Das ist eine schöne Aufarbeitung eures Projekts, an der sich gut der Verlauf eurer Projektarbeit erkennen lässt. Ich bin auch überzeugt, dass andere Studierenden in Mathesis das gut nachvollziehen könne und etwas davon haben.

Den Grundgedanken der Ermittlung von Kanten durch Differenzbildung habt ihr gut erklärt (im entsprechenden Protokoll). An der Stelle würde ich mir aber etwas mehr Erklärung dazu wünschen, wie aus der Differenz-Idee die Idee eines „Bild-Filters“ wird. Dafür wäre dann vielleicht der richtige Ort auf der Hauptseite der Projektdokumentation.

Für die Leser/innen wäre es außerdem praktisch, wenn ihr von den einzelnen Punkten der Projektdurchführung schon auf die Protokolle verweisen könntet, in denen Ihr das näher erklärt.

Grüße S.

Ein Mathesis-Laborprojekt zum Thema: Bildverarbeitung mit Python Turtle
von Isabel Schwermer, Melanie Segler und Cara Beume

Unser finaler Quellcode, der dieses Bild produziert hat: Protokoll vom 16.Februar 2017

Das von uns entwickelte Programm soll ein Bild einlesen, analysieren und verändert ausgeben können. Dabei soll die Ausgabe einen künstlerischen Aspekt bekommen.

• Picassos Kubismus
• Pop-Art
• Comic-Style
• Linol-Druck
• Zoom in - zoom out Muster (kleine Muster ergeben eine Gesamtkomposition)
• Verschiedene Muster (wie Albrecht Dürers Nashorn)

Diese Ideen in bunt und/oder schwarz-weiß

Schnell wurde uns klar, dass unsere Projektarbeit im Wesentlichen aus zwei großen Aufgabenteilen bestehen würde:

1. Kantenerkennung: Die Stellen ermitteln, an denen angrenzende Flächen einen hohen Helligkeitskontrast ausweisen
2. wie oben beschrieben, eine kreative Ausgabe erzeugen

Aus Zeitgründen konnten wir uns in diesem Semester leider nur hauptsächlich mit dem ersten Punkt beschäftigen. Die kreative Ausgabe bedarf noch weiterer Bearbeitung.

• Ideen sammeln, Projektarbeit planen
• Erste Schritte mit vorhandenen Beispielprogrammen, Recherche, wie man die Projektidee mit Inhalt füllen kann
• mit Hilfe von dem Sobel-Filter ein Kantenbild erstellen
• viele Überlegungen, wie man die wirklich sinnvollen Werte aus dem Kantenbild herausfiltert und wie man die Kanten an die Turtle übergeben kann, damit sie diese nachzeichnet
• neuer Ansatz: Niveaulinien benutzen, um Ergebnis zu verfeinern
• Kantenbild und Niveaulinienbild verrechnen
• Ergebnis von Turtle nachzeichnen lassen
• zu kurz gekommen: an der Ausgabe arbeiten

Rückblickend können wir sagen, dass das Projekt viel Spaß gemacht hat und wir im Allgemeinen zufrieden sind. Es hat uns die Möglichkeit geboten einen Einblick in das Programmieren und die Simulation zu erhalten, in dem wir uns eigenständig Projekte ausdenken und umsetzen konnten. Das eine unserer Ziele, ein funktionierendes Bildbearbeitungsprogramm zu entwickeln, konnten wir erfüllen. Leider ist das weitere Ziel, die kreative Ausgabe, dabei aus zeitlichen Gründen nicht erreicht worden. Rückblickend lassen sich für uns folgende Anmerkungen machen:

Wo gab es Probleme? Neben doch häufigeren technischen Problemen aufgrund verschiedener Computersysteme, ist es uns meist nur selten gelungen, eine klare Aufgabenverteilung zu etablieren, die im Nachhinein sinnvoller wohl gewesen wäre, um strukturierter arbeiten zu können. So haben wir des Öfteren zusammen gearbeitet, was an sich gut ist, jedoch nicht immer sinnvoll, wenn man durch parallele Arbeit Zeit sparen kann. Hier ist allerdings zu bedenken, dass unsere Gruppe zu 100% aus Anfängern bestand. Daher haben wir auch in der laufenden Projektarbeit noch viel lernen und Unterstützung beanspruchen müssen. Diese Tatsache hat es schwierig gemacht, sich aufzuteilen, weil dann jeder für sich diesen Lernfortschritt hätte erreichen müssen. Ferner hat sich auch gezeigt, dass sich eine 3-er Gruppe recht schlecht ausgewogen aufteilen lässt.

Was ist noch zu verbessern? Definitiv ist unser Kriterien-Algorithmus noch zu verbessern. Dieser hat aktuell 3 Kriterien. Zum eine die Kandidatenfunktion, die aus dem Kantenbild lediglich die hellsten Punkte ausliest, eine Funktion, die zu lange Kontouren rausschmeißt und die Check-Funktion, die unsere Niveaulinien mit dem Kantenbild abgleicht und die letztendlichen Koordinaten für die Turtle liefert. Allerdings sammeln diese Funktionen auch unwichtige Bildinformationen, die noch nicht ausgefiltert werden konnten.

Ebenso ist unsere Funktion für die kreative Ausgabe ausbaufähig. Wir haben es in erster Linie geschafft, eine Funktion in unseren Hauptcode einzuarbeiten. Die Funktion selbst war lediglich ein Versuch und ist nicht als ein Ergebnis zu sehen. Hier kann man sich noch frei austoben.

Was wir allen kommenden Mathesis-Teilnehmern nahelegen: Wählt die Namen von globalen und lokalen Variablen mit Bedacht und führt eventuell nebenbei ein Verzeichnis.

Alles in Allem hat uns dieses Projekt viel Spaß gemacht.
Danke an Stephan und Arik für eure tatkräftige Unterstützung und Geduld!

hier sind unsere Protokolle zu finden

Zusatz zur Dokumentation; Interessante Literatur