Zakład Fotogrametrii, Teledetekcji i Systemów Informacji Przestrzennej

SPRAWOZDANIE

grupa 1b semestr 6 25.05.2009r.

Adam Dąbrowski

Wprowadzenie

Niniejsze sprawozdanie zostało sporządzone na podstawie ćwiczeń z przedmiotu Systemy Informacji Przestrzennych odbywających się na semestrze szóstym. Ujęto w nim następujące tematy:

1. Skanowanie map papierowych.

2. Korekcja geometryczna obrazów zeskanowanych map oraz zdjęć satelitarnych.

3. Pozyskiwanie danych dla SIP.

4. Wektoryzacja.

W sprawozdaniu tym, postaram się zawrzeć podstawy teoretyczne, istotę wykonywanych ćwiczeń oraz własne spostrzeżenia i komentarze, które nasunęły się w trakcie wykonywania ćwiczeń i analizowania ich rezultatów.

Większość zadań (takich jak korekcje geometryczne czy wektoryzację) wykonywaliśmy w aplikacji ArcMap firmy ESRI.

I. Skanowanie map papierowych

Współczesna kartografia, a także Systemy Informacji Przestrzennej posługują się informacjami zawartymi w danych pod postacią plików komputerowych. Mimo tempa rozwoju i postępu komputeryzacji, wciąż mamy do czynienia z wieloma opracowaniami map, w tradycyjnej papierowej formie. Aby informacje przestrzenne zawarte w tego typu formie ich prezentacji, przekształcić do postaci plików, obraz fragmentu terenu na mapie musi zostać wektoryzowany. Jednakże zanim to się stanie, musi zostać zeskanowany i w postaci obrazu zapisanego w postaci macierzowej, gdzie każda wartość stanowi jego piksel, zapisany w pamięci komputera.

Na przeprowadzonych ćwiczeniach do skanowania posłużył nam skaner z tradycyjną ruchomą linijką CCD (Couple Charged Device) firmy Pustek o formacie A3, oraz komercyjne oprogramowanie. Fragment mapy zeskanowano w różnych rozdzielczościach oraz zapisano w różnych formatach plików w celach porównawczych.

Obraz można zeskanować z bardzo dużą rozdzielczością, a następnie zapisać w formacie pliku, który praktycznie nie posiada żadnej kompresji zapisanych danych. Takie rozwiązanie pomimo swojej niewątpliwej przydatności do wektoryzacji, jest niepraktyczne przede wszystkim ze względu na zbędnie duży rozmiar pliku który będziemy przekształcać. To oznacza większe zużycie pamięci na dysku twardym, oraz większe zapotrzebowanie mocy obliczeniowej komputera, w trakcie obróbki takiego obrazu. Jest to również wydłużenie czasu skanowania, czyli wydłużenie całego procesu pozyskiwania danych przestrzennych.

Tutaj pojawia się pytanie - jaka rozdzielczość i format danych jest wystarczający dla przeprowadzenia wektoryzacji, a jednocześnie nie obciąża zbytnio sprzętu na którym pracujemy.

Rozdzielczość ludzkiego oka pozwala na widzenie obiektów o wielkości nie mniejszej niż 0,1mm. Biorąc pod uwagę rozdzielczość samego wydruku mapy oraz jego niedokładność, błąd odczytu lokalizacji obiektów z mapy należałoby nieco zwiększyć. Zostaniemy jednak przy założeniu, że jest to 0,1mm.

Rozdzielczość obrazu zapisywanego w postaci pliku podawana jest zazwyczaj w jednostkach dpi (dots per inch) lub równoważnym ppi (points per inch), co oznacza ile pikseli mieści się w jednym calu (liniowo). Jeden cal międzynarodowy równa się 25,4mm.

Jeśli nie jesteśmy w stanie rozróżnić obiektów mniejszych niż 0,1mm, to i tak właśnie powinna być maksymalna wielkość piksela pozyskanego obrazu, stąd:

0,1mm x N = 1'' (25,4mm)

N = 25,4mm/0,1mm

N = 254

, gdzie N - poszukiwana minimalna rozdzielczość w dpi.

W praktyce najczęściej stosuje się „równe” rozdzielczości, tzn. 100, 150, 200, 300, 600, 1200 dpi. Skanując mapę z rozdzielczością 300 dpi otrzymamy wystarczająco czytelny obraz do przeprowadzenia wektoryzacji. Wykonując ćwiczenie skanowanie przeprowadzono z większymi rozdzielczościami i nietrudno było zauważyć polepszanie jakości skanu wraz ze wzrostem rozdzielczości, jednakże różnica pomiędzy rozdzielczością 400, a 600 dpi była bez praktycznego znaczenia dla wektoryzacji, natomiast różnica pomiędzy minimalną rozdzielczością 254, a 300 dpi była dość istotna, co pozwala sądzić, że ten niewielki „zapas” ilości pikseli w calu jest korzystny.

Kiedy określimy już wystarczającą rozdzielczość i obraz zostanie zeskanowany, musimy określić format pliku, do jakiego zostanie on zapisany. Różne formaty zapisu obrazów to przede wszystkim różne sposoby kompresji danych. Kompresja jest to nic innego jak redukcja wielkości pliku przy wykorzystaniu metod:

• kompresji bezstratnej

• kompresji stratnej

Zmniejszenie rozmiaru pliku pozwoli nam zwiększyć wydajność opracowywania zeskanowanych obrazów map, oraz zaoszczędzi przestrzeń w pamięci komputera. Wielkość pliku obrazu zależy od jego rozdzielczości pikselowej (dots per inch) oraz rozdzielczości radiometrycznej. W przypadku pliku 8-bitowego, piksel możemy zapisać w przedziale wartości od 0 do 255, ponieważ ilość wartości możliwych do przypisania obliczymy ze wzoru:

2ⁿ = R

, gdzie n - liczba bitów, R - liczba wartości, które możemy przypisać,

i tak dla powyższego przykładu: 2⁸ = 256

Taką wielkość będzie miał plik z obrazem o 256 odcieniach szarości. W przypadku zapisu obrazu kolorowego, istniały będą trzy macierze - każda dla jednego z kolorów: R - czerwony (red), G - zielony (green), B - niebieski (blue). Kombinacja wartości radiometrycznych trzech warstw dla jednego piksela, umożliwi zapisanie obrazu z ilością barw równą:

(2⁸)³ = 2²⁴ ≈ 16,8 mln

Rozmiar (zajmowana przestrzeń w pamięci) jednego piksela takiego obrazu będzie równy trzykrotności rozmiaru piksela o 256 odcieniach szarości, czyli 3*8 = 24 bity. Czyli zeskanowany fragment mapy o rozmiarze 200x200mm, z rozdzielczością 300dpi, o 16,8mln kolorów, zapisany bez kompresji będzie miał rozmiar:

P - liczba pikseli w obrazie

P = (200/25,4*300)² ≈ 5580012

B - zajmowana przestrzeń w pamięci

B = P * 24bity = 133920288b = 16740036B ≈ 15,96MB

Natomiast ten sam fragment zeskanowany z rozdzielczością 600dpi będzie miał rozmiar:

P ≈ 22320045

B = 535681080b ≈ 63,86MB

, a więc wraz z dwukrotnym wzrostem rozdzielczości, rozmiar nieskompresowanego pliku wzrósł nieco ponad cztery razy. Wnioskujemy z tego, że: obraz o większej rozdzielczości będzie zajmował D² razy więcej miejsca niż obraz o mniejszej rozdzielczości, gdzie D - krotność rozdzielczości obrazu o mniejszej rozdzielczości, dla obrazu o rozdzielczości większej.

Kompresja bezstratna umożliwia odtworzenie skompresowanego pliku do postaci pierwotnej, bez utraty jakichkolwiek danych w nim zawartych. Pliki obrazów realizowane tą metodą to m. in. PNG (Portale Network Graphics), GIF (Graphics Interchange Format), TIFF (Tagged Image File Format).

Metoda kompresji stratnej charakteryzuje się przeważnie, mniejszym rozmiarem skompresowanych plików, jednak dekompresja danych wiąże się z utrata mniejszej lub większej ilości danych. Metodą stratnej kompresji zapisywane są pliki: najpopularniejszy - JPEG (Joint Photographic Experts Group) i jego nowsza wersja JPEG 2000, jak również format TIFF, który udostępnia wiele rodzajów kompresji (zarówno stratnej, jak i bezstratnej).

Istnieją również pliki graficzne, które w trakcie zapisu nie są poddawane kompresji, np. XCF - mapa bitowa programu GIMP, PSD - mapa bitowa (wielowarstwowa) programu Adobe Photoshop, jak również popularny BMP - wykorzystywane przez program MS Paint.

ArcMap posługuje się również plikami graficznymi, kompresowanymi, o rozszerzeniu IMG.

Poniżej prezentuję cechy najważniejszych formatów plików obrazów.

JPEG	GIF	PNG	TIFF
+ szeroko rozpowszechniony + szeroka paleta barw: do (2^8)^3= 2^24 = 16, 8 mln (tzw. True Color ) + dobrze sprawdza sie w przypadku obrazów o łagodnych przejściach tonalnych, zarówno wielobarwnych, jak i w odcieniach szarości (np. fotografie) + obsługuje tryb progresywny + istnieją rozszerzenia standardu i modyfikacje algorytmu kompresującego (JPEG-LS, JPEG 2000) + istnieją wolne (niekomercyjne i nieopatentowane) implementacje - kompresja stratna - w procesie kompresji z obrazu usuwane sa drobne szczegóły - istnieje wiele formatów plików, w których wykorzystuje sie algorytm JPEG, który sam w sobie nie został dokładnie sprecyzowany — niektóre są niezgodne ze sobą lub używane przez nieliczne programy	+ szeroko rozpowszechniony + kompresja bezstratna (algorytm LZW) + małe rozmiary plików + dobrze sprawdza sie w przypadku obrazów składających sie z dużych obszarów o jednolitej barwie (np. wykresy „tortowe”) i/lub szczegółowych oraz z ostrymi krawędziami (np. wykresy, rysunki, siatki, szkice) + można zapisać informacje o przezroczystości wybranego koloru + istnieją rozszerzenia standardu pozwalające na zapis animacji - niewielka paleta barw: maksymalnie 28 = 256 (tzw. tryb indeksowany) - obrazy o dużej rozpiętości tonalnej sa „redukowane” do 256 kolorów przed wykonaniem kompresji, przez co traca na jakości - format był do niedawna objęty patentami	+ kompresja bezstratna + łączy zalety JPEG i GIF: dobrze sprawdza sie zarówno w przypadku obrazów o płynnych przejściach tonalnych wielobarwnych i w odcieniach szarości (paleta barw do do ok. 16, 8 mln kolorów), jak i GIF (pełna 8-bitowa przezroczystość [tzw. kanał alfa] oraz paleta barw od 2 do 256 kolorów) + obsługuje korekcje gamma, tryb progresywny i kontrole poprawności pliku + obsługuje różne głębokości bitowe (do 48 bitów na piksel) + algorytm i format sa wolne od patentów + zalecany przez W3C (World Wide Web Consortium) jako do reprezentacji grafiki rastrowej w sieci Web - nie obsługuje animacji (istnieje osobny format do tego celu [MNG] oparty na algorytmie PNG) - nieprawidłowo obsługiwany przez przeglądarkę Internet Explorer < 7.0 - niektóre programy nie obsługują wszystkich właściwości PNG - występują problemy z obsługa korekcji gamma w przeglądarkach	+ szeroko rozpowszechniony + kompresja bezstratna (brak kompresji, algorytm LZW, algorytm CCITT Group 4) i stratna (algorytm JPEG) + szeroka paleta barw: od 2 do ok. 16, 8 mln + obsługuje różne głębokości bitowe (do 48 bitów na piksel) oraz przestrzenie barw + obsługuje tryb wielostronicowy (multipage) — zostało to wykorzystane np. w faksach + obsługuje przezroczystość i profile barw + specyfikacja formatu umożliwia jego rozszerzanie o dodatkowe znaczniki (za zgoda właściciela praw autorskich do formatu TIFF) - mogą występować problemy z odczytem plików TIFF w niektórych programach - format jest objęty patentami

Zeskanowany fragment mapy, w skali 1:50000, zapisaliśmy do plików: JPG, IMG oraz TIFF. Moim zdaniem obraz JPG wypadł widocznie słabiej, aczkolwiek zależy to również od zastosowań, do których chcemy wykorzystać obraz. W przypadku wektoryzacji manualnej, sprawdziłyby się wszystkie formaty zapisu. Natomiast do wektoryzacji półautomatycznej, gdzie wskazana jest większa kontrastowość, najlepszym byłby obraz w formacie IMG. Obraz JPG o najniższej kontrastowości pozwalał na lepsze rozróżnianie obiektów o zbliżonej barwie, lecz nie gwarantował ciągłości barwy danego obiektu, co ma znaczenie przy wektoryzacji półautomatycznej i automatycznej.

II. Korekcja geometryczna

Zdjęcie cyfrowe możemy otrzymać na dwa sposoby:

• skanowanie zdjęć analogowych (bądź map)

• wykorzystanie specjalnych skanerów i kamer cyfrowych - zdjęcia lotnicze lub satelitarne

Obie powyższe metody obciążone są pewnymi deformacjami pozyskanego materiału, związanych z niedoskonałością oprzyrządowania lub sposobem otrzymywaniem obrazu. Obraz uzyskany ze zdjęcia lotniczego lub scena satelitarna będą posiadały znacznie większe zniekształcenia - spowodowane właśnie, techniką ich wykonywania, aniżeli zeskanowana mapa czy też jej fragment, gdzie wpływ na zniekształcenia ma również oryginał, tj. mapa papierowa, gdzie mogą wystąpić niedoskonałości druku czy też skurcz papieru.

1. Korekcja geometryczna zeskanowanej mapy

Skanowanie mapy (jej fragmentu), które wykonaliśmy na ćwiczeniach, miało służyć dalszej jej wektoryzacji. Wektoryzacja, czyli zamiana obrazu typu rastrowego na obraz typu wektorowego (obiektowego), to proces, w którym chcemy zachować jak najlepszą lokalizację tworzonych obiektów. W tym celu, zniekształcenia, które wynikają ze skanowania oraz z samej mapy papierowej należy usunąć.

Do korekcji geometrycznej posłużyliśmy się programem ArcMap. Korekcja polega na przetransformowaniu współrzędnych obrazu źródłowego do układu państwowego i utworzenie obrazu wyjściowego, gdzie każdemu pikselowi zostaje przypisana nowa, wyinterpolowana, wartość radiometryczna (przepróbkowanie - resampling).

Aby dokonać tej transformacji, potrzebujemy zbioru punktów w układzie pierwotnym (obrazu źródłowego) oraz punktów o współrzędnych w układzie wtórnym. Ilość potrzebnych punktów jest zależna od stopnia wielomianu transformującego. I tak:

• stopień I wielomianu - min. 3 punkty dostosowania

• stopień II wielomianu - min. 6 punktów dostosowania

• stopień III wielomianu - min. 10 punktów dostosowania

Aby określić dokładność uzyskanego modelu, musimy wprowadzić minimalnie, jeden punkt więcej niż w powyższych przykładach.

Jako punkty dostosowania wybrano punkty przecięć siatki kilometrowej, dla której z łatwością możemy określić współrzędne w układzie państwowym, a także dość dokładnie pomierzyć je na obrazie źródłowym. Ważne jest równomierne „rozłożenie” wybieranych punktów na obrazie.

Samo wprowadzenie punktów przeprowadzono następująco:

1. wybór punktu na obrazie źródłowym - jego współrzędne zostają zapisane

2. ręczne wprowadzenie współrzędnych tego punktu w układzie państwowym

Aplikacja oblicza parametry transformacji i przekształca obraz źródłowy, nadając mu orientację w układzie państwowym (Układ 1992), oraz koryguje jego zniekształcenia.

x, y - współrzędne w układzie zdjęcia

X, Y - współrzędne w układzie państwowym ( w naszym przypadku `1992')

Po wykonanej geometryzacji, możemy przeprowadzić kontrolę. Wykonano pomiar kilkunastu (przecięć siatki kartograficznej), a aplikacja obliczyła residua względem wprowadzonych współrzędnych tychże punktów. Przy zastosowaniu minimalnej rozdzielczości skanowania, o której wspomniałem w omawianiu procesu skanowania, tj. 254dpi, wielkość terenowa jednego piksela obrazu wynosi:

d - wielkość piksela

D - wielkość piksela w terenie

M - mianownik skali mapy

D = M * d

D = 50000 * 0,0001m

D = 5 m

W związku z powyższym możemy uznać dokładność 5 m za maksymalną do osiągnięcia.

Wielkość powyższą wprowadziliśmy do okna Cell Size w module rektyfikacji obrazu źródłowego. Oprócz tego, istniała możliwość wybrania sposobu przepróbkowania (resampling) obrazu trzema metodami:

• Nearest Neighbor - najbliższego sąsiedztwa, gdzie wartość radiometryczna piksela wynikowego przyjmowana jest od najbliżej położonego piksela na obrazie źródłowym.

• Blilnear - biliniowa, w której wartośc radiometryczna piksela wynikowego, określa się jako średnią wagowaną z czterech sąsiednich pikseli zdjęcia źródłowego.

• Cubic - podobnie jak w metodzie bilingowej, z tą różnicą, że średnia obliczana jest na podstawie dziewięciu sąsiednich pikseli obrazu źródłowego.

Plik z obrazem wynikowym zapisano w czterech różnych formatach: JPG, IMG, PNG, GRID. W mojej ocenie najbardziej spośród wszystkich wyróżniał się plik JPG, słabym kontrastem i rozjaśnionymi nieco, względem pozostałych barwami. Pozostałe pliki posiadały zbliżona jakość. Na niektórych obrazach dało się zauważyć białe piksele, które stanowiły „dziury”, czyli obszary, dla których aplikacja nie wyinterpolowała nowych wartości radiometrycznych.

2. Korekcja geometryczna zdjęcia satelitarnego

Większość systemów obrazowania satelitarnego wykorzystuje skanery elektor-optyczne. Polega to na obrazowaniu za pomocą linijki czujników CCD (podobnej jak w skanerze, z którego korzystaliśmy przy skanowaniu mapy) zorientowanej prostopadle do kierunku lotu. Linijka ta jest nieruchoma względem satelity w czasie wykonywania zdjęć, a obraz tworzy się w wyniku ruchu satelity i kolejnego rejestrowania sygnałów z detektorów CCD. Każda zeskanowana linia ma inne elementy orientacji zewnętrznej oraz współrzędne środka rzutu. Elementy orientacji wewnętrznej są takie samego dla całego obrazu złożonego z poszczególnych linijek. Obraz generowany w sposób ciągły, jest dodatkowo zniekształcony niestabilnym lotem (zmiany kątów nachylenia). Powoduje to zniekształcenia obrazu, których wielkość wielokrotnie przewyższa rozmiary piksela.

Aby usunąć powstałe zniekształcenia jak również zorientować obraz w układzie współrzędnych 1992, musimy dokonać geometryzacji, analogicznie jak to zrobiliśmy dla fragmentu zeskanowanej mapy.

Otrzymany plik z obrazem sceny satelitarnej został zarejestrowany przez satelitę Landrat, skanerem ETM+, o rozdzielczości terenowej piksela 30x30m. Następnie należało wprowadzić współrzędne punktów dostosowania podobnie jak w przypadku geometryzacji obrazu zeskanowanej mapy. Z tą różnicą jednak, że na obrazie zarejestrowanym przez satelitę nie ma naniesionej siatki kartograficznej. W celu rektyfikacji obrazu źródłowego, w aplikacji ArcMap, podczytano fragment mapy topograficznej, której obszar pokrywa się z terenem na zdjęciu satelitarnym. Następnie wykonano pomiar dwudziestu punktów dostosowania, według schematu:

• pomiar szczegółu terenowego na zdjęciu satelitarnym

• pomiar tego samego szczegółu na mapie topograficznej

W przypadku korekcji geometrycznej mapy, mogliśmy pomierzyć punkty przecinania się linii siatki topograficznej, w tym przypadku istotne jest dobranie odpowiednich szczegółów do pomiaru, tak, aby były one dobrze widoczne i stałe w czasie. W aplikacji ArcMap, opracowywanemu zdjęciu mogliśmy przypisać dowolną kombinację RGB w celu uwidocznienia interesujących nas szczegółów terenowych. Z powodu znacznych rozmiarów piksela terenowego, nie mogły być to obiekty zbyt małe. Ustalono, że najlepiej widoczne i zaraz najbardziej stałe w czasie (pomiędzy opracowaniem mapy, a wykonaniem zdjęcia, położenie szczegółów typu krawędź lasu może ulec zmianie) są skrzyżowania dróg kołowych oraz kolejowych.

Dla pomierzonych dwudziestu punktów, błąd położenia punktów - RMS (root mean square) wyniósł 15.60413m, przy wartościach minimalnych i maksymalnych residuów kolejno 4,98470m i 26,43189m, co przy wielkości terenowej piksela równej 30m przyjęto za wynik spełniający oczekiwania dokładnościowe.

III. Pozyskanie danych dla SIP

„W terytorialnych Systemach Informacji Przestrzennej [..] dla których tworzy się dużą liczbę różnotematycznych baz danych, System Baz Danych oznacza, że bazy danych spełniają warunki niezbędne do tego, aby można było korzystać nie tylko oddzielnie z każdej z baz danych, ale aby można było łączyć i porównywać dane z wielu baz danych dla wykonywania analiz przestrzennych i wytwarzania informacji.

Minimum tych warunków to taka sama osnowa geometryczna dla wszystkich baz danych (ten sam układ geodezyjny i odwzorowanie kartograficzne), jednolite kryteria klasyfikacji obiektów i zjawisk zapisywanych w różnych bazach danych (takie same obiekty powinny mieć takie same nazwy i sposób zapisu w bazach danych), jednolite standardy informatyczne.” Stanisław Białousz „System Baz Danych Przestrzennych dla województwa Mazowieckiego”.

Zgodnie z powyższym, dla pozyskania danych do tworzonego przez nas systemu, możemy wykorzystać dane publikowane przez GUS. W danych tych nie pojawiają się współrzędne obiektów, więc wspólny układ geodezyjny i odwzorowanie kartograficzne nie mają w tym przypadku znaczenia, aczkolwiek statystyki prowadzone są dla jednostek podziału terytorialnego, dla których stosowane jest wspólne oznaczenie według TERYT (Krajowy Rejestr Urzędowy Podziału Terytorialnego Kraju) lub NTS (Nomenklatura Jednostek Terytorialnych do Celów Statystycznych), który stanowi część TERYT.

Pobierając tego typu dane, musimy pamiętać o ich przystosowaniu do aplikacji, w których prowadzony będzie SIP. I tak, dla ArcMap, zapis tabeli musi wykonany do plików DBF (dBase, wersje III, IV), nagłówki tabel nie mogą mieć więcej niż 8 znaków, a w przypadku braku danych, w komórki tabeli należy wprowadzić wartość -99. Istotny jest również typ danych zawartych w komórce - np. tekstowy, liczbowy. Z witryny internetowej Banku Danych Regionalnych, możemy pobrać stabelaryzowane dane w postaci pliku XLS i zmodyfikować je do podanych wymogów.

Do sprawozdania dołączam wydruk przykładowych danych statystycznych, przystosowany do wprowadzenia do bazy danych tworzonego systemu.

IV. Wektoryzacja

Skoro pozyskaliśmy dane przestrzenne z mapy papierowej lub zdjęcia satelitarnego w postaci pliku rastrowego, chcielibyśmy zamienić go na plik wektorowy. Produkty obiektowe (wektorowe) to dane zawierające wektorowe reprezentacje obiektów w dwu lub trzywymiarowym układzie współrzędnych wraz z atrybutami opisującymi te obiekty. Proces przejścia pomiędzy tymi dwoma typami danych nazywa się wektoryzacją. Każdą wektoryzację przeprowadzamy na obrazie poddanym korekcji geometrycznej. Na wykonywanych ćwiczeniach przeprowadziliśmy trzy rodzaje wektoryzacji:

• manualną

• automatyczną

• półautomatyczną

1. Wektoryzacja manualna

Jako podkład został wykorzystany fragment mapy topograficznej. Wektoryzacja manualna polega na ręcznym „rysowaniu” wektorów i przypisywaniu im atrybutów zawartych w tabeli wszystkich obiektów. Do wektoryzacji niezbędnym było utworzenie pustego pliku, w którym przechowywane były tworzone obiekty. Dla aplikacji ArcMap, są to pliki o rozszerzeniu .shp, z dodatkowym wyborem typu tego pliku, w zależności czy zapisywane w nim obiekty będą punktowe, liniowe czy powierzchniowe. Jako, że postawionym mi zadaniem, była wektoryzacja dróg, utworzony został plik typu liniowego. W tabeli atrybutów obiektów przeze mnie tworzonych, dodatkowo zawarto atrybut opisujący typ drogi. Wartość „1” reprezentowała drogi o nawierzchni twardej, o szerokości od 3 do 7m, wartość „2”, reprezentowała drogi o nawierzchni utwardzonej.

Manualne wprowadzanie kolejnych punktów łączonych przez wektory, odbywało się po osi wektoryzowanej drogi, bez uwzględnienia szerokości znaku graficznego, jakim była reprezentowana na mapie papierowej.

2. Wektoryzacja automatyczna

Przeprowadzoną wektoryzację automatyczną prowadzono dla tego samego fragmentu mapy, jak w przypadku wektoryzacji manualnej. Automatyzacja tego procesu polega na określeniu przedziału (przedziałów) wartości radiometrycznych obiektów, które chcemy poddać temu procesowi. Obraz źródłowy podlega reklasyfikacji, podczas której obiektom (grupom pikseli o wartościach radiometrycznych znajdujących się w określonym przedziale) przypisaliśmy „1”, a pozostałym „0”. W rezultacie otrzymamy plik rastrowy, jedno-bitowy, czyli o dwóch możliwych wartościach radiometrycznych.

Na ćwiczeniach proces ten został wykonany dla wód powierzchniowych. Przedział wartości radiometrycznych, został określony na podstawie informacji dotyczących piksela, które można wyświetlić wybierając odpowiednie narzędzie w oknie programu i klikając na interesujący nas piksel (obiekt). Dodatkowo możemy wyświetlić całą paletę barw użytych w danym obrazie, co może ułatwić nam dobór odpowiedniego przedziału.

Po otrzymaniu obrazu wynikowego, trzeba go zazwyczaj oczyścić ze zbędnych pikseli, które znalazły się w definiowanym przedziale, jednakże nie należą do obiektów wektoryzowanych.

Następnie na wcześniej przygotowanym pustym pliku wektorowym (tak samo jak w przypadku wektoryzacji manualnej), aplikacja automatycznie utworzy punkty położone na wektoryzowanym szczególe (cieki powierzchniowe) oraz połączy je wektorami.

W celu podniesienia skuteczności i efektywności automatyzacji, aplikacja oferuje możliwość ingerencji w parametry algorytmu tworzącego wektory. W oknie ustawień dostosowaliśmy wartości takich zmiennych jak na przykład: rozmiar tolerowanej odległości pomiędzy kolejnymi pikselami obiektu, poziom szumu, czyli stosunkową ilość pikseli występujących na obrazie, a jednak do obiektu nienależących, kąt skrętu, jakiemu może być poddany obiekt liniowy czy maksymalną szerokość wektoryzowanego obiektu.

3. Wektoryzacja półautomatyczna

Proces ten jest podobny do wektoryzacji automatycznej - i w tym przypadku zaczynamy od reklasyfikacji naszego obrazu w celu otrzymania tylko dwóch wartości radiometrycznych obrazu wynikowego - wartość wektoryzowanego obiektu i wartość tła.

Również ustawienia parametrów, odbywają się w tym samym oknie jak dla metody automatycznej. Jedyną różnicą jest manualne wskazywanie, od którego punktu ma być prowadzona wektoryzacja i w jakim kierunku.

W wykonywanym ćwiczeniu, zastosowaliśmy tą metodę dla warstwic na mapie topograficznej. W przypadku dobrze wykonanej reklasyfikacji, zadanie to można wykonać dość sprawnie, jednakże barwa warstwic na mapie, jest zbliżona np. do zabudowy, co utrudnia dobór odpowiednich przedziałów. Przy wskazywaniu kolejnych punktów, aplikacja może nie poprowadzić wektorów do wskazanego miejsca, wówczas prawym klawiszem myszy możemy poprowadzić je ręcznie, tak jak w metodzie manualnej.

Dobór odpowiedniej metody wektoryzacji zależy od podkładu, na którym pracujemy, oraz o obiektach, które chcemy poddać temu procesowi. W przypadku niewielkiej ilości obiektów punktowych, czy liniowych, wektoryzacja manualna może okazać się najszybsza, gdyż nie musimy wykonywać reklasyfikacji pikseli obrazu źródłowego. Jeśli chcemy wykorzystać metody zautomatyzowane, ważnym jest, możliwie najlepsze wykonanie reklasyfikacji. O ile w przypadku cieków koloru niebieskiego, niewiele innych obiektów na mapie ma ten sam kolor, to w przypadku warstwic pojawiły się trudności z doborem odpowiednich przedziałów. Wektoryzacja półautomatyczna jest według mnie dobrym połączeniem szybkości metody automatycznej, oraz kontrolowania przebiegu wektoryzacji, jak w metodzie manualnej.

11

(x2,y2)

(x1,y1)

(X1,Y1)

(X2,Y2)

---