Der Code (mit noch zu implementierender Funktion finde_kanten) kurz aufgeschlüsselt.

Zunächst Importe und eine nützliche Definition:

import cv2
import numpy as np
import scipy.signal as sig
import scipy
from scipy import misc
 
from bildoperationen import *
 
##  Liste der Richtungen um einen Pixel im Uhrzeigersinn "Moore-neighbourhood"
##  Die wird man bei der Implementierung der Funktion finde_kontour() gebrauchen
##  können
 
nachbarn=[ np.array([-1,-1]) ,\
         np.array([-1,0]),\
         np.array([-1,1]),\
         np.array([0,1]),\
         np.array([1,1]),\
         np.array([1,0]),\
         np.array([1,-1]),\
         np.array([0,-1])]

Die Funktion parametrisiere_kanten(…) ist bereits implementiert:

def parametrisiere_kanten(bild,schwelle,mindestlaenge=100,anzahl_versuche=10,max_kontouren=100):
	'''Funktion sucht Kontouren/Kanten. Sie liefert zurück
	eine Liste von Kontouren der Laenge zahl_kontouren.
	Eine Kontour wiederum ist eine Liste von Punkten, als 
	Kantenzug zu interpretieren.
 
	Erst wird über den Schwellenwert ein Schwarzweissbild 
	berechnet, dann werden daraus Kontouren bestimmt.
 
	'''
 
	bildsw=schwarzweiss(bild, schwelle)
	cv2.imshow("sw",bildsw)
	cv2.waitKey(0)
 
	zeilen,spalten=bildsw.shape
 
	kontouren=[]
	liste_der_weissen_punkte=[ [i,j] for i in range(zeilen//8,7*zeilen//8)\
				for j in range(spalten//8, 7*spalten//8) if bildsw[i,j]>0.5]
 
	#menge_der_weissen_punkte=set(liste_der_weissen_punkte)
 
	for k in range(anzahl_versuche):
 
		### Es werden solange Anfangspunkte gesucht, bis zu diesen auch
		### eine moegliche Kantenrichtung gehoert. Isolierte Punkte haben
		### diese Eigenschaft nicht.
 
		print "Kontour Nr. ", k
 
		richtung=None
		while richtung==None:  			
			### Waehlt zufaellig einen weißen Punkt aus dieser Liste:
 
			anf=np.array(liste_der_weissen_punkte[np.random.randint(len(liste_der_weissen_punkte))])
 
			### Anfangsrichtung bestimmen
			##  Bestimme die Richtung mit dem hellsten Grauwert
 
			wertmax=0.	
			for i in range(len(nachbarn)):
				if bild[tuple(nachbarn[i]+anf)]>wertmax:
					richtung=i
					wertmax= bild[tuple(nachbarn[i]+anf)]
 
		##################################################
 
		# Achtung: Ein Bildpunkt bild[i,j] liegt in der i. Zeile und der j. Spalte.
		#          Die Zeichenbefehle von opencv benennen denselben Punkt (x,y), wobei
		#          x=j und y=i
 
		#cv2.circle(bild,(anf[1],anf[0]),4,(200,200,0))
		#cv2.imshow("Weißer Punkt", bild)
		#ch=cv2.waitKey(0)
 
 
		kont=finde_kontour(bildsw,anf, richtung)
		if len(kont)>=mindestlaenge:	
			kontouren.append(kont)
	kontouren=sorted(kontouren,key=lambda x:-len(x))
	if len(kontouren)>100:
		kontouren=kontouren[:100]		
	return kontouren
 

Die noch zu implementierende Funktion, die bisher (fast) nichts tut.

def finde_kontour(bildsw,anf,richtung):
	'''Findet eine einzelne Kontour zum Anfangspunkt anf und zur Anfangsrichtung
	richtung. Löscht die weißen Punkte, die zu der gefundenen Kontour gehören aus bildsw.'''  
 
	## Diese Funktion ist noch nicht implementiert
 
	kontour=[anf,anf+nachbarn[richtung]]
	#print "Gefunden: Kontour der Laenge: ",len(kontour)
	return kontour

Und die Testsektion:

def main():
	'''Testunit:  testet Algorithmus am Testbild 'Lena' '''
	global l, kontouren
	l=misc.lena()
	bild_kanten=gradient(glaetten(l/255.,5))
	kontouren=parametrisiere_kanten(bild_kanten, 60./255.,  mindestlaenge=50,anzahl_versuche=3000)
 
	bild_farbbild=cv2.cvtColor(np.uint8(l),cv2.cv.CV_GRAY2BGR)
	if len(kontouren)>0:
		for kontour in kontouren:
		 cv2.polylines(bild_farbbild,[np.array(kontour)[:,::-1]],False,(0,0,255))
	cv2.imshow("Beispiel: ",bild_farbbild)
	cv2.waitKey(0)
	return 0
 
if __name__ == '__main__':
	main()