如何從鳥瞰圖製作圖底關係圖（Figure-Ground Map）

為什麼要從鳥瞰圖製作圖底關係圖？

在都市設計與基地分析中，圖底關係圖（Figure-ground Map）是理解城市結構最實用的圖面之一。它將城市簡化為建築量體（實）與開放空間（虛）之間的明確關係，幫助設計師解讀街區密度、街道連續性、留白分布以及都市紋理。

然而在實務中，我們並不總能從乾淨的 GIS 或 CAD 檔案著手。許多前期研究都是從 Google Earth、空拍機畫面或高角度鳥瞰影像開始。這些影像雖然包含實用的空間資訊，但同時也夾雜了大量視覺雜訊：屋頂紋理、車輛、樹冠、陰影、標誌以及透視變形。

圖 01. 使用高角度鳥瞰圖作為都市分析的參考影像

在本教學中，我們將使用 ReRoom 把複雜的鳥瞰影像轉變為作品集風格的簡潔圖底關係圖。其目的並非取代正式的測繪或調查，而是希望能快速將真實世界的城市影像轉化為易讀的分析底圖。

步驟 1 — 登入並準備您的鳥瞰影像

首先，登入 ReRoom 並準備一張目標城市街區的高角度鳥瞰影像。

在上傳之前，請檢查建築邊界是否清晰、道路是否連續，以及主要街區結構是否可見。如果影像被大量樹木或陰影遮蔽，模型可能會將植被或陰暗區域誤判為建築量體。

最佳的輸入影像不一定是最美觀的，它應該要能清晰呈現屋頂、街道、中庭、開放空間以及街區邊界。

在現階段，我們還不需要模型生成美觀的圖表。我們首先要讓 AI 理解這項任務：將真實的鳥瞰圖轉換為建築平面輪廓（footprint，以實心表示）與開放空間之間的對比圖。

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

步驟 2 — 前往首頁並上傳影像

登入後，前往 ReRoom 首頁並上傳城市鳥瞰影像。

將該影像作為轉換的核心參考依據。鳥瞰影像應當引導模型理解建築量體、街道布局、開放空間以及街區比例。

我們的目標是保留城市的結構，而不是生成一張全新的抽象地圖。因此，我們通常在一開始會避免使用具創意的風格提示詞。

步驟 3 — 撰寫圖底關係提示詞

接下來，撰寫一段明確將輸出描述為圖底關係圖（Figure-ground Map）的提示詞。

最重要的部分是定義什麼該成為「實（solid）」，什麼該保留為「虛（void）」。我們通常將建築描述為黑色建築平面輪廓（black footprints），而將開放空間描述為白色區域。

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

圖 02. 使用 ReRoom 將城市鳥瞰圖轉換為簡潔的圖底關係圖

在我們的測試中，使用如 black building footprints（黑色建築平面輪廓）、white open spaces（白色開放空間）以及 preserve street layout（保留街道布局）等詞彙，遠比單純寫「make it minimal（極簡化）」更為有效。

如果提示詞只寫「minimal city map」，輸出結果可能看起來很乾淨，但卻無法保留街道比例或建築邊緣。對於都市分析而言，這種結構資訊的流失比視覺上的精緻度更值得重視。

步驟 4 — 編輯角落的暗部與亮部區域

生成第一個結果後，請檢查整張影像的圖底對比是否清晰。

有時結果可能仍包含因陰影、屋頂材質或茂密植被所導致的暗角。在其他情況下，過亮的角落可能會遺失建築邊界，變成過於空曠的區域。

針對暗部角落，可使用編輯提示詞要求模型簡化陰影並還原建築平面輪廓的邏輯。

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

針對過亮的區域，則使用提示詞要求模型找回遺失的邊界並強化對比。

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

圖 03. 編輯角落的暗部與亮部區域，以提升圖底關係的可讀性

這個步驟相當重要，因為空拍照極少能夠均勻曝光。如果我們不清理這些區域，最終的圖表看起來或許很極簡，但對分析而言依然不夠可靠。

步驟 5 — 消除雜訊並保留比例

圖底關係圖的繪製之所以困難，是因為真實的鳥瞰影像包含了太多資訊。屋頂紋理、樹冠、陰影、停車場和道路標線都會干擾實際的「建築—開放空間」關係。

為了減少雜訊，我們通常會加入限制條件，例如 remove shadows（去除陰影）、remove trees（去除樹木）、no roof texture（無屋頂紋理）以及 flat 2D diagram（平面 2D 圖表）。

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

圖 04. 去除視覺雜訊以建立極簡的都市分析底圖

關鍵在於「簡潔度」與「精準度」之間的權衡。如果影像過度簡化，街區就會失去重要細節；如果過於忠實於照片，圖表又會保留太多視覺雜訊。

在大多數情況下，相較於屋頂材質或景觀細節，我們會優先考慮建築邊緣、街道網絡、中庭與開放空間。

步驟 6 — 將地圖應用於作品集與基地分析

這套工作流程能將複雜的城市鳥瞰影像轉化為易讀的圖底關係圖。它非常適用於基地分析、作品集底圖、都市紋理比較、街區密度研究以及前期設計參考。

ReRoom 仍需要人工針對建築輪廓、道路連續性、開放空間邊界以及黑白關係進行檢視。如果該成果要用於正式的都市研究或法規分析，設計師仍應使用 GIS、CAD 或測繪數據進行驗證。

但對於前期提案而言，此工作流程能縮短將真實鳥瞰影像轉換為分析底圖所需的時間。

在此處，AI 並不是要取代都市分析，而是幫助我們將現有的城市影像轉譯為更容易閱讀、比較和討論的視覺語言。