=== 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>
import numpy as np
import matplotlib.pyplot as plt
from scipy import misc, ndimage, signal
import cv2

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)
cv2.namedWindow("Fenster 1")
cv2.imshow("Fenster 1",b)

# y-Achsenverschiebung
b2=ndimage.filters.sobel(bild, axis=0)
cv2.namedWindow("Fenster 2")
cv2.imshow("Fenster 2",b2)

cv2.waitKey(0)
cv2.destroyAllWindows()

a=np.sqrt(b[1:,:]**2+b2[:-1,:]**2) # Betrag der x/y-Verschiebung
plt.imshow(a,cmap=plt.get_cmap('gray'))
plt.show()

</code>

Original: \\
{{hund_mittel_kl.jpg}} \\

Nach Verschiebung in x- und y-Richtung \\
{{Untitled-1.jpg}}

Endergebnis:\\
{{hund_ferig.png}}

----

== Weiterführende Aufgaben: ==
  * 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?) ✔