Automatska vektorizacija katastarskih planova

Vlado CETL, Draen TUTI -Zagreb*

SAETAK. Prevoenje katastarskih planova iz analognog u digitalni oblik gorua je problematika koju je potrebno to prije rijeiti. Pojava sustava i softvera za automatsku vektorizaciju namee pitanje pogodnosti njihove uporabe za vektorizaciju katastarskih planova. U ovom su radu iznesene teoretske spoznaje o automatskoj vektorizaciji kao i rezultati istraivanja provedenih na katastarskim planovima u razliitim mjerilima programom za automatsku vektorizaciju ProVec. Kljune rijei: katastarski plan, automatska vektorizacija, ProVec.

1. Uvod
Prevoenje katastarskih planova iz analognog u digitalni oblik te uspostava digitalnoga katastra temeljna je zadaa svake drave u izgradnji uinkovitog sustava upravljanja prostornim informacijama. Veina razvijenih europskih zemalja uspostavila je digitalni katastar ili je taj postupak u tijeku. Stanje u Hrvatskoj po tom pitanju, uz iznimke nekih veih gradova, vrlo je loe, a postupak je tek u povojima. Prevoenje grafikog izvornika iz analognog u digitalni oblik obavlja se digitalizacijom. S obzirom na vrstu digitalizatora, digitalizacija moe biti runa ili vektorska i automatska ili rasterska. Najee je rezultat digitalizacije rasterska slika analognog izvornika. Rasterska slika je slika prikazana s pomou vrijednosti amplituda svjetline (ili boje) toaka, a vektorska je prikazana matematikim opisom. Vektorizacija je postupak kojim se od rasterske slike dobiva vektorska. Katastarski plan je iz analognog u digitalni vektorski oblik mogue prevesti runom digitalizacijom s pomou digitalizatora ili nekom od metoda vektorizacije. U te metode ubrajaju se: runa ekranska, poluautomatska i u novije doba automatska vektorizacija. Razvoj i primjena pojedine metode imali su obiljeje vremena i tehnolokih dostignua. Razvoj ureaja i metoda za automatski unos podataka s dokumenata zapoeo je jo 1970-ih i 1980ih godina iz sloenog i opirnog podruja raspoznavanja uzoraka (engl. Pattern Recognition) (Gyergyek i dr. 1988). S vremenom su razvijene razliite metode i algoritmi kojih je primjena prvotno zaivjela u programima za poluautomatsku, a poslije i za potpuno automatsku vektorizaciju. Na tritu je u posljednje vrijeme mogue pronai velik broj programa koji podravaju automatsku vektorizaciju. Postavlja se pitanje kolika je uinkovitost takvih programa u vektorizaciji katastarskih planova, kakva je tonost i zadovoljava li njihova uporaba primjenu u katastru. Prije desetak godina tim problemom se bavio Fras (1991). Upotrijebivi tada dostupan hardver i softver Fras je zakljuio da automatskoj vektorizaciji treba u budunosti dati prednost pred, u to doba najzastupljenijom, vektorizacijom pomou runog digitalizatora.

Vlado Cetl, dipl. ing. i Draen Tuti, dipl. ing., Sveuilite u Zagrebu, Geodetski fakultet, Kaieva 26, Zagreb, e-mail: vcetl@geof.hr i dtutic@geof.hr

U Zavodu za kartografiju Geodetskog fakulteta u Zagrebu nabavljen je 2000. godine program ProVec za automatsku vektorizaciju. Program je naao primjenu u vektorizaciji kartografskih prikaza sitnijih mjerila (TK25, TK50), meutim do sada nije uporabljen u vektorizaciji katastarskog plana. Mogunost njegove uporabe kao i ocjena rezultata u radu s katastarskim planovima bit e prikazane u ovom radu.

2. Automatska vektorizacija
Automatska vektorizacija podrazumijeva automatsko odvijanje cjelokupnog procesa vektorizacije, koje se temelji na razliitim algoritmima detektiranja i prepoznavanja rasterskog sadraja. Opi proces automatske vektorizacije katastarskog plana (slika 1) ukljuuje rastavljanje izvornika na tekstualni i netekstualni sloj. Tekstualni sloj ine razliiti nazivi i simboli na predloku (brojevi estica, nazivi ulica, rudina i sl.), dok netekstualni sloj ine linijski elementi (mene linije, putovi i sl.). U procesu automatske vektorizacije obradbu tih dvaju slojeva treba razmatrati posebno.
KATASTARSKI PLAN

skeniranje

tekstualni sloj

prethodna obradba

netekstualni sloj

OCR (vektorizacija) prepoznavanje znakova, simbola ... oblikovanje rijei

vektorizacija prepoznavanje strukturiranje

DIGITALNI KATASTARSKI PLAN

Slika 1. Opi proces automatske vektorizacije katastarskog plana 2.1. Vektorizacija tekstualnog sloja Prepoznavanje tekstualnih znakova na slici (engl. Optical Character Recognition ili skraeno OCR), poseban je oblik vektorizacije, kod koje se iz slike izdvaja tekst. Razvoj i implementacije razliitih metoda prepoznavanja teksta i simbola (Shortis i Trisirisatayawong 1994; Eikvil i dr. 1995; Reiher i Li 1995; Amerali i Servigne 1996) u softverska rjeenja doveli su u novije doba do pojave vie razliitih aplikacija za poluautomatsku i automatsku vektorizaciju koje ukljuuju OCR i prepoznavanje simbola. OCR programi mogu se uspjeno primijeniti za ureenje pisma na karti nakon skeniranja (Frange i dr. 1996). Treba dakako naglasiti da je pismo na karti pravilno i da je nastalo tiskom, to kod katastarskih planova nije sluaj. Katastarski plan u analognom obliku sadri razliite tipove tekstualnih informacija (npr. brojevi katastarskih estica, imena katastarskih opina, nazivi mjesta, vodotoka i sl.), koje je u postupku vektorizacije potrebno izdvojiti i transformirati u pogodni oblik. Problem prepoznavanja teksta na katastarskom planu puno je sloeniji nego kod tekstualnih dokumenata i karata, a najvie se oituje u nejednakosti tekstualnog sadraja (Cetl 2001). Brojevi estica pisani su najee rukom, dok su razliiti nazivi upisivani ablonama. Orijentacija i nagib teksta takoer su razliiti. Imena vodotoka,

ulica i slinih objekata uglavnom prate smjer protezanja objekta, dok su brojevi estica, imena rudina, mjesta i sl. uglavnom horizontalni tekst. 2.2. Vektorizacija netekstualnog sloja Postupak vektorizacije netekstualnog sloja (slika 2), uz skeniranje predloka, ukljuuje: uklanjanje umova, skeletizaciju, poboljanje vorova (toke presjecita), praenje linija s izdvajanjem vorova i dijeljenjem segmenata, spajanje segmenata i topoloku rekonstrukciju (Drummond 1990).
skenirani predloak uklanjanje uma skeletizacija poboljanje vorova praenje linija spajanje segmenata

topoloka rekonstrukcija

Slika 2. Vektorizacija netekstualnog sloja (Drummond 1990) Izvornici esto sadre prljavtinu u obliku tzv. sol i papar uma. um se moe javiti i u postupku skeniranja, npr. kad se linije sijeku pod malim kutom, tzv. premotavanje (Franula 2001). Za uklanjanje uma razvijeni su razliiti algoritmi filtriranja rasterske slike. S veom rezolucijom skenera poveava se koliina informacija dobivena na rasterskoj slici. Pri vektorizaciji linijskog elementa (mene linije i sl.), kao i kod rune vektorizacije, cilj je vektorizirati sredinju liniju ili os. U idealnom sluaju kada bi bilo mogue svaki linijski element skenirati debljinom jednog piksela, vektorizacija linije bila bi vrlo jednostavna, praenjem piksel po piksel. Kako su, realno, debljine linija vee, potrebno je reducirati debljinu pri emu moraju biti zadovoljena dva kriterija: 1. linija mora imati debljinu jednog piksela i 2. novi prikaz mora odgovarati obliku originalne linije. Taj se postupak naziva transformacija srednje osi (Medial Axis Transform) ili skeletizacija (slika 3). U domaoj literaturi esto se rabi pojam stanjivanje.

Slika 3. Skeletiranje i transformacija iz rastera u vektor (Illert 1992)

Razvijeno je vie razliitih algoritama za skeletizaciju, ali svi se uglavnom temelje na iterativnom pristupu. Svakom se novom iteracijom debljina objekta smanjuje, a algoritam se zaustavlja kada je objekt dovoljno tanak. Klasini algoritam skeletizacije uspjeno se obavlja 3 3 matricom:
P3 P4 P5 P2 X P6 P1 P0 P7

Sredinji piksel nije oznaen. U susjedstvu sredinjeg piksela razlikujemo izravne susjede (P0, P2, P4 i P6) i neizravne susjede (P1, P3, P5 i P7). T. Pavlidis objavio je 1980. godine algoritam za skeletizaciju diskretne binarne slike, koji se smatra jednim od najboljih. Pavlidis je dizajnirao kriterij za razlikovanje izmeu elemenata koje treba stanjivati i elemenata koji se ne stanjuju. Sadraj slike mogue je podijeliti na viestruke i preostale piksele. Dokazao je da su konani skeletizirani elementi sastavljeni upravo od viestrukih piksela. Svakom iteracijom zadravaju se samo viestruki pikseli, dok se svi ostali rubni pikseli konture briu (slika 4). Viestruki piksel mora zadovoljavati sljedee kriterije: 1. presjeen vie nego jednom konturom objekta, 2. nema susjedstva u unutranjosti objekta (svih 8 susjeda u matric 3 3 elementi su konture ili dio pozadine 3. ima izravnog susjeda (P0, P2, P4 ili P6) koji je element neke konture, ali nije susjed u njegovoj konturi.

izvornik prije obrade

izvornik nakon obrade

Slika 4. Pavlidisov algoritam skeletizacije (Drummond 1990) Uz odreene modifikacije, Pavlidisov je algoritam naknadno doivio poboljanja. Krajnji rezultat skeletizacije je os neke linije. Openito, veliki je problem pritom presjek s drugom linijom. U takvom sluaju dolazi do pomaka vorova. Razvijene su razliite tehnike odreivanja presjeka linija ime je nakon identifikacije presjeka mogue ponovno odrediti poloaj vora. Cjelokupni proces naziva se poboljavanje vorova. Nakon postupka skeletizacije i poboljanja vorova slijedi praenje linija odnosno sama vektorizacija. Postoji vie razliitih algoritama vektorizacije. Na slici 5 prikazani su Parkerov (a) i Ramerov (b) algoritam vektorizacije. Openito, vektorizacija pojedinog skeletiranog segmenta bazira se na pronalasku poetnog i krajnjeg piksela segmenta, a vektorska reprezentacija toga segmenta je vektor izmeu tih dviju toaka.

< prag

- poetak na vornom pikselu - kraj na vornom pikselu - nai piksel s najveom udaljenou od spojnice poetka i kraja - ponovi postupak s tri toke - sve dok nije i najvea udaljenost manja od praga (b)

(a)

Slika 5. (a) Parkerov i (b) Ramerov algoritam vektorizacije (Drummond 1990) Rezultat vektorizacije je skup vektora kojima mogu biti pridijeljeni odreeni atributi. Usporedbom dobivenoga vektorskog modela i originalne rasterske slike mogue su odreene razlike u topologiji1, koje nastaju iz dva mogua razloga. Prvi je hardverski problem zbog nedovoljne koliine memorije, to u novije doba uglavnom nije sluaj. Drugi je razlog semantike naravi, a ogleda se u injenici da ljudsko oko promatra razbijene linije dok ih mozak spaja u odreeni simbol. Rjeavanje tih nedostataka obavlja se spajanjem segmenata. Krajnji proces vektorizacije je topoloka rekonstrukcija, koja ukljuuje kodiranje lukova, konstrukciju sloenih objekata i automatsko kodiranje objekata. Topolokom rekonstrukcijom uspostavljaju se pravilni prostorni odnosi izmeu pojedinih linijskih segmenata. Uspostavom pravilne topologije za digitalni katastarski plan, mene se linije spajaju u poligone ime katastarske estice kreiraju zatvorene povrine. Kreiranje topologije pri vektorizaciji katastarskih planova je nuno, a njome se omoguuje koritenje razliitih kontrola i analiza te stvaranje tematskih prikaza.

3. Automatska vektorizacija s programom ProVec

ProVec/m 3.5 je program tvrtke Abakos Digital Images iz Australije i izraen je 1999. godine (slika 6). Ta inaica programa radi pod okruenjem Bentley System MicroStation iako postoji i inaica samostalnoga programa. Web stranice tvrtke Abakos Digital Images nalaze se na adresi http://www.abakos.com.au.

Topologija je grana matematike koja se bavi prostornim odnosima izmeu objekata. Osnovni pojmovi s kojima se u topologiji susreemo su: vor, linija (luk), poligon, podruje, stablo i topoloka transformacija (Franula 2001). U geoinformacijskim sustavima (GIS-u), topoloki odnosi kao to su povezanost, susjedstvo i relativni poloaj obino se izraavaju kao odnosi izmeu vorova, linija i poligona.

Slika 6. Radno suelje programa ProVec ProVec/m 3.5 omoguuje potpuno automatsku vektorizaciju crno-bijelih rastera (onih formata koje podrava MicroStation). Od rasterskih funkcija, program prije vektorizacije omoguuje uklanjanje malenih mrlja i popunjavanje malenih rupa u rasteru, podebljavanje rasterskog sadraja (npr. linija iroka etiri piksela nakon podebljavanja bit e iroka est piksela), stanjivanje rasterskog sadraja (npr. linija iroka etiri piksela nakon stanjivanja bit e iroka dva piksela), skeletizacija (slino stanjivanju, ali linija iroka jedan piksel nee se dalje stanjivati), izglaivanje i izdvajanje rubova rasterskog sadraja. ProVec/m 3.5 moe vektorizirati sredinju liniju ili rubove rasterskog sadraja. Od vektorskih funkcija, ProVec/m 3.5 omoguuje izglaivanje vektorskih linija tijekom vektorizacije, razvrstavanje vektorskog sadraja prema nekoliko kriterija, prepoznavanje vrste i debljine rasterskih linija, prepoznavanje teksta (OCR), spajanje vektorske linije preko rasterskih prekida, uklanjanje kratkih vektorskih linija na rubovima rasterskog sadraja, povezivanje linija na presjecima u jednu toku, prepoznavanje lukova i krunica, prepoznavanje pravih kutova i zadanih smjerova linija. Pri automatskoj vektorizaciji posebno je vano pronalaenje i zadavanje to povoljnijih parametara jer kad se jednom pokrene vektorizacija, nema mogunosti korekcije. ProVec/m 3.5 za taj zadatak nudi mogunost mjerenja dimenzija rasterskih objekata i brzo pregledavanje uinka pojedinog skupa parametara. Uz ProVec/m 3.5 mogu se dobiti i dodatni programski alati za naknadno ureivanje vektorskog sadraja ("ienje"). Ono to je program prepoznao kao tekst moe se interaktivno prihvatiti, odbaciti ili promijeniti. Detaljnije o mogunostima i radu s programom moe se pronai u priruniku i primjerima koji dolaze s programom (Abakos Digital Images 1999). 3.1. Vektorizacija katastarskog plana Za istraivanje mogunosti navedenog programa uzeta su tri isjeka katastarskih planova, i to plan u mjerilu 1:2880 precrtan u postupku odravanja katastarskog operata (a), izvorni katastarski plan u mjerilu 1:1000 (b) i izvorni katastarski plan u mjerilu 1:2880 (c). Planovi (a) i (b) skenirani su s razluivosti od 600 tokica po inu (dpi) u crno-bijelom modu, a plan (c) skeniran je s razluivosti od 400 tokica po inu u boji. U lanku su svi skenirani isjeci i rezultati vektorizacije smanjeni na

50% izvorne veliine. Openito se moe rei da su za automatsku vektorizaciju potrebne vee razluivosti (400 dpi i vie) nego to je to sluaj kod ekranske vektorizacije. Isjeci planova geokodirani su u bilo koji lokalni koordinatni sustav ovisno o mjerilu plana, a zatim su obavljena mjerenja potrebna za postavljanje parametara vektorizacije. Budui da cilj ovoga rada nije detaljno opisivanje postupka vektorizacije izabranim programom ve istraivanje rezultata, izbor parametara nee biti detaljno opisan. Neki od parametara koji su bili zajedniki za sva tri plana su: od predradnji na rasterskom predloku izabrane su operacije uklanjanja malih mrlja, popunjavanje malih rupa, izglaivanje rubova i stanjivanje. Od parametara vektorizacije izabrana je vektorizacija sredinje linije, ravne linije uz normalnu toleranciju praenja, objekti su razvrstani prema vrsti, izabrano je povezivanje linija na presjecima, spajanje linija preko rasterskih prekida i uklanjanje kratkih vektorskih linija na rubovima. Na slici 7 prikazan je skenirani isjeak plana (a), a na slici 8 rezultat vektorizacije. Rije je o precrtanom planu u mjerilu 1:2880. Od sadraja uoavaju se samo mee katastarskih estica i brojevi, prema tome sadraj je jednostavan. Brojevi su pisani rukom u razliitim smjerovima. Mene linije spajaju se jedna na drugu bez prekida. Na nekim se mjestima broj i mee katastarskih estica dodiruju ili sijeku.

Slika 7. Skenirani isjeak plana u mjerilu 1:2880 (a) Ocjena uspjenosti vektorizacije isjeka (a). Postupak automatske vektorizacije uspjeno je vektorizirao linijski sadraj i izdvojio brojeve. Prepoznavanje brojeva nije bilo zadovoljavajue pa su tekstualni objekti izbrisani. Na mjestima gdje su brojke dirale ili sjekle mee estica sadraj nije ispravno interpretiran u vektorskom obliku. Procjena je da je uz manje ureivanje vektorskog sadraja mogue relativno brzo uspostavljanje topologije. Brojevi estica moraju se vektorizirati interaktivno ili dodati runo.

Slika 8. Vektorizirani isjeak plana (a) Na slici 9 prikazan je skenirani isjeak plana u mjerilu 1:1000 (b), a na slici 10 rezultat vektorizacije. Sadraj se sastoji od mea i brojeva katastarskih estica, zgrada, stalnih geodetskih toaka, naznaka o vrsti ograda i zgrada, znakova pripadnosti, oznaka elektrinih stupova, naziva ulica itd. Sadraj se moe ocijeniti kao sloen. Mene se linije ponegdje spajaju bez prekida, a ponegdje su povuene do blizine prijelomne toke. Brojke su pisane rukom, uglavnom vodoravno.

Slika 9. Isjeak plana u mjerilu 1:1000 Ocjena uspjenosti vektorizacije plana (b). Mee estica, zgrade i ostali linijski sadraj vektoriziran je zadovoljavajue. Openito, kod katastarskih planova u mjerilu 1:500, 1:1000 i 1:2000 velik je problem taj to su mene toke prikazane na planu kao toke. To uvelike oteava postupak automatske vektorizacije u ispravnom interpretiranju sjecita menih linija. Iako program ProVec omoguuje postavljanje odreenih parametara, taj problem jo uvijek ne rjeava na zadovoljavajui nain. Nekoliko tipinih pogreaka istaknuto je na slici 10 kruiima. Brojevi estica dobro su izdvojeni, ali prepoznavanje teksta nije zadovoljavajue. Ipak tekstualni objekti nisu odbaeni ve su tijekom postupka prihvaanja objekata promijenjeni u ispravne brojke. S obzirom na sloenost sadraja izvornika potrebno je vie ureivanja vektorskog sadraja kako bi se uspostavila topologija.

5523 5524 5525 5526 5531

5533 5877

5872 5873

5870 5867 5865 5874 5869 5866

5879 5527 5520 5878 5519 5528 428 5517 5529 5530

5876 5875

5864

339

5887

5884

5518 5900 5093 5891 5886

5516

Slika 10. Vektorizirani plan u mjerilu 1:1000 (b) Na slici 11 prikazan je skenirani isjeak plana u mjerilu 1:2880 (c), a na slici 12 rezultat vektorizacije. Treba napomenuti da je prilikom pretvaranja izvorne rasterske slike (256 boja) u crno-bijelu sliku isfiltriran samo crni sadraj zbog loije kvalitete rastera. Sadraj plana sastoji se od mea estica, simbola i teksta.

Slika 11. Skenirani isjeak izvornog plana u mjerilu 1:2880 (c) Ocjena uspjenosti vektorizacije plana (c). Sadraj je loe vektoriziran, simboli i tekst vrlo su loe izdvojeni od linijskog sadraja i opa ocjena je nezadovoljavajua. Vektorizirani sadraj nije dobra osnova za daljnje ureivanje i preporuka je upotrijebiti neki drugi postupak vektorizacije.

Slika 12. Vektorizirani plan u mjerilu 1:2880 3.2. Ocjena pogodnosti za uporabu Pri vektorizaciji katastarskog plana posebno je vano kako je i s koliko toaka pojedina mena linija definirana i gdje su te toke postavljene. Poznato je da na katastarskom planu mena linija u pravilu zapoinje i zavrava na menoj toki. Osim toaka na kojima se sijeku tri i vie menih linija postoje i lomne toke koje definiraju oblik mee izmeu dviju estica. Pri automatskoj vektorizaciji kritian je upravo smjetaj toaka koje definiraju liniju. Naime, program ne moe interpretirati sadraj na nain na koji to ini ovjek. S druge pak strane tonost praenja linije vrlo je dobra zbog postupka skeletizacije koji izdvaja sredinu linije. Tu se moe dati prednost postupcima automatske vektorizacije pred runom jer ne dolazi do zamora operatera, koji bi mogao postaviti toku izvan njezina optimalnog poloaja. Runom vektorizacijom pak omoguen je ispravan izbor lomnih i menih toaka. Na slici 13a, na isjeku precrtanog plana u mjerilu 1:2880, prikazan je izbor toaka pri automatskoj vektorizaciji, na slici 13b automatski proien vektorski sadraj, a na slici 13c taj isti dio vektoriziran ekranski runo. Ve na prvi pogled moe se uoiti da je nuna primjena programa za automatsko ienje vektorskog sadraja, kojim se znatno poboljava topologija.

a)

b)

c)

Slika 13. a) izbor toaka programa ProVec/m 3.5; b) nakon automatskog "ienja" vektora; c) izbor toaka pri runoj vektorizaciji Na temelju vektorskih prikaza kao na slici 13, a radi lake usporedbe uspjenosti automatske vektorizacije programom ProVec/m 3.5 na izabranim primjerima katastarskih planova, izraen je usporedni prikaz (slika 14). Dio svakog plana vektoriziran je runo i izbrojene su toke. Toke su

zatim prikazane kao kruii iji promjer odgovara 0,2 mm u mjerilu pojedinog plana. Zatim je vektorski sadraj dobiven automatskom vektorizacijom preklopljen preko vektorskog sadraja dobivenog runom vektorizacijom i vizualno su izdvojene one toke koje je ProVec/m 3.5 smjestio ispravno i one koje su nepotrebne. Ispravno postavljenim tokama smatrane su one koje su se nalazile unutar kruia koji su predstavljali runi izbor toaka, a nepotrebnim tokama sve ostale. Isto je uinjeno i s proienim vektorima. Budui da je na pojedinim primjerima katastarskih planova broj toaka dobiven runom vektorizacijom (potrebne toke) razliit, broj ispravnih i nepotrebnih toaka prikazan je u postocima prema broju potrebnih toaka kako bi bila mogua usporedba izmeu izabranih primjera. Svi postotci zaokrueni su na 10 kako bi se naglasilo da je rije o priblinim vrijednostima koje ovise o izboru parametara vektorizacije i automatskog ienja, postupku skeniranja, kvaliteti izvornika i rasterskom sadraju. Lako se vidi da postupak automatskog ienja osim poeljnog uklanjanja nepotrebnih vektora u odreenoj mjeri uklanja i ispravno vektorizirani sadraj. Idealan odnos ispravnih i potrebnih toaka bi bio 100%, a odnos nepotrebnih i potrebnih toaka 0%.
%
600

(a)

%
600

(b)

%
600

(c)

500
400

500
400

500
400

300
200

300
200

300
200

100
80

100
80

100
80

60 40 20
0

60 40 20
0

60 40 20
0

ProVec

nakon "ienja"

ProVec

nakon "ienja"

ProVec

nakon "ienja"

ispravne toke potrebne toke nepotrebne toke potrebne toke

100 [%] 100 [%]

Slika 14. Usporedni prikaz pogodnosti za upotrebu automatske vektorizacije za izabrane isjeke katastarskih planova (a) precrtani plan u mjerilu 1:2880, (b) izvorni plan u mjerilu 1:1000 i (c) izvorni plan u mjerilu 1:2880

4. Zakljuak
Implementacija razliitih algoritama automatskog prepoznavanja rasterskog sadraja u programe za automatsku vektorizaciju doivjela je u posljednje vrijeme pravi boom. Mogunost automatskog pretvaranja rasterskog sadraja u vektorski oblik uvelike olakava posao operateru, a cjelokupni posao vektorizacije ini daleko brim i jeftinijim. Provedena istraivanja, meutim, pokazala su da je primjena automatske vektorizacije uvelike ovisna o grafikoj podlozi i njezinu sadraju, kao i o mogunostima koritenog softvera. Takoer je jednako vaan i izbor postupka skeniranja. Postignuti rezultati na katastarskim planovima pokazali su se relativno dobrima na precrtanim planovima u mjerilu 1:2880, ali takvih je planova u Hrvatskoj malo. Rezultati na izvornim planovima u mjerilu 1:2880 su loi. Iako se naknadnim ienjem vektora situacija popravlja, to jo uvijek nije zadovoljavajui rezultat. Slini su rezultati postignuti i na planovima u mjerilu 1:1000. Razlog je tome specifini prikaz geometrije sadraja na takvim planovima, u emu algoritmi automatske vektorizacije jo uvijek ne nude prihvatljivo rjeenje u pravilnoj interpretaciji. Dobiveni vektorski sadraj moe posluiti kao podloga za daljnje topoloko ureivanje, ali to s druge strane namee pitanje vremenske efikasnosti postupka

vektorizacije. Prepoznavanje tekstualnog sadraja katastarskih planova takoer zadovoljavajue, to je opet posljedica specifinosti nastanka njihova prikaza na planu.

nije

Katastarski planovi sadre prostorne podatke u najkrupnijem mjerilu i njihovoj vektorizaciji u pogledu kvalitete i tonosti treba posvetiti najveu panju jer su upravo ti podaci temelj za izgradnju svih ostalih prostornih informacijskih sustava. Programi za automatsku vektorizaciju grafikih prikaza pokazali su se dobrima u automatskoj vektorizaciji kartografskih prikaza u sitnijim mjerilima. Za oekivati je da e njihov razvoj u dogledno vrijeme omoguiti uspjeniju uporabu na katastarskim planovima.

Literatura
Abakos Digital Images (1999): User's Manual. Amerali, K., Servigne, S. (1996): Methods for vectorization and recognition of some cadastral objects. Second Joint European Conference & Exhibition on Geographical Information, Barcelona, Spain. Cetl, V. (2001): Optiko prepoznavanje znakova i rijei na slici. Seminarski rad, Geodetski fakultet Sveuilita u Zagrebu, Zagreb. Drummond, J. (ed.) (1990): Automatic digitizing. OEEPE, Official Publication No 23. Eikvil, L., Aas, K., Holden, M. (1995): Tools for Automatic Recognition of Character Strings in Maps. CAIP '95, 6th International Conference on COMPUTER ANALYSIS OF IMAGES AND PATTERNS, Prague, Czech Republic. Franula, N. (2001): Digitalna kartografija. Interna skripta, 3. proireno izdanje, Geodetski fakultet Sveuilita u Zagrebu, Zagreb. Frange, S., poljari, D., Lovri, P. (1996). Ureivanje skeniranih crno-bijelih tekstualnih predloaka i pisma na karti. Geodetski list, Zagreb, 3, 279-284. Fras, Z. (1991): Digitalizacija katastarskih planova skenerom. Geodetski list, Zagreb, 1-3, 35-49. Gyergyek, L., Pavei, N., Ribari, S. (1988): Uvod u raspoznavanje uzoraka. Tehnika knjiga, Zagreb. Illert, A. (1992): Automatisierte Digitalisierung Kartographische Nachrichten 1, 6-12. von Karten durch Mustererkennung.

Reiher, E., Li, Y. (1995): Map Symbol Recognition. Collection scientifique et technique, CRIMIIT-95/09-31, Centre de recerche informatique de Montral, Montral, Canada. Shortis, M., R., Trisirisatayawong, I. (1994): Automatic text recognition and the potential for text to feature association on scanned maps. Geomatics Research Australia, No 61, 85-99.

Automatic Vectorization of Cadastral Maps

ABSTRACT. Conversion of paper cadastral maps into digital vector form is a crucial issue, which needs to be solved as soon as possible. The appearance of software and systems for automatic vectorization asks for evaluating in vectorization of cadastral maps. This paper gives a brief theoretical review on automatic vectorization and results of research conducted on cadastral maps of different scales and graphics using the program ProVec for automatic vectorization.

Key words: cadastral map, automatic vectorization, ProVec.