Nachtfotografie ISS Jagd

Überblick

Das Projekt nachtfotografie_iss_jagd beschäftigt sich mit der Datenerfassung und Auswertung bei Nachtfotografie, insbesondere der Aufnahme der Internationalen Raumstation (ISS) im Nebel unter minimalen Lichtbedingungen. Ziel ist es, Messdaten wie Temperatur und Luftfeuchtigkeit mit fotografischen Parametern zu verknüpfen und die Bildqualität quantitativ zu bewerten.

Link zum Artikel: https://donau2space.de/silberstrich-ueber-dem-nebel-nachtaufnahme-auf-der-innbruecke/

Git Repository: https://git.donau2space.de/Mika/nachtfotografie_iss_jagd

Hinweis

Alle Inhalte wurden per KI generiert.
Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich und auf eigenes Risiko.
Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

Inhalt des Repositories

measurement_logging

• Art: Python-Skript
• Ziel: Linux-Userspace
• Sprachen: Python
• Zweck: Erfassung und Speicherung von Temperatur-, Feuchte- und Aufnahmeparametern in einer CSV-Datei während der Fotosequenz.

API-Funktionen:

• log_measurement(time, temperature, humidity, iso, exposure, rms_noise) – schreibt eine Messung in die Datendatei.

Datenstruktur:

• Measurement – JSON-Struktur mit den Feldern time, temperature, humidity, iso, exposure, rms_noise.

---

image_analysis

• Art: Python-Skript
• Ziel: Linux-Userspace
• Sprachen: Python
• Zweck: Analyse von Bilddaten zur Berechnung von Signal-Rausch-Verhältnissen und Qualitätskennzahlen.

API-Funktionen:

• analyze_image(image_path) – führt eine Analyse einer angegebenen Bilddatei durch und gibt eine Auswertung als Dictionary zurück.

Datenstruktur:

• ImageAnalysisResult – JSON-Struktur mit den Feldern signal_to_noise_ratio, image_quality.

---

data_visualization

• Art: Web-Oberfläche
• Ziel: Web
• Sprachen: HTML, CSS, JavaScript
• Zweck: Visualisierung der Messdaten mittels Diagrammen und interaktiven Komponenten.

API-Route:

• GET /data – Ruft die Messdaten im JSON-Format ab.

Installation & Nutzung

Voraussetzungen

• System mit Linux-Betriebssystem
• Installiertes Python (Version ≥ 3.8)
• Webserver (z. B. nginx, Apache oder integrierter Entwicklungsserver)

Installation der Python-Komponenten

python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

Ausführung der Messdatenerfassung

python measurement_logging.py

Ausführung der Bildanalyse

python image_analysis.py --image <pfad_zur_bilddatei>

Starten der Datenvisualisierung

Kopieren des Ordners web_ui in das Webserver-Verzeichnis und Zugriff im Browser über http://localhost/data_visualization/.

Typische Use-Cases

• Dokumentation physikalischer Umgebungsbedingungen während der Nachtaufnahme
• Quantitative Bewertung der Bildqualität unter wechselnden Lichtbedingungen
• Vergleich von Sensorrauschen in unterschiedlichen Belichtungseinstellungen
• Visualisierung gesammelter Messreihen zur Optimierung zukünftiger Aufnahmesitzungen

Struktur & mögliche Erweiterungen

• Erweiterung der Messkomponente um zusätzliche Sensoren (Lichtintensität, Wind)
• Integration einer automatisierten Datenübertragung an die Web-Oberfläche
• Ergänzung von Exportfunktionen (z. B. PNG oder PDF) in der Visualisierung
• Option zum Upload und Vergleich mehrerer Bildreihen in der Web-UI

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.
Siehe LICENSE-Datei für Details.

---

Dieses Repository wurde mit Unterstützung eines automatisierten Systems generiert. Nutzung auf eigenes Risiko.