Benutzer-Werkzeuge
ws1617:bilder_zu_bildern:protokolle:170105
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen gezeigt.
| Beide Seiten der vorigen Revision Vorhergehende Überarbeitung Nächste Überarbeitung | Vorhergehende Überarbeitung | ||
|
ws1617:bilder_zu_bildern:protokolle:170105 [2017/01/05 17:07] isabelschwermer |
ws1617:bilder_zu_bildern:protokolle:170105 [2017/03/24 17:43] (aktuell) Chai_Tee.95-Cara |
||
|---|---|---|---|
| Zeile 1: | Zeile 1: | ||
| + | === Protokoll vom 5. Januar 2017 === | ||
| + | |||
| + | Der folgende Code stellt unser aktuelles Kantenerkennungsprogramm dar. Dieses ist in drei Schritte unterteilt. Als erstes wird ein Bild eingelesen, rauschvermindert und dann in x- und y-Achsenrichtung verschoben. Zum Schluss werden diese beiden Verschiebungsbilder dann miteinander verrechnet, sodass das dargestellte Ergebnis entsteht. | ||
| + | |||
| <code python> | <code python> | ||
| import numpy as np | import numpy as np | ||
| Zeile 4: | Zeile 8: | ||
| from scipy import misc, ndimage, signal | from scipy import misc, ndimage, signal | ||
| import cv2 | import cv2 | ||
| - | bild=misc.imread('kalimeris _incisa.jpg','f') | ||
| - | bild=ndimage.filters.gaussian_filter(bild,1) | ||
| - | # x | + | bild=misc.imread('hund_mittel_kl.jpg',mode='F',) |
| + | bild=ndimage.filters.gaussian_filter(bild,1) #Rauschverminderung | ||
| + | |||
| + | # x-Achsenverschiebung | ||
| b=ndimage.filters.sobel(bild, axis=-1) | b=ndimage.filters.sobel(bild, axis=-1) | ||
| cv2.namedWindow("Fenster 1") | cv2.namedWindow("Fenster 1") | ||
| cv2.imshow("Fenster 1",b) | cv2.imshow("Fenster 1",b) | ||
| - | # y | + | # y-Achsenverschiebung |
| b2=ndimage.filters.sobel(bild, axis=0) | b2=ndimage.filters.sobel(bild, axis=0) | ||
| cv2.namedWindow("Fenster 2") | cv2.namedWindow("Fenster 2") | ||
| Zeile 20: | Zeile 25: | ||
| cv2.destroyAllWindows() | cv2.destroyAllWindows() | ||
| - | a=np.sqrt(b[1:,:]**2+b2[:-1,:]**2) | + | a=np.sqrt(b[1:,:]**2+b2[:-1,:]**2) # Betrag der x/y-Verschiebung |
| plt.imshow(a,cmap=plt.get_cmap('gray')) | plt.imshow(a,cmap=plt.get_cmap('gray')) | ||
| plt.show() | plt.show() | ||
| Zeile 26: | Zeile 31: | ||
| </code> | </code> | ||
| - | {{hund_mittel_kl.jpg}} | + | Original: \\ |
| - | {{Untitled-1.jpg?300}} | + | {{hund_mittel_kl.jpg}} \\ |
| + | |||
| + | Nach Verschiebung in x- und y-Richtung \\ | ||
| + | {{Untitled-1.jpg}} | ||
| + | |||
| + | Endergebnis:\\ | ||
| + | {{hund_ferig.png}} | ||
| ---- | ---- | ||
| - | == Weitere Aufgaben: == | + | == Weiterführende Aufgaben: == |
| * das gleiche nochmal, das Bild aber im RGB-Modus belassen, also bei der Kantenerkennung die Farbinformationen mit einbeziehen | * das gleiche nochmal, das Bild aber im RGB-Modus belassen, also bei der Kantenerkennung die Farbinformationen mit einbeziehen | ||
| + | * Wie bringt man Turtle dazu, die Konturen nachzuzeichnen? zB, indem sie die Nachbarweißpunkte entlang geht?(Mittlung dieser Daten?) ✔ | ||
ws1617/bilder_zu_bildern/protokolle/170105.1483632452.txt.gz · Zuletzt geändert: 2017/01/05 17:07 von isabelschwermer
Seiten-Werkzeuge
