balastro noktası tespit edilmiştir (Şekil 3.23).
Şekil 3.23 a. 8 komşuluk kullanılan MKT işlemi, b. 4 komşuluk kullanılan MKT işlemi
35
Bu nedenle MKT yöntemi uygulanırken 4 komşuluk kullanılmıştır. Bu iyileştirme
sayesinde daha fazla nokta bulunabilmiştir.
Doğru balastro noktalarını bulabilmek için yapılan bütün testler ve bunların sonuçları
incelenerek yapılan iyileştirmelerden sonra pafta1 için alınan en son sonuç şekil 3.24’de
görülmektedir.
Şekil 3.24 Eleme işleminden sonra bulunan kapalı imge bölgeleri
Ada/parsellerin sınırlarını oluşturan ve balastro noktalarını birbirine bağlayan çizgiler
bulunurken bu çizgilerin hangi balastro noktalarını birbirine bağladığı bilgisi de aynı
anda bulunmalıdır. Genel çizgi takip algoritmaları kullanılarak çizgiler tespit edilebilir
ancak bunların hangi noktalara bağlandığı bilgisini bulmak için fazladan kontrol işlemi
yapmak gereklidir. Paftaların boyutları büyük olduğu için çizgileri bulup sonrasında
hangi çizginin gerçek kenar çizgisi olduğunu ve bunların bağlandığı noktaları tespit
etmek yerine noktalar arasındaki çizgilerin bulunması yaklaşımı benimsenmiştir.
“3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin
tespiti” başlığı altında anlatılan yöntem ile çizgiler bulunmuş, “3.2.2.4 Balastro
36
noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü” adlı başlığın
altında anlatılan yöntem ile desteklenerek yöntemin başarımı artırılmıştır.
3.2.2.3 Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin tespiti
Çizgileri bulurken çizgilerin hangi iki nokta arasında olduğunun bulunması da önem
teşkil etmektedir. Bu yaklaşımda imge üzerindeki bütün çizgileri bulmak yerine sadece
ilgili noktalar, yani ada/parsellerin köşe noktaları, arasındaki çizgilerin bulunması yolu
tercih edilmiştir. Böylece hem çizgiler-noktalar arasındaki ilişki daha kolay bulunurken
bütün çizgileri bulmak için gerekli işlem yükünden de kâr edilir.
Balastro noktaları bulunduktan sonra bunların merkez noktalarından sanal bir çizgi
çizilir. Kullanılan imgeler ikili imge olduğundan dolayı bu çizgi altında kalan noktaların
hangilerinin siyah nokta olduğu bilgisi çizilen sanal çizginin noktalarının altında kalan
değerler okunarak tespit edilir. Daha sonra bu noktaların oranına bakılarak iki balastro
noktası arasında gerçek bir çizgi olup olmadığına karar verilir.
Balastro noktaları elle çizildiğinden dolayı merkez noktaları, onları birleştiren çizgilerle
tam olarak hizalı olamamaktadır. Bu nedenle imgeye ilk önce genişletme (Dilation)
biçim operatörü uygulanır (Şekil 3.25). Yöntemin akış şeması şekil 3.26’da
görülmektedir.
Şekil 3.25 Genişletme işlemi
37
Şekil 3.26 Sanal çizgi doğrulama yöntemi akış şeması
38
Şekil 3.25’de genişletme işleminde kullanılan yapısal eleman ve genişletme işleminden
sonra çizginin aldığı son hâl görülmektedir. Bu sayede çekilen sanal çizginin merkez
kayıklıklarından en az şekilde etkilenmesi sağlanmıştır.
Bresenham (1965) çizgi çizme algoritması bilgisayar ekranında bir çizgi çizmek için
hangi noktalardan geçilmesi gerektiğini verimli bir şekilde bulan ve bilgisayar grafikleri
alanında en çok kullanılan, kabul görmüş bir çizgi çizme algoritmasıdır. Sadece tamsayı
toplaması ve çıkarması gibi basit işlemler kullanıldığı için oldukça hızlı sonuç
üretebilmektedir. Eş. 3.7’de matematiksel ifadesi görülmektedir.
� � �� & �0�� & �0 �� & �0� � �0 (3.7)
Bu algoritma sayesinde çizgi altında kalan pikselin değeri alınarak gerçek bir çizgi olup
olmadığına karar verilebilmesi için “siyah piksel oranı” (SPO) hesaplanır.
1, (��� ç)�3)�)� 4�(�/���� ����*)�����ı�*��) )3� *�ğ����)�) )ç���� *)�) 7� 8 �9 )(���)� ��/� ���� (��ı(ı ��� ü���� (�1 � � 1 �ğ�� 1 � 0 )(� (�1 � � 0 �ğ�� 1 � 255 )(� >?@ � A (�1B�/8
C
BD�
(3.8)
Burada (�1 � ifadesi piksel dizisinin i. elemanının siyah olup olmadığını bulan fonksiyonu ifade etmektedir (Eş 3.8). Siyah piksel oranı ne kadar 1’e yakınsa çizilen
sanal çizgi altında gerçek bir çizgi olma olasılığı o kadar yüksektir (Balkoca vd. 2011).
İki balastro noktası arasındaki çizginin varlığını bulurken kullanılan SPO eşiği %90
olarak seçilmiştir.
39
Bu eşik değeri kullanılarak var olan çizgiler başarıyla bulunmuştur ancak olmaması
gereken ek bağlantıların da yapıldığı gözlemlenmiştir (Şekil 3.27-3.28).
Şekil 3.27 Bir daldan birden fazla noktaya yapılan yanlış bağlantı
Şekil 3.28 Dallanma olmayan bölgeye yapılan yanlış bağlantı
40
Şekil 3.28’deki gibi, genişletme işleminden sonra SPO’nun uzaktaki nokta için de
%90’ın üzerinde olması yanlış bağlantının gerçekleşmesini sağlamıştır. Çift bağlantı
sorununun giderilmesi için bir kural seti oluşturulmuştur (Balkoca vd. 2011).
• Bir düğüm diğer bir düğüm ile çizgi kontrolüne başlamadan önce diğer düğümün zaten kendisine bağlı olup olmadığını kontrol etmelidir. Bu sayede çift bağlantının önüne geçilmektedir.
• Bir düğümden çıkan bağlantıların arasındaki açı en az 10 derece olmalıdır. • Bir düğüm çizgi kontrolünü geçen en yakınındaki düğüme bağlanmalıdır.
Bu kural seti sayesinde yapılan çift bağlantılarda %30 oranında azalma görülmüştür. Bu
kural seti şekil 3.27’deki durumları çözmesine rağmen, şekil 3.28’deki gibi noktadan
dallanma olmayan bölgeye yapılan bağlantılar için çözüm getirmediği ve yeterli
olmadığı anlaşılmıştır.
Şekil 3.29 Çift bağlantının kural setinden sonra düzeltilmiş hali
41
Bunun için oluşturulmuş olan kural setinin testinden edilmiş tecrübe üzerine “3.2.2.4
Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü”
kısmında anlatılan yöntem geliştirilmiştir. Dal bulma yöntemi, sanal çizgi yöntemine ek
kontrol ve hangi noktalar arasının kontrol edileceğini daha gürbüz bir şekilde bulma
imkanı sunmaktadır. Bu sayede dallanma olmayan taraflar ile bağlantı kontrolü hiçbir
şekilde yapılmamaktadır. Bu da hem işlem süresini kısaltmakta hem de işlem
doğruluğunu artırmaktadır.
3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı kontrolü
İki nokta arasındaki çizgileri bulmak amaçlı kullanılan sanal çizgi doğrulama
yönteminin verimli olabilmesi için öncesinde hangi iki nokta arasına uygulanacağının
bilinmesi gereklidir. Eğer hangi noktalar arasında çizgi bulma işleminin uygulanması
gerektiği kestirilemezse bütün noktalar arasında bu işlemin kombinasyonel olarak
denenmesi gerekli olacaktır ki bu da zaman olarak verimsiz bir işlemdir.
Bu işlemin verimli bir şekilde gerçekleştirilebilmesi için balastro noktaları bağlantı
kuracağı aday noktayı, dallanma yönünde bulunan yakın komşuları arasından
seçmelidir. Bulunan adaylar arasında daha önce kurulmuş bir bağlantı olup olmadığı
kontrol edilmektedir. Yeni bir bağlantı kurulacaksa, aday noktanın belirlenen dal açı
aralığına düşüyor olması gerekmektedir. Son olarak balastro noktaları ile bağlantı
kuracağı aday nokta arasında siyah piksel oranı kontrolü yapılarak, aralarında bir çizgi
olduğu kesinleştirilmektedir.
Balastro noktalarından hangi yönlere hangi açılarla çizgilerin çıktığının bulunması için
özgün bir yöntem geliştirilmiştir. Bu yöntemde öncelikle noktanın merkezinden sanal
bir daire çizilir. Bu sanal dairenin noktaları altında kalan imge piksel değerleri okunur.
Bu değerlerin sıralanışı analiz edilerek hangi açıdan bir çizgi çıktığı tespit edilebilir.
Balastro noktasının merkezinden sanal bir çember çizmek için Bresenham (1977)’ın
çember çizme algoritması kullanılmıştır.
42
�� � �� � �� (3.9)
Eş. 3.9’da genel çember formülü görülmektedir. Algoritma bu çember formülüne uygun
olarak bilgisayar monitörü üzerinde ideale en yakın çemberi çizmektedir.
Şekil 3.30 Bresenham Çember Algoritması (8 Çeyrek)
Çember 8 eşit parçaya bölünür ve sadece bir parça için piksel değerleri hesaplanır.
Sonrasında bu parça bütün eksenlerde aynalanarak tüm çember elde edilir (Şekil 3.31).
Şekil 3.31 Hesaplanan bir piksel değerinin 8 simetrisi
Çemberi oluşturan noktalar belirlendikten sonra bu noktaların altındaki piksel değerleri
alınır ve 1xN’lik bir dizinin içine yerleştirilir. Bu dizi içerisinde dal başlangıcı ile dal
43
bitiş noktaları arasındaki siyah piksel oranına bakılır. Örneğin başlangıç ile bitiş açıları
arasında 21 nokta giriyor olsun. Bu noktaların eşik değeri olarak belirlenen yüzdesi
siyah ise o aralık dal olarak kabul edilir. Bu eşik değeri ardı ardına gelen piksel oranını
temsil etmektedir ve dal kalınlığı ile doğru orantılıdır. Burada oransal bir değer
kullanılmasının sebebi imge üzerindeki bozulma kaynaklı olarak bazı bölgelerin silik
olmasından dolayı sürekli arka arkaya siyah piksel barındıramamasıdır.
Şekil 3.32 Dalların bulunması
Şekil 3.32’de oluşturulan sanal çember üzerinde yapılan dal sınırlarının bulunması ve
dal tespiti görülmektedir.
44
Şekil 3.33 Dalları bulmak için kullanılan 1xN'lik dizinin analizi
Bu yöntemde dikkat edilmesi gereken en önemli iki noktadan birincisi seçilen sanal
çemberin çapı, ikincisi de dal kalınlığının siyah piksel oranı eşik değeridir. Şekil
3.33’de sanal çemberden alınan örneklerin dizi içerisindeki dağılımı görülmektedir.
SPO eşik değeri oransal bir değer olduğundan dolayı her uygulamaya göre çok fazla
değişmese de çemberin çapı her uygulama/pafta setine göre değişebilmektedir. Sanal
çemberin çapı, dallara bağlanan noktanın genişliği ile doğru orantılıdır. Bu çap
yeterince büyük seçilmezse, örneğin tam olarak noktanın sınırlarına denk gelirse dalları
bulmak mümkün olmayacaktır (Şekil 3.34).
Şekil 3.34 Eşik değerinin yanlış seçilmesi durumunda gerçekleşen dal bulma işlemi
45
Bu yöntemin en büyük dezavantajı ise eşik değerlerine bağlı olmasıdır. Ancak basit
olması ve çok hızlı sonuç üretmesi de en büyük avantajıdır. Eğer eşik değerleri doğru
seçilebilirse büyük ölçüde hatasız çalışacaktır. Sonraki çalışmalarda bu yöntemin eşik
değerlerinin uyarlamalı olarak bulunması sağlanabilirse yöntem çok daha yüksek
başarımlarla çalışabilecektir.
Bir balastro noktasına ait bir daldan yapılacak olan bağlantı, o dalın içinde bulunduğu
açı aralığına ait kartezyen koordinat sistemi bölgelerindeki bir başka nokta ile olmalıdır.
Dolayısıyla bir dala ait bağlantının kurulabileceği noktalar, dalın açısına göre kartezyen
koordinat sisteminin birinci, ikinci, üçüncü ve dördüncü çeyreğindeki noktalara
indirgenebilir. Eğer bağlantının kurulacağı dal aralığı, iki bölgeye birden düşüyorsa, bu
iki bölge içerisinde bulunan noktalar bağlantı kontrolü için aday noktalardır.
Şekil 3.35 Test altındaki noktaya göreli bölgeler
Hangi bölgelerin kontrol edileceğine dalın başlangıcı ve bitişindeki piksellerin, balastro
noktasının merkezine göre konumuna bakılarak karar verilmektedir (Şekil 3.35).
Bir balastro noktasının ilişkili olduğu noktaların dallanmanın olduğu bölgedeki en yakın
100 komşu içerisinde olduğu varsayılmaktadır. Bu varsayım doğrultusunda, açısal
kontrol ile belirli bir çeyreğe indirgenen noktalardan, en yakın olanından başlanarak
bağlantı kurulmaya çalışılmaktadır. Noktalar arasındaki yakınlık derecesi Öklid uzaklığı
ile hesaplanmaktadır (Eş. 3.10). En yakın 100 nokta alınmasının sebebi herhangi
46
öngörülmeyen bir durum olması ve hiçbir noktanın bulunamaması ihtimali karşısında
kontrol işleminin sonsuz bir döngüye girmesini engellemektir.
*�/, E� � F�/� & E��� � �/� & E��� (3.10)
Balastro noktasına ait ilişkilerin çıkarılması sürecinde, aday noktalardan en yakınının
bulunmasından sonra bu nokta ile gerçek bir bağlantının olup olmadığının
belirlenebilmesi için bazı kurallar oluşturulmuştur. Bu kurallar çerçevesinde balastro
noktalarına ait karşılıklı iki dal merkez noktasının (Şekil 3.36) aynı doğrultuda olup
olmadığı, aralarında daha önceden kurulmuş bir bağlantının varlığı ve birbirlerine
bağlanmalarını sağlayan çizginin siyah piksel oranı kontrol edilmektedir.
Şekil 3.36 Dal ve Balastro noktası merkezleri
Her balastro noktası için belirli olan dallanmalardan, diğer balastro noktasının dal
merkez noktaları ile kurulacak olan ilişkide, öncelikli amaç iki merkez noktanın da aynı
47
doğrultuda olmasıdır. Birbirlerine bağlı olan iki noktadan bir doğru geçebileceği için bu
iki merkez noktasının kayıklıkları tolere edebilecek derecede benzer doğrultuda olması
gerekmektedir. Bunu sağlamak için iki noktanın birbirlerine göre olan açıları (Eş. 3.11)
dal sınır açılarıyla belirlenen bölge içinde olup olmadığı sınır değerlerine belirli bir
tolerans değeri eklenerek kontrol edilir. Bu tolerans değeri her iki tarafa (sağ ve sol)
doğru 5o’dir. Eğer iki nokta aynı doğrultuda ise, yani iki balastro noktası arasındaki açı,
noktadan çıkan dalın başlangıç ve bitiş noktalarının merkez nokta arasında yaptığı açılar
arasında kalıyorsa, bu iki nokta bağlantı kurmaya aday olabilir (Şekil 3.37).
����2��, �� � 2��'��� �F�� � �� � �
� � ����2��, �� G � HI�-J , 180L �: ��*��� ')�()�*�� �çı �&-, -N ���ığı�*�
G: *���'� ')�()�*�� �çı *�ğ��)
(3.11)
Doğrultu kontrolü yapılırken iki nokta arasındaki açıya bakılmaktadır (Eş. 3.11). Açı
değeri ���� fonksiyonun bir varyasyonu olan ve iki parametre alan ����2��, �� fonksiyonu ile bulunmaktadır. Bu fonksiyon pozitif x düzlemi ile ��, �� koordinatları ile verilen nokta arasındaki açı değerini radyan cinsinden bulmaktadır. Açı değerini
�&-, -N aralığında verdiği için negatif açılar x düzleminin altında kalanları (y<0), pozitif açılar da üstünde kalanları (y>0) temsil eder.
48
Şekil 3.37 Noktalar arasındaki açı kontrolü. (1. Başarılı doğrultu, 2. Başarısız doğrultu)
Şekil 3.37’de görüleceği gibi balastro merkez noktasından dalların çıkış yönlerine doğru
hesaplanan açılara tolerans değeri eklenir. Kontrol edilecek iki nokta arasındaki açılar
da hesaplanır. Eğer iki balastro merkezinden hesaplanan açı, dalın noktadan çıkış
aralığında kalıyorsa bir sonraki çizgi kontrol aşamasına geçilir. Şekil 3.37’de 2 numaralı
örnekteki gibi aralığın dışına taşarsa o nokta için bir sonraki aşamaya geçilmemektedir.
Bu şartları sağlayan iki merkez noktanın bağlantısının kesinleştirilmesi ise, “3.2.2.3
Sanal çizgi doğrulama yöntemi kullanılarak iki nokta arasındaki çizginin tespiti”
başlıklı bölümde açıklandığı gibi siyah piksel kontrolü ile yapılmaktadır. Bu kontrolün
balastro noktalarının merkezleri yerine, dal merkezlerinden yapılmasının sebebi, daha
gürbüz bir yaklaşımla kontrol yapılmasını sağlamaktır. Bazı balastro noktalarına ait
merkezlerde elle çizimden kaynaklanan kaymalar olabilmekte, bu da kontrolü yapılan
çizgilerin kaymasına ve siyah piksel oranının sağlanamamasına sebep olmaktadır. Bu
nedenle kontroller iki dal merkez noktası arasında yapılarak, siyah piksel oranı eşik
değerinin üzerinde olan çizgiler için ilişkiler belirlenmiştir. Her ne kadar ilişkilerin
49
kontrolü dal merkez noktalarından yapılsa da, bağlantılar balastro noktalarının
merkezlerinden yapılmaktadır.
Yöntemin akış şeması şekil 3.38’de gösterilmiştir.
50
Şekil 3.38 Noktalar arası bağlantı akış şeması
51
Şekil 3.39 Dallara göre çizgi tespiti
Şekil 3.39’da görüldüğü gibi test altındaki A noktası ilk önce D noktası ile sonrasında
da B noktası ile birleşecektir. Bir daldan iki noktaya bağlantı yapılamayacağı için A
noktası bir daldan bağlantı testini geçen ilk noktadan (D) sonra artık o dal için tekrar
kontrol yapmayacaktır. Bu kural A’nın hem D’ye hem E’ye bağlanmasını
engellemektedir. Bu dalla işi biten A noktası sonrasında B’ye bağlanan ikinci dal için
kontrollerini gerçekleştirecek ve B’ye bağlanacaktır.
Noktaların sayıca fazla olması nedeniyle bağlantı kontrol işleminde gerçekleştirilen
işlemlerin sırası işlem yükünü en aza indirecek şekilde seçilmiştir. İlk aşamada en
yakındaki her bir nokta ile açı kontrolü yapmak yerine basit koordinat toplama ve
çıkartması sayesinde sadece dalın yönelimi olan bölgelerdeki noktalara bakmak
gereksiz noktaların elenmesini sağlamıştır. İkinci aşamada açı kontrolü yapıldıktan
sonra çizgi varlığının kontrol edilmesi hem sonuçları daha doğru bulmayı hem de
gereksiz işlem yükünden kaçınmayı sağlamıştır.
52
Yöntemde kullanılan sanal çemberin çapı 30 piksel, noktadan çıkan dalların kalınlık
SPO eşik değeri de %80 olarak seçilmiştir. Bu değerler paftalardaki seçilen noktalardan
örnekleme yapılarak belirlenmiştir.
3.2.3 İlişkilerin topolojik olarak ifade edilmesi
“3.2.2.4 Balastro noktalarından çıkan dalların açılarının bulunması ve bağlantı
kontrolü” kısmında anlatılan yöntemle balastro noktaları arasındaki çizgilerin ve
birbirleriyle olan ilişkileri bulunduktan sonra bunlar bir ağ yapısında kaydedilmiştir.
Oluşturulan yapı bağlı listeler (linked list) mantığına çok benzemektedir. Ancak bağlı
listelerin aksine bir nokta birden fazla noktaya bağlanabilmektedir. Her balastro
noktasının bir veya birden fazla dalı vardır ve bu dalların da bağlandıkları başka bir
balastro noktası bulunmaktadır. Noktalar aynı fiziksel yapıda olduğu gibi birbirine
dallar aracılığıyla bağlanmaktadır (Şekil 3.40).
Şekil 3.40 Dalların noktalarla ilişkisi
53
Şekil 3.41 İlişkilerin ağ yapısı
Dal nesneleri ve düğüm olarak adlandırılan ve balastro noktalarını temsil eden nesneler
bulunmaktadır. Bir düğümde birden fazla dal bulunabilmekte ve her dalın hangi
düğüme bağlandığı bilgisi tutulmaktadır. Bu bilgilerin dışında dal ve düğüm
noktalarıyla ilgili diğer bilgiler de tek bir veri yapısında tutulmaktadır (Ör: hangi
çeyrekte oldukları, açı aralık değerleri, vs.).
Bu yapı sayesinde sisteme esneklik de sağlanmıştır. Şekil 3.41’de görüldüğü gibi 6
numaralı nokta tespit edilmiş ancak hangi noktalarla bağlı olduğu işlem sırasında tespit
edilememiş olsa bile oluşturulan ağ yapısı, sonrasında operatörün elle bu ilişkiyi
kurması için uygundur.
54
Şekil 3.42 Kapalı alan yapısının basit UML diyagramı
Şekil 3.42’deki UML yapısında da oluşturulan ağ yapısının yazılım içerisinde nasıl
kullanıldığı görülmektedir.
55
4. TARTIŞMA ve BULGULAR
Hit-or-Miss dönüşümü, gürültülerin ve çizgilerin kesişim ve bitim noktalarını
bulmaktadır. Bu noktalar bulunduktan sonra bunları bağlayan çizgiler sayesinde
noktalar arasındaki ilişkiler bir komşuluk matrisine yazılır ve bu matris üzerinde yapılan
analiz sayesinde bu noktaların oluşturduğu kapalı alanlar bulunabilir. Ancak paftalar
çok büyük olduğundan ve elle çizildiği için gürültüler barındırdığından dolayı yüksek
sayıda nokta bulunmaktadır. 1332x1524 boyutundaki bir kesit üzerinde 773 tane nokta
bulunmuştur. Bunların üzerinde gerçekleştirilen işlem süresi de 772.45 saniyedir.
Günlük kullanım için kabul edilemeyecek rakamlar olduğundan dolayı bu yöntem
kullanılmamıştır. Çizgileri bulmak için kullanılan yaygın bir yöntem olan Hough
dönüşümü ile çizgi bulma yöntemi de ada/parsel sınırlarını oluşturan çizgilerin
bulunması için denenmiştir. Ancak çizgileri parça parça bulduğundan dolayı bu
çizgilerin arasındaki topolojik ilişkinin bulunması zorlaştığı ve Hough tabanlı
yöntemlerin işlem yükü fazla olduğu için bu yöntem de tercih edilmemiştir.
Bu çalışmada önerilen yöntem ile anlamlı sonuçlar elde edilmiştir. Bu yöntemde
öncelikle Moore Komşuluk Takibi yöntemi ile balastro noktalarının içlerindeki boş
alanlar tespit edilerek balastro noktalarının merkezleri bulunmuş, bulunan balastro
noktaları arasındaki topolojik ilişkilerin tespiti için de bu noktaların arasındaki çizgiler
tespit edilmiştir. Bu çizgilerin tespiti için öncelikle balastro noktalarından çıkan dalların
yönleri ve açıları bulunup, sanal çizgi doğrulama yöntemi ile bulunan dalların
doğrultusunda çizgi kontrolü yapılmıştır.
Bu çalışmada önerilen yöntemin kullanılan test paftaları üzerindeki sonuçları “4.1
Deney Sonuçları” bölümünde detaylı olarak incelenmiştir.
4.1 Deney Sonuçları
Ekler kısmında bulunan Pafta1, Pafta2 ve Pafta3 imgeleri üzerinde yapılan testin
sonuçları aşağıda verilmiştir.
56
Çizelge 4.1 Balastro noktalarının bulunma başarımı
Balastro Nokta Sayısı Bulunan Nokta Sayısı Başarım
Pafta 1 143 121 %84.6
Pafta 2 170 161 %94.7
Pafta 3 308 294 %95.4
Çizelge 4.1’de görüldüğü gibi Pafta1’in balastro noktalarının bulunma başarımı diğer
iki paftaya göre daha düşüktür. Bunun nedeni Pafta1’deki balastro noktalarının çok
fazla oranda bozulmuş olması ve çoğunun uçları açık olduğu için tam bir kapalı daire
oluşturamamasıdır.
Çizelge 4.2 Balastro noktalarından çıkan dalların test sonuçları
Balastro
Noktalarından
Çıkan Dal
Sayısı
Doğru
Bulunan Dal
Sayısı
Yanlış Bulunan Dal
Sayısı
Bulunamayan Dal
Sayısı
Pafta 1 334 293 14 41
Pafta 2 389 357 40 32
Pafta 3 761 702 27 59
İdeal durumda dal sayısı çizgi sayısının tam iki katı olmalıdır. Yani bulunan dal
sayısının yarısı kadar çizgi bulunmuş olmalıdır. Ancak bazı noktalara dalın
birleşmemesi (Şekil 4.1.a) veya iki çizginin tek dal gibi çıkması (Şekil 4.1.b) gibi
durumlarda bulunan çizgi sayısı idealden sapmaktadır.
57
Şekil 4.1 Dal bulma başarımını etkileyen örnekler
Çizelge 4.2’de yanlış bulunan dal sayısı gürültü sonucu bulunan dalları ifade
etmektedir. Yanlış bulunan dalların (Şekil 4.2) bağlandığı bir yer olmadığı için çizgi
bulmada olumsuz bir etkisi de yoktur.
Şekil 4.2 Yanlış dal olarak bulunan örnekler
Çizelge 4.3 Ada/Parsel sınırlarını oluşturan çizgilerin başarımı
Çizgi Sayısı Bulunan Çizgi Sayısı Başarım
Pafta 1 178 135 %75.8
Pafta 2 204 163 %79.9
Pafta 3 396 324 %81.8
Çizgilerin bulunma başarımını düşüren en büyük etken, çizgilerin birleşim noktalarında
olmayan balastro noktalarıdır (Şekil 4.3). Balastro noktası karşısında bağlanacağı bir
58
nokta bulamadığı için çizgi kontrolü de yapmamaktadır. Olması gereken yerde
bulunmayan bir tek nokta yüzünden nokta başına en az iki, genelde üç ya da dört tane
çizgi bulunamamaktadır. Balastro noktalarının olmadığı yerlerde ona bağlı olan
çizgilerin de bulunması mümkün olmadığı için ardışıl başarı düşmektedir.
Şekil 4.3 Eksik balastro noktası
59
5. SONUÇ
Bu çalışmada ada/parsel köşe noktalarında içi boş yuvarlak balastro noktaları olan
kadastral pafta tipi için özgün bir vektörleme yöntemi gerçekleştirilmiştir. Vektörleme
işlemi için öncelikle balastro noktaları bulunmuş, sonrasında bu noktalar arasındaki
çizgiler tespit edildikten sonra bu çizgiler ve noktaların arasındaki topolojik bağlar
çözümlenerek aralarındaki ilişkiler tespit edilmiştir.
Ada/parsellerin kırık noktalarını oluşturan balastro noktaları Moore Komşuluk Takibi
yöntemi ile bulunmuştur. MKT yöntemi kontur çıkartımı özelliğiyle imge üzerindeki içi
boş alanları bulabilmektedir. Bu sayede balastro noktalarının merkezleri bulunmuştur.
Dairesel Hough Dönüşümü yöntemiyle balastro noktaları tüm pafta için 6704 saniyede
bulunurken aynı bilgisayar üzerinde MKT yöntemiyle 84 saniyede bulunmuştur.
Ada/parsel sınırlarını oluşturan çizgileri bulmak için kullanılan Hough dönüşümü
yöntemiyle, yöntemin doğası gereği sadece çizgileri bulduğu ve bulunan çizgilerin
birleştirilmesi ve ilişkilerinin ayrıca bulunması gerektiğinden verimli sonuç
alınamamıştır. Ada/parselleri oluşturan çizgilerin/noktaların topolojik bağlantılarını
çıkartmayı amaçlayan Hit-or-Miss dönüşümü yöntemi tam boyutlu bir pafta üzerinde
saatler mertebesinde koşmasına rağmen sonuç alınamaması üzerine pafta üzerinden
alınan 1332x1524 boyutundaki bir kesit üzerinde test edilmiştir. Bu kesit üzerinde
722.45 saniye içinde işlemini tamamlamıştır. Hough dönüşümü ve Hit-or-Miss
dönüşümü yöntemlerinden verimli sonuç alınamadığı için bu yöntemler yerine
çalışmada oluşturulmuş özgün bir yöntem kullanılmıştır. Bu çalışmada geliştirilen
“Sanal Çizgi Doğrulama Yöntemi” oldukça basit olduğu için çalışmada denenen diğer
yöntemlerin getirdiği işlem yüküne sahip değildir. Kullanılan imgelerin boyutları çok
büyük olduğu için denenen diğer yöntemler, çalışmada önerilen sanal çizgi doğrulama
yönteminden çok daha fazla hafızaya ve iş gücüne gereksinim duymaktadır. Sanal çizgi
doğrulama yöntemi balastro noktalarının bulunması işlemi dahil olmak üzere çalışmada
kullanılan paftalarda 124 saniyede (ortalama değer) çizgi başarımı %79.1 olan bir sonuç
üretmiştir.
60
Sanal çizgi doğrulama yönteminin yapısı gereği, kesişen çizgilere, tam birleşmemiş
çizgilere ve harita üzerindeki vektörleme için gereksiz detaylara (yazılar, çizgileri,
rakamlar, vb.) karşı diğer vektörleme yöntemlerine göre daha gürbüzdür. Çalışmada
önerilen yöntemde, işlemin iki aşaması birbirinden bağımsız olduğu ve her iki aşamada
da (balastro noktalarının bulunması, çizgilerin bulunarak ilişkilerin çıkartılması)
kullanılan imgeye göre ayarlanabilen parametreler (balastro noktalarının büyüklüğü,
siyah piksel oranı, nokta olarak kabul edilecek alan eşik değeri, vs.) olduğu için
operatörün her imge için en uygun ayarı kendisinin yapabilmesine izin verip en uygun
yapılandırmayı bulabilme imkanı sunmaktadır.
Çalışmada sunulan yöntem, noktalar ve onları diğer noktalara bağlayan çizgileri ve
bunların ilişkilerini bulduğu için bu bilgiler başka bir yazılımda kapalı alan oluşturmak
için kullanılabilir. Bu ilişkiler topolojik olarak analiz edilerek kapalı alanlar tespit
edilebilir. Boatto vd. (1992) ve Di Zenzo vd. (1996) bulunan ilişkileri bir graph
üzerinde kullanarak kapalı alanları tespit edebilmişlerdir.
61
KAYNAKLAR
Ballard, D.H. 1981. Generalizing the Hough transform to detect arbitrary shapes, Pattern Recognition, Volume 13, Issue 2, Pages 111-122, ISSN 0031-3203, 10.1016/0031-3203(81)90009-1.
Balkoca, A., Yergok, A.I. and Yucekaya, S. 2011. "Vectorization of cadastral maps using image processing algorithms," Signal Processing and Communications Applications (SIU), 2011 IEEE 19th Conference on , pp.900-903
Bang K. and Hong D. 1997. "Separation of character strings and high quality vectorization for digitized Korean cadastral map images," Geoscience and Remote Sensing. IGARSS '97. Remote Sensing - A Scientific Vision for Sustainable Development., 1997 IEEE International , pp.237-239 vol.1
Boatto, L., Consorti, V., Del Buono, M., Di Zenzo, S., Eramo, V., Esposito, A., Melcarne, F., Meucci, M., Morelli, A., Mosciatti, M., Scarci, S. and Tucci, M. 1992. "An interpretation system for land register maps," Computer , vol.25, no.7, pp.25-33
Bresenham, J. 1965. "Algorithm for computer control of a digital plotter", IBM Systems Journal, Vol. 4, No.1, pp. 25–30
Bresenham, J. 1977. " A Linear Algorithm for Incremental Digital Display of Circular Arcs", Communications of the ACM, Vol. 20, No.2, pp. 100–106
Di Zenzo, S., Cinque, L. and Levialdi, S. 1996. "Run-based algorithms for binary image analysis and processing," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.18, no.1, pp.83-89
Duda, R. and Hart, P. 1972. Use of the Hough transformation to detect lines and curves in pictures. Commun. ACM 15, 1 (January 1972), 11-15.
Kasturi, R., Bow, S.T., El-Masri, W., Shah, J., Gattiker, J.R. and Mokate, U.B. 1990. "A system for interpretation of line drawings," Pattern Analysis and Machine Intelligence, IEEE Transactions on , vol.12, no.10, pp.978-992
Katona, E. and Hudra, Gy. 1999. "An interpretation system for cadastral maps," Image Analysis and Processing, 1999. Proceedings. International Conference on , pp.792-797
Maity A.B., Mandal S. and Podder R. 2011. "Edge Detection Using Morphological Method and Corner Detection Using Chain Code Algorithm," IJCSI International Journal of Computer Science Issues, Vol. 8, Issue 4, No 1
Murakami, K. and Naruse, T. 2000. "High speed line detection by Hough transform in local area," Pattern Recognition Proceedings. 15th International Conference on , pp.467-470 vol.3.
62
Pradhan, R., Kumar, S., Agarwal, R., Pradhan, R. M. and Ghose M. K. 2010. " Contour Line Tracing Algorithm for Digital Topographic Maps," IJCSI International Journal of Computer Science Issues, Vol. 4, Issue 2
Ren, M., Yang, J. and Sun, H. 2002. "Tracing boundary contours in a binary image," Image and Vision Computing, vol.2, pp. 125-131
63
EKLER
EK 1 TEZ BOYUNCA KULLANILAN 1 NUMARALI PAFTA
EK 2 TEZ BOYUNCA KULLANILAN 2 NUMARALI PAFTA
EK 3 TEZ BOYUNCA KULLANILAN 3 NUMARALI PAFTA
64
EK 1 TEZ BOYUNCA KULLANILAN 1 NUMARALI PAFTA
65
EK 2 TEZ BOYUNCA KULLANILAN 2 NUMARALI PAFTA
66
EK 3 TEZ BOYUNCA KULLANILAN 3 NUMARALI PAFTA
67
ÖZGEÇMİŞ
Adı Soyadı : Alişan BALKOCA
Doğum Yeri : Ankara
Doğum Tarihi : 27/05/1985
Medeni Hali : Bekar
Yabancı Dili : İngilizce
Eğitim Durumu (Kurum ve Yıl)
Lise : Teğmen Ali Rıza Akıncı Lisesi (1998-2002)
Lisans : Niğde Üniversitesi Elektrik-Elektronik Mühendisliği (2003-2007)
Yüksek Lisans : Ankara Üniversitesi Fen Bilimleri Enstitüsü Elektronik Mühendisliği
Anabilim Dalı (Eylül 2008-Mart 2012)
Çalıştığı Kurumlar ve Yıl
• Xlight Yazılım Ltd. Şti. (2007 - 2009)
• Progis Coğrafi Bilgi Sistemleri (2009 - 2011)
• Ankara Büyükşehir Belediyesi (2011 - ...)
Yayınları (Bildiriler)
• Alişan Balkoca, Ahsen İkbal Yergök, Sinan Yücekaya. Kadastral Haritaların
Görüntü İşleme Teknikleri Kullanılarak Vektörizasyonu. SİU 2011, Antalya.