Dies ist ein kleines Projekt, bei dem Computer Vision verwendet wird, um verschiedene Elemente aus OpenStreetMap-Karten zu klassifizieren. Das ganze Projekt wurde in einem JupyterNotebook implementiert. Dabei kann der Benutzer den Ausschnitt der Karte durch die Suche nach einem Ort und dem Zoomfaktor eingrenzen. Die Lokalisierung wird mit Hilfe von GeoPy Geocodern durchgeführt und der Kartenausschnitt anschließend als Bild gespeichert. Der Klassifizierungsprozess beginnt damit, dass der Nutzer auswählen kann, ob er Wasser, Autobahnen, Bundesstraßen, Vegetation oder Siedlungen klassifizieren möchte. Anhand der getroffenen Auswahl werden die RGB-Werte für die Klassifizierung ermittelt. Mit der Funktion inRange() wird nun die Maske durch Anwendung des Thresholdings ermittelt. Schließlich müssen die passenden Konturen mit der findContours()-Funktion von OpenCV gefunden werden und mit drawContours() werden sie auf das Bild gezeichnet.

Link zum JupyterNotebook: https://github.com/Leonieen/Projects/blob/main/ClassificationOpenCV/ClassificationOpenCV.ipynb