# Kuş Bakışı Görüntülerden Doluluk-Boşluk Haritaları Nasıl Oluşturulur?

> ReRoom'u kullanarak kentsel hava fotoğraflarını saha analizi, portfolyolar ve kentsel tasarım sunumları için net doluluk-boşluk (figure-ground) haritalarına nasıl dönüştüreceğinizi öğrenin.

## Kuş bakışı görüntülerden neden doluluk-boşluk haritaları oluşturulur?

Kentsel tasarımda ve saha analizinde Doluluk-Boşluk (Figure-ground) Haritası, kentsel yapıyı anlamak için en kullanışlı çizimlerden biridir. Kenti, bina kütlesi ile açık alan arasındaki net bir ilişkiye indirgeyerek basitleştirir; tasarımcıların ada yoğunluğunu, sokak sürekliliğini, boşluk dağılımını ve kentsel dokuyu okumasına yardımcı olur.

Ancak pratikte her zaman temiz bir GIS veya CAD dosyasıyla işe başlayamayız. Birçok erken aşama çalışması Google Earth, dron çekimleri veya yüksek açılı hava fotoğraflarıyla başlar. Bu görüntüler faydalı mekânsal bilgiler içerir; fakat aynı zamanda çatı dokuları, arabalar, ağaç taçları, gölgeler, tabelalar ve perspektif bozulmaları gibi çok fazla görsel gürültüyü de beraberinde getirir.

![ext0616ref2](https://reroom.s3-accelerate.amazonaws.com/blog/body/c12bde53-4474-4820-937a-3e79331495df.jpg)
*Şekil 01. Kentsel analiz için referans görseli olarak yüksek açılı bir hava görüntüsünün kullanılması*

Bu eğitimde ReRoom kullanarak karmaşık bir hava fotoğrafını portfolyo kalitesinde temiz bir Doluluk-Boşluk Haritasına dönüştüreceğiz. Amaç, resmî haritalandırmanın veya arazi ölçümlerinin yerini almak değildir. Bunun yerine, gerçek dünyadaki kentsel görüntüleri hızla okunabilir bir analiz altlığına dönüştürmek istiyoruz.

## Adım 1 — Giriş yapın ve hava fotoğrafınızı hazırlayın

Öncelikle ReRoom'a giriş yapın ve hedef kentsel adanın yüksek açılı bir hava fotoğrafını hazırlayın.

![Görsel](https://reroom.s3-accelerate.amazonaws.com/blog/body/544ff065-14ac-47a8-b530-d8292829687d.png)

Yüklemeden önce bina sınırlarının net olup olmadığını, yolların sürekliliğini ve ana yapı adası dokusunun görünürlüğünü kontrol edin. Görüntü yoğun şekilde ağaçlarla veya gölgelerle kaplıysa, model bitki örtüsünü veya karanlık alanları bina kütlesi zannedebilir.

En iyi girdi görseli her zaman en estetik olanı değildir. Çatıları, sokakları, avluları, açık alanları ve yapı adası kenarlarını net bir şekilde göstermelidir.

Bu aşamada modelden henüz harika bir diyagram oluşturmasını istemiyoruz. Öncelikle yapay zekânın görevi anlaması gerekiyor: Gerçek bir hava görüntüsünü, dolu bina taban alanları ile açık alanlar arasındaki bir kontrast haritasına dönüştürmek.

```text
identify building footprints and open spaces from the aerial urban view, preserve street block structure, simplify roofs and ground texture, remove cars, trees, shadows, and visual noise
```

## Adım 2 — Ana Sayfaya gidin ve görseli yükleyin

Giriş yaptıktan sonra ReRoom ana sayfasına gidin ve kentsel hava fotoğrafını yükleyin.

![Görsel](https://reroom.s3-accelerate.amazonaws.com/blog/body/1793d0b1-302d-40b1-8ea0-74799410453e.png)

Görseli, dönüşümün temel referansı olarak kullanın. Hava fotoğrafı, modelin bina kütlesini, sokak düzenini, açık alanları ve ada oranlarını anlamasına rehberlik etmelidir.

Amaç kentin yapısını korumaktır, yeni ve soyut bir harita üretmek değil. Bu nedenle, başlangıçta genellikle yaratıcı stil prompt'larından kaçınırız.

## Adım 3 — Doluluk-boşluk prompt'unu yazın

Ardından, çıktıyı açıkça bir Doluluk-Boşluk Haritası (Figure-ground Map) olarak tanımlayan bir prompt yazın.

En önemli kısım, neyin "dolu" (solid) hale geleceğini ve neyin "boşluk" (void) olarak kalacağını tanımlamaktır. Genellikle binaları siyah taban alanları (footprints), açık alanları ise beyaz bölgeler olarak tarif ederiz.

```text
convert this aerial urban view into a clean professional figure-ground map, black building footprints, white open spaces, preserve street layout, urban blocks, building edges, courtyard spaces, and road network, minimal architectural portfolio style, no perspective, no shadows, no labels, no cars, no people, no trees
```

![ext0617ref2](https://reroom.s3-accelerate.amazonaws.com/blog/body/278d4f3f-a472-4eaf-ba6d-1e7ad25c81a2.png)
*Şekil 02. ReRoom ile kentsel bir hava görüntüsünü temiz bir Doluluk-Boşluk Haritasına dönüştürme*

Testlerimizde, yalnızca "make it minimal" (minimal yap) demek yerine black building footprints (siyah bina taban alanları), white open spaces (beyaz açık alanlar) ve preserve street layout (sokak düzenini koru) gibi ifadelerin çok daha faydalı olduğunu gördük.

İstemde yalnızca "minimal city map" (minimal şehir haritası) yazılırsa, çıktı temiz görünebilir ancak sokak oranlarını veya bina kenarlarını korumada başarısız olabilir. Kentsel analiz için bu yapısal kayıp, görsel şıklıktan çok daha önemlidir.

## Adım 4 — Karanlık ve aydınlık köşeleri düzenleyin

İlk sonuç oluşturulduktan sonra, doluluk-boşluk kontrastının tüm görsel genelinde net olup olmadığını kontrol edin.

Bazen sonuçta gölgelerden, çatı malzemelerinden veya yoğun bitki örtüsünden kaynaklanan karanlık köşeler kalabilir. Diğer durumlarda ise aşırı aydınlık köşeler bina sınırlarını kaybederek gereğinden fazla boş alanlara dönüşebilir.

Karanlık köşeler için, modelden gölgeleri basitleştirmesini ve bina taban alanı mantığını geri getirmesini isteyen bir düzenleme prompt'u kullanın.

```text
clean up the dark corner areas, remove shadow noise, keep only solid building footprints and clear white open spaces, preserve block edges and street layout
```

Aşırı aydınlık alanlar için, modelden eksik kenarları geri getirmesini ve kontrastı güçlendirmesini isteyen bir prompt kullanın.

```text
recover missing building edges in the bright corner areas, improve figure-ground contrast, keep black building masses and white void spaces, preserve the original urban block structure
```

![ext0616ref5](https://reroom.s3-accelerate.amazonaws.com/blog/body/2f36187c-dcec-4c45-b823-63b2f61de09d.jpg)
*Şekil 03. Doluluk-boşluk okunabilirliğini artırmak için karanlık ve aydınlık köşe alanlarını düzenleme*

Bu adım önemlidir çünkü hava fotoğrafları nadiren homojen bir şekilde pozlanır. Bu alanları temizlemezsek, nihai diyagram minimal görünse bile analiz açısından güvenilmez kalabilir.

## Adım 5 — Gürültüyü kaldırın ve oranları koruyun

Doluluk-boşluk haritalarını üretmek zordur çünkü gerçek hava görüntüleri çok fazla bilgi barındırır. Çatı dokusu, ağaç taçları, gölgeler, otoparklar ve yol çizgileri, asıl bina-açık alan ilişkisiyle görsel bir yarış içine girer.

Gürültüyü azaltmak için genellikle remove shadows (gölgeleri kaldır), remove trees (ağaçları kaldır), no roof texture (çatı dokusu olmasın) ve flat 2D diagram (düz 2B diyagram) gibi kısıtlamalar ekleriz.

```text
flat 2D architectural analysis diagram, solid black building masses, clean white void spaces, remove roof texture, remove vegetation, remove shadows, preserve urban fabric and block proportions
```


![ext0616ref6](https://reroom.s3-accelerate.amazonaws.com/blog/body/6c255013-a891-456a-8336-e5d3dc347fa7.jpg)
*Şekil 04. Minimal bir kentsel analiz altlığı oluşturmak için görsel gürültüyü temizleme*

Buradaki temel denge, temizlik ile doğruluk arasındadır. Görüntü aşırı basitleştirilirse ada önemli ayrıntılarını kaybeder. Fotoğrafa fazlasıyla sadık kalınırsa da diyagramda çok fazla görsel gürültü kalır.

Çoğu durumda bina kenarlarını, sokak ağlarını, avluları ve açık alanları, çatı malzemesine veya peyzaj detaylarına kıyasla önceliklendiririz.

## Adım 6 — Haritayı portfolyo ve saha analizi için kullanın

Bu iş akışı, karmaşık bir kentsel hava fotoğrafını okunabilir bir Doluluk-Boşluk Haritasına dönüştürebilir. Saha analizi, portfolyo altlık haritaları, kentsel doku karşılaştırması, ada yoğunluğu çalışmaları ve erken aşama tasarım referansları için son derece kullanışlıdır.

ReRoom yine de bina hatları, yol sürekliliği, açık alan sınırları ve siyah-beyaz ilişkileri açısından manuel bir kontrol gerektirir. Çıktı resmî bir kentsel araştırma veya imar analizi için kullanılacaksa tasarımcılar bunu yine de GIS, CAD veya harita ölçüm verileriyle doğrulamalıdır.

Ancak erken aşamadaki proje teklifleri için bu iş akışı, gerçek hava görüntülerini bir analiz altlığına dönüştürmek için gereken süreyi ciddi oranda azaltabilir.

Yapay zekâ burada kentsel analizin yerini almıyor; mevcut kent görüntülerini okunması, karşılaştırılması ve üzerinde tartışılması daha kolay bir görsel dile çevirmemize yardımcı oluyor.

---

[Kuş Bakışı Görüntülerden Doluluk-Boşluk Haritaları Nasıl Oluşturulur?](https://tr.reroom.ai/tutorial/how-to-create-figure-ground-maps-from-aerial-views)

[İç mekânımı renderla](https://tr.reroom.ai/?utm_source=ai-markdown&utm_medium=referral&utm_campaign=tutorial)

2026-08-27