Einführung in die Computergrafik und Bildverarbeitung

Wintersemester 2021/22

26. Oktober 2021 - Python in der Praxis, erste Bildbearbeitungsschritte

• Welche Python-IDE soll ich verwenden?
• apt, pip, conda, virtualeenv, docker - Environments und Paketmanager für Python
• Bilder laden und modifizieren

Voraussetzungen für Teilnahme am Termin:

• Python-Quiz in GRIPS erfolgreich beantwortet
• (optional) Laptop dabei, um einige der gezeigten Dinge mal selbst auszuprobieren

Rückblick Python-Quiz/Aufgaben

(live)

Python IDEs

• jeder beliebige Text-Editor
• vim (Anleitungen: 1, 2)
• Jetbrains PyCharm (umfangreiche IDE speziell für Python)
• VisualStudio Code (Tutorial)
• repl.it (kollaborative browser-basierte IDE)

PEP 8 - Style Guide für Python

• PEP: Python Enhancement Proposal - ein Vorschlag, wie die Sprache weiterentwickelt werden soll
• PEP 8 – Style Guide for Python Code](https://www.python.org/dev/peps/pep-0008/)
• pep8: Kommandozeilentool, das Code auf PEP-8-Konformität prüft
• Hier im Kurs: PEP-8-Regeln bitte einhalten (zwingend für Studienleistung), bis auf Regel zu max. Zeilenlänge
• Link-Tipp: Vortrag von Raymond Hettinger: Beyond PEP 8 -- Best practices for beautiful intelligible code

Paketmanagement in Python

Es gibt drei verbreitete Möglichkeiten, Python-Module zu installieren:

• Paketmanagement des Betriebssystems (z.B. apt unter Debian/Ubuntu Linux)
• pip - Pythons Paketmanager
• conda - Paketmanagement der Anaconda-Distribution

Um für jede Anwendung separate Module zu installieren: virtual environments

Paketmanagement durch Betriebssystem

• Primär bei Linux-Distributionen, z.B. Debian/Ubuntu
• apt install python3-matplotlib
• Vorteile: global verfügbar, sicher, vorkompilierte Binaries
• Nachteile: nicht immer aktuell, nicht alle Python-Pakete verfügbar, immer nur eine Paketversion installierbar

Paketmanagement mit pip

• Pakete werden aus dem Python Package Index (PyPI) installiert (PyPI enthält quasi alle Pakete)
• pip3 install matplotlib
• pip3 install -r requirements.txt: Textdatei mit Paketnamen und ggf. Versionen.
• Vorteile: global oder (default) lokal installierbar, immer aktuellste Version, quasi alle Pakete verfügbar.
• Nachteile: nicht zwingend robust/sicher, Kompilierungsschritt bei C-Erweiterungen notwendig

Paketmanagement mit conda

• Anaconda: Python-Distribution für Scientific Computing (multi-platform)
• Minimale Distribution: miniconda
• conda: package manager für Anaconda (Intro)
• pip und conda können parallel eingesetzt werden (1, 2)
• Alternative: Mamba
• Vorteile: sicher, robust, vorkompilierte Binaries, integrierte Unterstützung von virtual environments
• Nachteile: nicht immer aktuell, wenige Python-Pakete verfügbar, fügt Overhead (Ressourcen, Debugging) hinzu

Virtual Environments

• Grundidee: für jedes Projekt eine eigene Python-Installation
• Funktionsweise: Überschreiben der Pfade zu Binaries, Bibliotheken in der aktuellen Shell
• Virtualenv im Unterverzeichnis .env anlegen: python3 -m venv .env
• Virtualenv aktivieren: source .env/bin/activate (deaktivieren durch Beenden der Shell)
• Viele IDEs unterstützen venv (VS Code, PyCharm)
• Conda: conda create --name myenv / conda activate myenv

Python zur Bildbearbeitung

siehe Notebook

Ausblick 27. Oktober 2021 (online) - ohne RW

• Übungsaufgaben und Videos (ab morgen in GRIPS)
• Peer-Support bei Installationsproblemen

Ausblick 2. November 2021 (Präsenz)

• Besprechung bisheriger Aufgaben
• Überblick Lernlandkarte / Abhängigkeitsgraph
• Überblick Studienleistung 1: Bitmap-Grafik

Voraussetzungen für Teilnahme am Termin:

• Lauffähige lokale Python-Installation und IDE
• (optional) lokale JupyterLab-Installation
• Alle Notebooks in GRIPS bearbeitet
• Feedback vorbereitet: wo gibt es Probleme, welche Hilfestellung wäre gut?
• (optional) Laptop dabei, um einige der gezeigten Dinge mal selbst auszuprobieren