100% found this document useful (7 votes)
30 views

Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python Himanshu Singh

Himanshu

Uploaded by

ekwalabehlok70
Copyright
© © All Rights Reserved
Available Formats
Download as PDF, TXT or read online on Scribd
100% found this document useful (7 votes)
30 views

Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python Himanshu Singh

Himanshu

Uploaded by

ekwalabehlok70
Copyright
© © All Rights Reserved
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 62

Download the full version of the textbook now at textbookfull.

com

Practical Machine Learning and Image


Processing: For Facial Recognition, Object
Detection, and Pattern Recognition Using
Python Himanshu Singh
https://textbookfull.com/product/practical-
machine-learning-and-image-processing-for-facial-
recognition-object-detection-and-pattern-
recognition-using-python-himanshu-singh/

Explore and download more textbook at https://textbookfull.com


Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Computer Vision Pattern Recognition Image Processing and


Graphics Renu Rameshan

https://textbookfull.com/product/computer-vision-pattern-recognition-
image-processing-and-graphics-renu-rameshan/

textbookfull.com

Image Processing Computer Vision and Pattern Recognition


Hamid R. Arabnia

https://textbookfull.com/product/image-processing-computer-vision-and-
pattern-recognition-hamid-r-arabnia/

textbookfull.com

Medical image recognition, segmentation and parsing :


machine learning and multiple object approaches 1st
Edition Zhou
https://textbookfull.com/product/medical-image-recognition-
segmentation-and-parsing-machine-learning-and-multiple-object-
approaches-1st-edition-zhou/
textbookfull.com

Current Achievements Challenges and Digital Chances of


Knowledge Based Economy Svetlana Igorevna Ashmarina

https://textbookfull.com/product/current-achievements-challenges-and-
digital-chances-of-knowledge-based-economy-svetlana-igorevna-
ashmarina/
textbookfull.com
Blacksound: Making Race and Popular Music in the United
States 1st Edition Morrison

https://textbookfull.com/product/blacksound-making-race-and-popular-
music-in-the-united-states-1st-edition-morrison/

textbookfull.com

Computer Vision and Graphics International Conference


ICCVG 2020 Warsaw Poland September 14 16 2020 Proceedings
Leszek J. Chmielewski
https://textbookfull.com/product/computer-vision-and-graphics-
international-conference-iccvg-2020-warsaw-poland-
september-14-16-2020-proceedings-leszek-j-chmielewski/
textbookfull.com

Murder at the Manchester Museum Museum Mystery Series 4


Jim Eldridge Et El

https://textbookfull.com/product/murder-at-the-manchester-museum-
museum-mystery-series-4-jim-eldridge-et-el/

textbookfull.com

Nobody does it better the complete uncensored unauthorized


oral history of the James Bond First Edition Edward Gross

https://textbookfull.com/product/nobody-does-it-better-the-complete-
uncensored-unauthorized-oral-history-of-the-james-bond-first-edition-
edward-gross/
textbookfull.com

Practical Amazon EC2, SQS, Kinesis, and S3: A Hands-On


Approach to AWS 1st Edition Sunil Gulabani (Auth.)

https://textbookfull.com/product/practical-amazon-ec2-sqs-kinesis-
and-s3-a-hands-on-approach-to-aws-1st-edition-sunil-gulabani-auth/

textbookfull.com
Psychoanalytic Practice Today 1st Edition Antonino Ferro
(Editor)

https://textbookfull.com/product/psychoanalytic-practice-today-1st-
edition-antonino-ferro-editor/

textbookfull.com
Practical Machine
Learning and
Image Processing
For Facial Recognition, Object Detection,
and Pattern Recognition Using Python

Himanshu Singh
Practical Machine
Learning and Image
Processing
For Facial Recognition, Object
Detection, and Pattern
Recognition Using Python

Himanshu Singh
Practical Machine Learning and Image Processing
Himanshu Singh
Allahabad, Uttar Pradesh, India

ISBN-13 (pbk): 978-1-4842-4148-6 ISBN-13 (electronic): 978-1-4842-4149-3


https://doi.org/10.1007/978-1-4842-4149-3
Library of Congress Control Number: 2019933848

Copyright © 2019 by Himanshu Singh


This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or
part of the material is concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way,
and transmission or information storage and retrieval, electronic adaptation, computer software,
or by similar or dissimilar methodology now known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark
symbol with every occurrence of a trademarked name, logo, or image we use the names, logos,
and images only in an editorial fashion and to the benefit of the trademark owner, with no
intention of infringement of the trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expression of opinion as to whether or not
they are subject to proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of
publication, neither the authors nor the editors nor the publisher can accept any legal
responsibility for any errors or omissions that may be made. The publisher makes no warranty,
express or implied, with respect to the material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Celestin Suresh John
Development Editor: Matthew Moodie
Coordinating Editor: Aditee Mirashi
Cover designed by eStudioCalamar
Cover image designed by Freepik (www.freepik.com)
Distributed to the book trade worldwide by Springer Science+Business Media New York,
233 Spring Street, 6th Floor, New York, NY 10013. Phone 1-800-SPRINGER, fax (201) 348-4505,
e-mail [email protected], or visit www.springeronline.com. Apress Media, LLC is a
California LLC and the sole member (owner) is Springer Science + Business Media Finance Inc
(SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation.
For information on translations, please e-mail [email protected], or visit http://www.apress.
com/rights-permissions.
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook
versions and licenses are also available for most titles. For more information, reference our Print
and eBook Bulk Sales web page at http://www.apress.com/bulk-sales.
Any source code or other supplementary material referenced by the author in this book is available
to readers on GitHub via the book’s product page, located at www.apress.com/978-1-4842-4148-6.
For more detailed information, please visit http://www.apress.com/source-code.
Printed on acid-free paper
Table of Contents
About the Author���������������������������������������������������������������������������������ix
About the Technical Reviewer�������������������������������������������������������������xi
Acknowledgments�����������������������������������������������������������������������������xiii
Introduction����������������������������������������������������������������������������������������xv

Chapter 1: Setup Environment��������������������������������������������������������������1


Install Anaconda����������������������������������������������������������������������������������������������������1
Windows����������������������������������������������������������������������������������������������������������2
macOS�������������������������������������������������������������������������������������������������������������4
Ubuntu�������������������������������������������������������������������������������������������������������������4
Install OpenCV�������������������������������������������������������������������������������������������������������4
Install Keras����������������������������������������������������������������������������������������������������������5
Test the Installations���������������������������������������������������������������������������������������������5
Virtual Environments���������������������������������������������������������������������������������������������6

Chapter 2: Introduction to Image Processing���������������������������������������7


Images������������������������������������������������������������������������������������������������������������������8
Pixels��������������������������������������������������������������������������������������������������������������������8
Image Resolution��������������������������������������������������������������������������������������������������9
PPI and DPI����������������������������������������������������������������������������������������������������������10
Bitmap Images����������������������������������������������������������������������������������������������������10
Lossless Compression����������������������������������������������������������������������������������������11
Lossy Compression���������������������������������������������������������������������������������������������12

iii
Table of Contents

Image File Formats���������������������������������������������������������������������������������������������12


Color Spaces�������������������������������������������������������������������������������������������������������13
RGB����������������������������������������������������������������������������������������������������������������14
XYZ����������������������������������������������������������������������������������������������������������������15
HSV/HSL��������������������������������������������������������������������������������������������������������17
LAB����������������������������������������������������������������������������������������������������������������18
LCH����������������������������������������������������������������������������������������������������������������18
YPbPr�������������������������������������������������������������������������������������������������������������19
YUV����������������������������������������������������������������������������������������������������������������20
YIQ�����������������������������������������������������������������������������������������������������������������21
Advanced Image Concepts����������������������������������������������������������������������������������21
Bezier Curve��������������������������������������������������������������������������������������������������22
Ellipsoid���������������������������������������������������������������������������������������������������������23
Gamma Correction�����������������������������������������������������������������������������������������24
Structural Similarity Index�����������������������������������������������������������������������������25
Deconvolution������������������������������������������������������������������������������������������������25
Homography��������������������������������������������������������������������������������������������������26
Convolution����������������������������������������������������������������������������������������������������27

Chapter 3: Basics of Python and Scikit Image�����������������������������������29


Basics of Python�������������������������������������������������������������������������������������������������30
Variables and Data Types�������������������������������������������������������������������������������30
Data Structures���������������������������������������������������������������������������������������������33
Control Flow Statements�������������������������������������������������������������������������������34
Conditional Statements���������������������������������������������������������������������������������37
Functions�������������������������������������������������������������������������������������������������������38
Scikit Image��������������������������������������������������������������������������������������������������������40
Uploading and Viewing an Image������������������������������������������������������������������41
Getting Image Resolution������������������������������������������������������������������������������42

iv
Table of Contents

Looking at Pixel Values����������������������������������������������������������������������������������43


Converting Color Space���������������������������������������������������������������������������������43
Saving an Image��������������������������������������������������������������������������������������������53
Creating Basic Drawings�������������������������������������������������������������������������������53
Doing Gamma Correction������������������������������������������������������������������������������57
Rotating, Shifting, and Scaling Images���������������������������������������������������������������59
Determining Structural Similarity�����������������������������������������������������������������������60

Chapter 4: Advanced Image Processing Using OpenCV����������������������63


Blending Two Images������������������������������������������������������������������������������������������64
Changing Contrast and Brightness���������������������������������������������������������������������66
Adding Text to Images�����������������������������������������������������������������������������������������68
Smoothing Images����������������������������������������������������������������������������������������������71
Median Filter�������������������������������������������������������������������������������������������������71
Gaussian Filter�����������������������������������������������������������������������������������������������71
Bilateral Filter������������������������������������������������������������������������������������������������72
Changing the Shape of Images���������������������������������������������������������������������������75
Effecting Image Thresholding�����������������������������������������������������������������������������80
Calculating Gradients������������������������������������������������������������������������������������������84
Performing Histogram Equalization��������������������������������������������������������������������87

Chapter 5: Image Processing Using Machine Learning����������������������89


Feature Mapping Using the SIFT Algorithm���������������������������������������������������������90
Step 1: Space Construction���������������������������������������������������������������������������91
Step 2: Difference between the Gaussians����������������������������������������������������91
Step 3: Important Points��������������������������������������������������������������������������������92
Step 4: Unimportant Key Points���������������������������������������������������������������������92
Step 5: Orientation of Key Points�������������������������������������������������������������������92
Step 6: Key Features�������������������������������������������������������������������������������������93

v
Table of Contents

Image Registration Using the RANSAC Algorithm�����������������������������������������������98


estimate_affine�������������������������������������������������������������������������������������������105
residual_lengths������������������������������������������������������������������������������������������105
Processing the Images��������������������������������������������������������������������������������106
The Complete Code�������������������������������������������������������������������������������������106
Image Classification Using Artificial Neural Networks��������������������������������������110
Image Classification Using CNNs����������������������������������������������������������������������118
Image Classification Using Machine Learning Approaches������������������������������125
Decision Trees���������������������������������������������������������������������������������������������126
Support Vector Machines����������������������������������������������������������������������������127
Logistic Regression�������������������������������������������������������������������������������������127
Code������������������������������������������������������������������������������������������������������������127
Important Terms������������������������������������������������������������������������������������������������130

Chapter 6: Real-time Use Cases�������������������������������������������������������133


Finding Palm Lines��������������������������������������������������������������������������������������������133
Detecting Faces������������������������������������������������������������������������������������������������135
Recognizing Faces��������������������������������������������������������������������������������������������138
Tracking Movements�����������������������������������������������������������������������������������������141
Detecting Lanes������������������������������������������������������������������������������������������������143

Appendix: Important Concepts and Terminology������������������������������151


Adaboost�����������������������������������������������������������������������������������������������������������151
XGBoost�������������������������������������������������������������������������������������������������������������152
Pulse-coupled Neural Networks�����������������������������������������������������������������������153
Gradient Descent����������������������������������������������������������������������������������������������154
Stochastic Gradient Descent�����������������������������������������������������������������������������155
AdaDelta������������������������������������������������������������������������������������������������������������156
Canny Edge Detector�����������������������������������������������������������������������������������������156

vi
Table of Contents

Sobel Transformation����������������������������������������������������������������������������������������157
Haar Cascade����������������������������������������������������������������������������������������������������158
LBPH Face Recognition�������������������������������������������������������������������������������������158
Image Moments������������������������������������������������������������������������������������������������158
Image Contours�������������������������������������������������������������������������������������������������159
Chessboard Corners Function���������������������������������������������������������������������������160
Calibrate Camera Function��������������������������������������������������������������������������������161
Perspective Transformation Function���������������������������������������������������������������162

Index�������������������������������������������������������������������������������������������������165

vii
About the Author
Himanshu Singh has more than 6+ years of
experience as a data science professional.
Currently, he is a senior data scientist at
V-Soft Labs. He provides corporate training
on data science, machine learning, and deep
learning. He is also a visiting faculty member
in analytics at the Narsee Monjee Institute of
Management Studies, considered one of the
premium management institutes in India. He is founder of Black Feathers
Analytics and Rise of Literati Clubs.

ix
About the Technical Reviewer
Santanu Pattanayak currently works at GE,
Digital, as a staff data scientist and is author
of Pro Deep Learning with TensorFlow: A
Mathematical Approach to Advanced Artificial
Intelligence in Python. He has approximately
12 years of overall work experience, with eight
of years of experience in the data analytics/
data science field, and also has a background
in development and database technologies.
Before joining GE, Santanu worked in
companies such as RBS, Capgemini, and
IBM. He graduated with a degree in electrical
engineering from Jadavpur University, Kolkata,
and is an avid math enthusiast. Santanu is currently pursuing a master’s
degree in data science from the Indian Institute of Technology, Hyderabad.
He also devotes his time to data science hackathons and Kaggle
competitions in which he ranks within the top 500 worldwide. Santanu
was born and brought up in West Bengal, India, and currently resides in
Bangalore, India, with his wife.

xi
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
Acknowledgments
First of all, I thank the Apress Team, Celestian John and Aditee Mirashi, for
giving me a platform to contribute my image processing knowledge and
share it with readers. Second, I thank my colleagues, without whom this
book would not have been possible: Aravind Kota, Yamuna, and my boss
and mentor, Yunis Ahmad Lone. I also thank my students. They helped
me see which issues are challenging for them, and enabled me to devise
a specific means of explaining the concepts to them in a manner that
facilitates their learning.
Last, but not the least, I thank my wife, Shikha Singh. Her constant
support and help has allowed this project to come to fruition. She assisted
me in all aspects of writing this book, sometimes proofreading and writing
technical details herself.
Many thanks to everyone for your constant support.

xiii
Introduction
Practical Machine Learning and Image Processing gives readers deep
insight into the basics of image processing and various image processing
methodologies and algorithms, applications using various Python
libraries, and real-time use case implementation using machine learning
approaches.
The book begins with a discussion of the setup environment for
different operating systems, presents basic image processing terminology,
and explores useful Python concepts for algorithm application. It
then delves into various image processing algorithms and practical
implementation of them in Python using two libraries: Scikit Image and
OpenCV. Next, advanced machine learning and deep learning methods
are presented for image processing and classification. Concepts such as
Adaboost, XG Boost, convolutional neural networks, and more, for image-
specific applications are explained. Later, the process for making models in
real time and then deploying them is described.
All the concepts in the book are explained using real-life scenarios.
By the end of the book, readers should be able to apply image processing
techniques and make machine learning models for customized
applications.

xv
CHAPTER 1

Setup Environment
In this chapter we prepare our system to run the code included in this
book. Let’s look at how to install the following:

• Anaconda

• OpenCV

• Keras

Aside from the last two packages in the list, most of what we need
comes preinstalled with Anaconda. Let’s start with Anaconda, then follow
with OpenCV and Keras.

I nstall Anaconda
The Anaconda installation page proclaims it is “The Most Popular Python
Data Science Platform.” Using Anaconda, installing supporting software,
setting up virtual environments, and so on, are all quite easy, and the
package comes with one of the best integrated development environments
(IDEs) for Python data science: Jupyter Notebook. Jupyter not only helps
you write Python code, but also it makes your code look beautiful and
presentable. So, let’s get started with the Anaconda installation.

© Himanshu Singh 2019 1


H. Singh, Practical Machine Learning and Image Processing,
https://doi.org/10.1007/978-1-4842-4149-3_1
Chapter 1 Setup Environment

W
 indows
If you are using Windows, here’s the process:

1. Go to www.anaconda.com.

2. On the top right side of the screen , is the button


Downloads. Click it.

3. Scroll down and you will see two versions of


Anaconda: Python version 3.7 and Python version
2.7. In the Python 3.7 version box, select 64-Bit
Graphical Installer (select the 32-bit option, if your
system is a 32-bit system).

4. Wait for the download to finish, then double-click


the installation file.

5. Finish the installation and restart your system.

6. Now, open the Start menu, search for the Anaconda


prompt, and select it. A shell named Anaconda
Prompt appears. Type Jupyter Notebook inside the
shell and you will see a screen like the one displayed
in Figure 1-1.

2
Chapter 1 Setup Environment

Figure 1-1. Opening screen

7. In the top right corner of the Files tab, you’ll see


the drop-down New. Click the downward-pointing
arrow and Select Python 3. Now you’re ready to
code (Figure 1-2)!

Figure 1-2. A new Python script

3
Chapter 1 Setup Environment

m
 acOS
If you are using macOS, here is the Anaconda installation process:

1. Download Anaconda for macOS as you would for


Windows.

2. Double-click the .pkg file and follow the installation


procedures.

3. Open your terminal and type Jupyter Notebook.


You will see the same screen shown in Figure 1-1.

U
 buntu
The process for downloading Anaconda in Ubuntu is as follows:

1. Download Anaconda for Linux as you did for


Windows.

2. Go to the installation folder and type bash


Anaconda-latest-­Linux-x86_64.sh.

3. Follow the installation procedures, open your


terminal, and type Jupyter Notebook. You will see
the same screen shown in Figure 1-1.

I nstall OpenCV
Now that we have installed Anaconda and Jupyter Notebook. The next
thing to do is to install its supporting software. For OpenCV, do the
following:

1. Open the Anaconda Prompt.

2. Type conda install -c conda-forge opencv.

4
Chapter 1 Setup Environment

3. You could also type conda install -c conda-


forge/label/broken opencv.

4. After a few minutes, OpenCV will be installed in


your environment.

Install Keras
To install Keras, follow these procedures:

1. Open the Anaconda Prompt.

Type conda install -c conda-forge keras.

2. After a few minutes, Keras will be installed in your


environment.

Test the Installations


Before going further, you need to test the installations as follows:

1. Open Jupyter Notebook.

2. Open a new Python 3 notebook.

3. Type import cv2. If you do not receive an error,


then OpenCV has been installed perfectly. If an
error comes, either you did something wrong during
the installation, or there may be a compatibility
issue. For rectification, either restart the process of
installation, or refer to OpenCV documentation page.

5
Chapter 1 Setup Environment

4. Type import keras. If you do not receive an error,


then Keras has been installed perfectly. If an error
comes, either you did something wrong during
the installation, or there may be a compatibility
issue. For rectification, either restart the process of
installation, or refer to Keras documentation page.

Virtual Environments
Now that we have installed the software we need, let’s take a look at virtual
environments. Virtual environments are very important when you want
to develop multiple projects. What should we do if we are developing
a product using Python 3, but we want to create another project using
Python 2.7? If we do it directly, we may encounter problems because
different versions of Python are installed. Or, we could create a virtual
environment, install Python 2.7, and develop the product inside that
environment. Regardless of what you develop inside a virtual environment,
it never influences any code outside the environment. Let’s see how we
can create a virtual environment:
1. Type conda create -n environment_name
python=version anaconda. In place of
environment_name, type any name you wish to give
to your environment. In place of version, type any
version of Python that you wish to use (for example,
2.7, 3.5, 3.6, and so on).
2. Now that we have created the environment, we have
to activate it. We do this by typing source activate
environment_name.
3. We can now open Jupyter Notebook and start
working in this environment.
4. To deactivate the environment, type source deactivate.

6
CHAPTER 2

Introduction to Image
Processing
In this chapter we examine exactly what an image is, and its related
properties. By the end of the chapter, you should have an understanding of
the following concepts:

• Images

• Pixels

• Image resolution

• Pixels per inch (PPI) and dots per inch (DPI)

• Bitmap images
• Lossless compression and lossy compression

• Different image file formats

• Different types of color spaces

• Advanced image concepts

© Himanshu Singh 2019 7


H. Singh, Practical Machine Learning and Image Processing,
https://doi.org/10.1007/978-1-4842-4149-3_2
Chapter 2 Introduction to Image Processing

I mages
Visual representation of a real-life object (a person or any other object)
in a two-dimensional form is called an image. An image is nothing but a
collection of pixels in different color spaces. Figure 2-1 is an example of a
normal image.

Figure 2-1. Normal Image

P
 ixels
You might think of a complete image as a set that consists of small
samples. These samples are called pixels. They are the smallest elements in
any digital image. Have you ever zoomed in on an image to such an extent
that you see small squares? Those are pixels. So, pixels are subsamples of
an image that, when get combined, give us the complete image. Figure 2-2
shows how pixels, with various colors, may look.

8
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
Chapter 2 Introduction to Image Processing

Figure 2-2. Pixels of various colors (Source: www.freeimages.co.uk)

I mage Resolution
Image resolution is the number of pixels present in an image. The greater
the number of pixels, the better quality. Image resolutions are described,
for example, as 320 × 240, 640 × 480, 800 × 600, 1024 × 768, and so on.
This means, for example, that there are 1024 pixel columns and 768 pixel
rows. The total number of pixels is obtained by multiplying both numbers,
which gives us 786,432 pixels. Figure 2-3 shows comparative depictions of
different image resolutions.

1920x1080

1280x720

640x480

Figure 2-3. Comparative image resolution (Source: www.


freeimages.co.uk)

9
Chapter 2 Introduction to Image Processing

P
 PI and DPI
As noted at the beginning of the chapter, PPI means “pixels per inch”
whereas DPI means “dots per inch.” They are the units for measuring
image resolution.
If we consider an inch of an image, the number of square pixels we are
able to see inside it is represented by PPI. DPI, on the other hand, is related
to printing. When we print an image and look at an inch of the print, the
number of dots of ink used is represented by DPI.
As shown in Figure 2-4, PPI looks more smooth whereas DPI is crispier.

Figure 2-4. PPI and DPI representations

B
 itmap Images
In general, when we look at pixel values, they are a range of integers. But,
when we convert the range of integers into bytes, we then have a bitmap
image.
One kind of bitmap is a binary image in which each pixel has one of
two numbers: either a zero or a one. They represent black or white and are
often used for storing images efficiently. Figure 2-5 shows a binary bitmap
image.

10
Chapter 2 Introduction to Image Processing

Figure 2-5. Binary bitmap Representation of Figure 2-1

Lossless Compression
When we want to reduce the size of a file (which can be an image), but
we don’t want to compromise quality, this kind of compression is called
a lossless compression. The compressed file can be saved, but when we
require it, during the decompression process, all the information is restored
and we get the actual image (Figure 2-6). This first type of compression
gives priority to the information contained in the file—especially when
compressing text, where we cannot afford to lose even a single piece of
information.

Original Compressed Restored

Figure 2-6. Lossless compression process

11
Chapter 2 Introduction to Image Processing

L ossy Compression
With lossy compression, on the other hand, some of the data may be lost.
Lossy compression prioritizes saving space, rather than the accuracy of
the retrieved file. Some files, such as those that contain music or images,
can be trimmed and still be unaffected by the compression. There may be
some loss, but it isn’t worrisome (Figure 2-7).

Partially
Original Compressed
Restored

Figure 2-7. Lossy compression process

Image File Formats


The following are some of the most widely used image formats, which are
explained in Table 2-1:

• JPEG: Joint Photographic Experts Group

• JPEG2000: New JPEG format developed in 2000

• TIFF: Tagged Image File Format

• GIF: Graphics Interchange Format

• BMP: Bitmap

• PNG: Portable Network Graphics

• WebP: Format developed by Google

• SVG: Scalable Vector Graphics

12
Chapter 2 Introduction to Image Processing

Table 2-1. Descriptions and Uses of Different Image Types


Image Format Description Use

JPEG Lossy compression of raw images Photographs and


paintings
JPEG2000 Optimized form of JPEG; better compression Surveillance
ratio; both lossless and lossy compression
TIFF Lossless compression; can be stored and Document storage
retrieved without losing information
GIF Bitmap image format; supports animation; Gaming and
lossless compression animation
BMP Independent of display device; lacks of In Windows
compression
PNG Lossless data compression; supports Image transfer
different color spaces over the Internet
WebP Lossless and lossy compression; small size, Stickers in
but comparable image quality with JPEG messaging apps
SVG For interactivity and animation; behaviors Web site
and images defined in XML format; they can development
be searched, indexed, and compressed

Color Spaces
The organization of the colors of in an image in a specific format is called
color space. The way in which a color is represented is called a color model.
Each and every image uses one of the following color spaces for effective
picture representation:

• RGB: red, green, blue

• XYZ: color in the x, y, and z dimensions

13
Random documents with unrelated
content Scribd suggests to you:
The Project Gutenberg eBook of
Kapinapäällikön pojat: Seikkailuja Etelä-
Afrikan rajaseuduilla
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Kapinapäällikön pojat: Seikkailuja Etelä-Afrikan rajaseuduilla

Author: Mayne Reid

Translator: Esteri Lokka

Release date: January 23, 2022 [eBook #67230]

Language: Finnish

Original publication: Finland: Arvi A. Karisto

Credits: Timo Ervasti and Tapio Riikonen

*** START OF THE PROJECT GUTENBERG EBOOK


KAPINAPÄÄLLIKÖN POJAT: SEIKKAILUJA ETELÄ-AFRIKAN
RAJASEUDUILLA ***
KAPINAPÄÄLLIKÖN POJAT

Seikkailuja Etelä-Afrikan rajaseuduilla

Kirj.

KAPTEENI MAYNE REID

Englanninkielestä suomentanut ["The Bush-Boys"]

Esteri Lokka

Hämeenlinnassa, Arvi A. Karisto Osakeyhtiö, 1920.


SISÄLLYS:

1. Buurit. 2. Kraali. 3. "Springhaan". 4. Pakinaa heinäsirkoista. 5.


Heinäsirkkojen lento. 6. Valjaisiin ja liikkeelle. 7. Vettä! Vettä! 8.
Lauman kohtalo. 9. Makaava leijona. 10. Leijona satimessa. 11.
Leijonan kuolema. 12. Pakinaa leijonasta. 13. Matkamiehet yöpyvät.
14. "Trek-boken". 15. Lähdettä etsimässä. 16. Kauhea "tsetse". 17.
Pitkäsarvinen sarvikuono. 18. Ankara ottelu. 19. Elefantin kuolema.
20. Erämiehiksi lyöttäytyneinä. 21. Elefantin "kuivaaminen". 22. Ilkeä
hyeena. 23. Urebia metsästämässä. 24. Pikku Janin seikkailu. 25.
Luku hyeenoista. 26. Puunlatvassa oleva talo. 27. Villien
riikinkukkojen tappelu. 28. Jäljillä. 29. Irtolaisnorsu. 30. Puuttuva
metsämies ja "villihärät". 31. Afrikalainen muurahaissyöjä. 32. Gnuu
ahdistaa Hansia. 33. Härän piirittämänä. 34. Avuton elukka. 35.
Elefantin makuuhuone. 36. Elefantin vuodetta valmistamassa. 37.
Afrikan villit aasit. 38. Kvaggojen kiinniottamista suunnitellaan. 39.
Salahauta. 40. Hirviantilooppia ajamassa. 41. Hurja ratsastus
kvaggan selässä. 42. Pyssyloukku. 43. Kutojalinnut. 44.
"Sähisijäkäärme". 45. Käärmeensyöjä. 46. Totty ja paviaanit. 47.
Villikoirat ja kaama-antilooppi. 48. Loppusanat.
Esipuhe.

Seikkailukirjat ovat poikien lukemistossa välttämättömiä


mielikuvituksen ja reippaudenhalun elvyttäjiä, ja hyvistä
seikkailukirjoista on saatavissa paljon tarpeellista opetusta niillekin,
joita mikään sattumakaan ei toimita kokemaan vaaroja ja vastuksia
tavallisen sivistyselämän ulkopuolella.

Mutta näitä hyviä seikkailukirjoja ei ilmesty kovinkaan runsaasti.


Parhaimpien tätä lajia täytyy olla laajakatseisten, etevälahjaisten
kelpo kansalaisten kirjoittamia, jotka itse ovat saaneet suuren
määrän kokemuksia käsittelemältänsä alalta. Heidän jäljittelyänsä
johtuvat etsimään uutta vain juuri seikkailujen keksimisessä,
rakentamaan tekeleensä pelkän jännityksen varaan, joka piankin
herpoo eikä jätä lukijalle mitään pysyväistä; se "jännitys" johdutaan
sitäpaitsi helpoimmin hankkimaan taistelukohtauksista ja muista
tihutöistä, jollaiset liiallisuudellaan pilaavat nuorison herkkää
sielunelämää.

Oikeita suositeltavia seikkailukirjoja hakiessaan joutuu


ensimäiseksi kääntämään huomionsa tämän kirjallisuudenhaaran
varsinaisiin esikuviin, sellaisiin kuin Uuden maailman moninaisissa
koettelemuksissa karaistuneihin Mayne Reidiin ja Gustave Aimardiin,
joiden jälkiä lukuisat uudemman ajan pätevätkin nuorisonkirjailijat
ovat astuneet tuotteittensa sommittelussa, sillaikaa kun
tusinakynäilijäin liuta on heikoilla mukailuillaan aiheuttanut tällaiselle
luettavalle paljon ansaittua ennakkoluuloisuutta vanhemman väen
silmissä.

Sarjassamme esitelläänkin nyt myös kapteeni Reidin kirjallisesta


tuotannosta ensimäiset lyhentämättömät käännökset suomalaiselle
yleisölle. Hän todella täyttää ensiluokkaisesti päävaatimuksen, joka
on asetettava ulkoelämää ja villiä luontoa käsittelevälle kertojalle.
Hän oli ollut intomielinen eränkävijä tutkimusretkeilijä ja taisteleva
sivistyksen uranaukaisija ennen kuin ryhtyi käyttämään tietojansa ja
muistelmiaan nuorison viehättelyyn, ja tässä kirjallisessa
työskentelyssään hän myös osoittaa huomattavia kerronnan lahjoja,
samalla kun hän kykenee todellisesti avartamaan lukijainsa
käsityspiiriä.

Mayne Reid oli syntynyt v. 1818, skotlantilaisesta pappissuvusta,


joka oli asettunut Irlantiin; äidin puolelta hän ilmoittaa olleensa sen
"tuliluontoisen ja pikamielisen Rutherfordin" sukua, joka esiintyy
Walter Scottin "Marmionissa". Hänen sanotaankin suuressa määrin
perineen tämän tulisen luonnonlaadun. Yhdenkolmatta vuotiaana
hän muutti kotimaastansa New Orleansiin ja vietti sitten useat
vuodet mitä kirjavimmissa vaiheissa, m.m. juuri niillä
metsästysretkillä, joita hän "Mississippin metsästäjäpojissa" kuvailee.
V. 1846 hän meni Meksikon sotaan ja kunnostautui uljuudellaan
Santa Cruzin, Cerro Gordon ja Contrerasin taisteluissa, ja
Chapultepecin valloituksessa syyskuulla v. 1847 hänen ilmoitettiin
saaneen surmansa. Eräässä Ohion valtiossa pidetyssä juhlassa
lausuttiin muistorunokin tälle kaatuneelle sankarille, joka kuitenkin
pian jälkeenpäin ilmestyi elävänä esiin.

Ensimäisen romaaninsa hän julkaisi Yhdysvalloissa v. 1850, ja


nopeasti hän pääsi melkein yhtä suureen suosioon
nuorisonkirjailijana kuin Jules Verne. Uutterana kynämiehenä hän
vietti lopun ikäänsä Englannissa ja kuoli lokak. 22 p:nä 1883.

Osa Reidin romaaneista käsittelee valkoihoisten taisteluita


intiaanien kanssa ja Meksikon julmia oloja; nykyinen
nuorisonkasvatus on löytänyt soveliaampia seikkailukirjoja
rauhallisemman retkeilyn aloilta. Mutta jälkimäisenkin vaatimuksen
täyttää miehuullisen kapteenin toinen romaanisikermä, johon
sarjamme ensimäiset suomennokset on hänen pääteoksinaan
luettava.

Näissä seikkailukertomuksissaan Reid erityisesti osoittaa


luonnontieteellisiä harrastuksiansa, ja hän pani valmistamiseen mitä
suurinta huolta. Hän on itse huomauttanut, että koko toiminta-alue
on esitetty tarkoin omakohtaisten tutkimusten mukaan; ainoatakaan
eläintä tai kasvia ei ole siirretty vieraaseen maantieteelliseen
yhteyteen, ja tapaukset ovat koettua ja kuultua.

Tällaiset kirjat ovat erikoisesti meidän päiviemme nuorison


lukemistoa, tarjotessaan mieluisaan muotoon sovellettuna hyvän
luonnontieteellisen kurssin ja esittäessään tervettä elämää taivasalla.
Jo monelle kielelle käännettyinä ja klassillisiksi vakautuneina ne
ansaitsevat etusijan toimintatarmoisten poikien joutohetkien
virkistyksenä.

V. H.-A.

1. luku.

BUURIT.

Hendrik van Bloom oli buuri — hollantilainen maanviljelijä Kap-


maassa.
Kap-maan buurit ovat esiintyneet varsin huomattavasti
uudemmassa historiassa. Vaikka he luonnostaan ovatkin
rauhaarakastavaa kansaa, on heidän kuitenkin ollut pakko usein
sotia sekä Afrikan alkuasukkaiden että eurooppalaisten kanssa; ja
näissä sodissa he ovat suoriutuneet ihailtavasti ja osoittaneet, että
rauhallinen kansa tarpeen vaatiessa voi taistella yhtä uljaasti kuin ne,
jotka sotilaan hurjasta maineesta alituisesti rehentelevät.

Mutta buureja on syytetty julmuudesta sodissaan — etenkin


alkuasukkaita vastaan käydyissä. Syytös voinee näyttää
totuudenmukaiselta yleiseltä kannalta katsoen. Ottaessamme
kuitenkin huomioon näiden villien vihollisten taholta tulleen
ärsytyksen, opimme katsomaan lempeämmin Kap-maan
hollantilaisten menettelyä. On totta, että he pakottivat keltaiset
hottentotit orjuuteen; mutta samaan aikaan me, englantilaiset,
kuljetimme laivanlastittain mustia guinealaisia poikki Atlantin,
samalla kun espanjalaiset ja portugalilaiset kytkivät Amerikan
punaihoiset yhtä ahtaisiin ja koviin kahleihin.

Toinen huomioonotettava seikka on, minkäluontoisia olivat ne


alkuasukkaat, joiden kanssa hollantilaiset buurit joutuivat tekemisiin.
Ankarin julmuus, jolla siirtolaiset heitä rankaisivat, oli armeliaisuutta
verrattuna siihen kohteluun, jota villien täytyi kärsiä omilta
hirmuvaltiailtaan.

Tämä ei puhdista hollantilaisia siitä, että he olivat pakottaneet


hottentotit orjuuteen; mutta ottaen huomioon kaikki asianhaarat ei
ole ainoatakaan merikansaa, joka voi arvokkaasti syyttää heitä
julmuudesta. Väleissään Kap-maan alkuasukkaiden kera he ovat
olleet tekemisissä mitä ilkeimpien ja halpaluontoisimpien raakalaisten
kanssa; eikä siirtolaisuuden historia sellaisissa olosuhteissa voi olla
muuta kuin täynnä epämieluisia sivuseikkoja.

Nuori lukija, voisin helposti puolustaa Kap-maan buurien käytöstä,


mutta siihen ei minulla ole tässä tilaa. Voin ainoastaan ilmaista
sinulle oman mielipiteeni; ja se on sellainen, että he ovat urhoollista,
voimakasta, tervettä, siveellistä, rauhaarakastavaa, ahkeraa heimoa
— totuuden rakastajia ja tasavaltaisen vapauden ystäviä — lyhyesti,
oivallista rotua.

Mynheer Hendrik ei ollut kuitenkaan aina ollut buuri. Hän saattoi


kerskata hiukan korkeammasta asemasta — hän voi näet ylpeillä
paremmasta kasvatuksesta kuin minkä pelkkä Kap-siirtolainen
tavallisesti omistaa, samoin kuin jommoisestakin kokemuksesta
miekan käyttelemisessä. Hän ei ollut syntyisin siirtomaasta, vaan
emämaasta, eikä hän ollut tullut tänne köyhänä onneaan etsivänä
seikkailijana, vaan upseerina hollantilaisessa rykmentissä, jonka
asemapaikka silloin oli täällä.

Hänen sotilaspalveluksensa ei ollut siirtomaassa pitkäaikainen.


Eräs kirsikkaposkinen, pellavatukkainen Gertrude — rikkaan buurin
tytär — oli mieltynyt nuoreen luutnanttiin; ja tämä puolestansa
kiintyi suuresti tyttöön. Seuraus oli, että he joutuivat naimisiin. Kun
Gertruden isä pian sen jälkeen kuoli, joutui hänelle suuri maatila
kaikkine elukkoineen, hevosineen ja hottentotteineen,
leveähäntäisine lampaineen ja pitkäsarvisine härkineen. Tämä oli
kehoittimena hänen sotilasmielelleen laskea syrjään miekkansa ja
ruveta "vee-buuriksi" eli karjatilalliseksi, kuten hän myöskin teki.

Nämä tapaukset sattuivat monta vuotta ennen englantilaisten


tuloa Kap-siirtomaan herroiksi. Kun tämä tapahtui, oli Hendrik van
Bloom jo vaikutusvaltainen mies siirtomaassa ja "kenttäkornetti"
piirissään, joka oli kauniissa Graaf Reinetin maakunnassa. Hän oli
silloin leski, pienen perheen isä. Vaimo, jota hän oli hellästi
rakastanut — kirsikkaposkinen, pellavatukkainen Gertrude — ei ollut
enää elossa.

Historia kertoo, kuinka hollantilaiset siirtolaiset, tyytymättöminä


englantilaisten hallitukseen, kapinoivat sitä vastaan. Entinen
luutnantti ja kenttäkornetti oli huomattavimpia kapinoitsijoiden
joukossa. Historia kertoo myös, kuinka kapina kukistettiin ja useita
siihen sekaantuneista teloitettiin. Van Bloom pelastui pakenemalla,
mutta hänen kaunis maatilansa Graaf Reinetissä otettiin
takavarikkoon ja annettiin toiselle.

Monta vuotta myöhemmin tapaamme hänet asumassa etäisessä


seudussa suuren Orange-joen toisella puolen, viettäen "trek-buurin"
elämää — kuljeskelevana karjanhoitajana, jolla ei ole määrättyä tai
pysyväistä asuinpaikkaa, vaan joka muuttaa laumoineen paikasta
toiseen, minne tahansa hyvät laitumet ja vesi häntä houkuttelevat.

Suunnilleen näiltä ajoilta on peräisin tuttavuuteni kenttäkornetin ja


hänen perheensä kanssa. Hänen aikaisemmasta elämästään olen
kertonut kaiken tietämäni, mutta useita vuosia kestäneen tämän
jälkeisen ajanjakson tunnen paljoa tarkemmin. Useimmat sen
yksityiskohdista kuulin hänen oman poikansa huulilta. Mieltäni ne
suuresti kiinnittivät, ja sainpa niistä oppiakin. Ne olivat ensi läksyjäni
Afrikan eläinopissa.

Uskoen, nuori lukija, että ne voivat myös opettaa ja innostuttaa


sinua, levitän ne tässä eteesi. Sinun ei tule pitää niitä ainoastaan
mielikuvituksen tuotteina. Kuvauksia villeistä eläimistä, jotka
näyttelevät osaansa tässä pienessä tarinassa, yhtä hyvin kuin niiden
tekoja, tapoja ja vaistoja, voit pitää luonnontarkkoina. Nuori van
Bloom oli luonnon harras tutkija, ja voit luottaa hänen kuvaustensa
uskottavuuteen.

Kyllästyneenä politiikkaan kenttäkornetti asui nyt etäisellä rajalla


— itse asiassa rajan takana, sillä lähin asutus oli sadan mailin
päässä. Hänen "kraalinsa" oli seudussa, joka rajoittui suureen
Kalaharin erämaahan — Etelä-Afrikan Saharaan. Ympäröivä seutu oli
satojen mailien päähän asumatonta, sillä harvaan sirotellut, puoli-
inhimilliset bushmannit, jotka asuivat sen piirissä, tuskin ansaitsevat
asukkaiden nimeä enempää kuin villit eläimet, jotka ulvoivat heidän
ympärillään.

Olen sanonut, että van Bloom nyt harjoitti "trek-buurin" ammattia.


Maanviljelys Kap-maassa on etupäässä hevosten, karjan, lampaiden
ja vuohien kasvattamista; ja nämä elukat ovat buurin rikkautena.
Mutta kenttäkornettimme lauma oli nyt hyvin pieni. Takavarikoiminen
oli pyyhkäissyt pois hänen koko omaisuutensa, eikä onni ollut häntä
suosinut hänen ensi kokeissaan kuljeskelevana karjankasvattajana.
Brittiläisen hallituksen säätämä vapauttamislaki ei ulottunut
ainoastaan Länsi-Intian saarten neekereihin, vaan myös Kap-maan
hottentotteihin; ja seuraus siitä oli, että mynheer van Bloomin
palvelijat olivat jättäneet hänet. Hänen karjansa, jota ei enää
kunnolla hoidettu, kuljeskeli sinne tänne. Jotkut elukat joutuivat
villien eläinten saaliiksi — toiset kuolivat pernatautiin. Hänen
hevosiansakin harvensi salaperäinen eteläafrikalainen hevostauti;
alinomaa ahdistivat hänen lampaitaan ja vuohiaan, vähentäen niiden
lukua, susi, villikoira ja hyeena. Hän oli kärsinyt tappion toisensa
jälkeen, kunnes hänen hevosiansa, härkiänsä, lampaitansa ja
vuohiansa tuskin enää oli kaikkiansa sata päätä. Ylen pieni lauma
Etelä-Afrikan karjankasvattajalla.
Kaikesta huolimatta kenttäkornettimme ei ollut onneton. Hän
katsoi kolmeen rohkeaan poikaansa — Hansiin, Hendrikiin ja Janiin.
Hän katsoi kirsikkaposkiseen, pellavatukkaiseen tyttäreensä
Gertrudeen, todelliseen äitinsä perikuvaan. Näihin hän pani toivonsa
onnellisemmasta tulevaisuudesta.

Hänen kaksi vanhinta poikaansa oli jo apuna hänelle päivittäisissä


askareissa; nuorinkin kykenisi siihen jo pian. Gertrudesta — eli
"Trüeystä", joksi häntä hyväillen puhuteltiin — hän pian saisi
oivallisen taloudenhoitajan. Hän ei siis ollut onneton; ja joskin hän
toisinaan huokasi, tapahtui se vain, kun pikku Trüeyn kasvot loihtivat
esiin muiston siitä Gertrudesta, joka nyt oli taivaassa.

Mutta Hendrik van Bloom ei ollut epätoivon mies. Onnettomuus ei


ollut voinut hänen mieltänsä murtaa. Hän vain ryhtyi entistä
innokkaammin työhön vielä kerran rakentaakseen onnensa.

Itseään varten hänellä ei ollut kunnianhimoista rikastumisen


pyrkimystä. Hän olisi tyytynyt viettämäänsä yksinkertaiseen elämään
ja vähät välittänyt omaisuutensa kartuttamisesta. Mutta muut syyt
vaikuttivat hänen mieleensä — pienen perheen tulevaisuus. Hän ei
voinut sietää lastensa varttuvan ilman kasvatusta keskellä villejä
tasankoja.

Ei, heidän täytyisi kerran palata ihmisten ilmoille, näyttelemään


osaansa yhteiskunnallisen ja sivistyneen elämän näytelmässä. Tämä
oli hänen suunnitelmansa.

Mutta miten toteuttaa tämä aie? Vaikkakin hänet oli armahdettu


n.s. valtiorikoksestansa ja hän nyt oli vapaa palaamaan siirtomaan
rajojen sisälle, oli hän huonosti varustettu sitä tarkoitusta varten.
Hänen köyhä, vähentynyt laumansa ei riittäisi, jotta hän voisi jäädä
asumaan siirtokunnan alueelle. Se tuskin elättäisi häntä kuukauden
aikaa. Palata olisi samaa kuin palata kerjäläisenä.

Tämänsuuntaiset mietteet tuottivat hänelle toisinaan huolta. Mutta


ne myös lisäsivät hänen luonteensa tarmoa ja tekivät hänet
innokkaammaksi voittamaan edessä olevat esteet.

Hän oli ollut hyvin uuttera kuluvan vuoden aikana. Turvatakseen


karjansa talven ajaksi hän oli kylvänyt paljon maissia ja tattaria, ja
nyt oli kumpikin sato kukoistavimmillaan. Hänen puutarhansakin
hymyili ja lupasi yltäkylläisesti hedelmiä, melooneja ja keittiökasveja.
Lyhyesti sanoen, pieni asuinpaikka, johon hän oli joksikin aikaa
asettunut, oli keidas pienoiskoossa, ja hän itse iloitsi päivittäin
silmiensä levätessä tuleentuvassa ympäristössä. Vielä kerran hän
alkoi uneksia menestyksestä — vielä kerran toivoa, että hänen
huono onnensa oli loppumassa.

Valitettavasti se oli turha toivo. Koettelemuksien sarja vielä odotti


häntä — sarja onnettomuuksia, jotka riistivät häneltä melkein kaikki,
mitä hän omisti, ja täydelleen muuttivat hänen elämäntapansa.

Kenties näitä sattumia tuskin voikaan sanoa onnettomuudeksi,


koska ne lopulta johtivat onnelliseen tulokseen.

Mutta itse voit päättää, nuori lukija, kuultuasi "trek-buurin" ja


hänen perheensä "historian ja seikkailut".

2. luku.

KRAALI.
Entinen kenttäkornetti istuskeli kraalinsa edustalla — sitenhän
nimitetään eteläafrikalaista asuntoa. Hänen huuliensa välistä pisti
esiin iso piippu suunnattomine merenvahapesineen. Jokainen buuri
on tupakoitsija.

Kuluneen elämän monista tappioista ja kärsimyksistä huolimatta


hänen silmissään oli tyytyväisyyttä. Häntä ilahdutti kukoistavan
viljansa näkeminen. Maissi oli nyt "maitonesteessä", ja tähkät,
käärittyinä papyroksen kaltaiseen kuoreen, näyttivät täysiltä ja
suurilta. Oli suloista kuulla pitkien viheliäisten lehtien suhinaa ja
nähdä loistavien kultaisten kukintojen aaltoilevan tuulessa. Isännän
sydän oli iloinen hänen silmäillessään lupaavaa maissisatoansa.

Mutta olipa toinenkin lupaava vilja, vielä enemmän omiaan


ilahuttamaan hänen sydäntänsä — hänen hyvät lapsensa. Täällähän
he ovat kaikki hänen luonaan.

Hans — vanhin — vakava, tyyni Hans työssä runsautta uhkuvassa


puutarhassa; samalla kun vähäinen, mutta vilkas veitikka Jan,
nuorin, katselee ja silloin tällöin auttaa veljeänsä. Hendrik — raju
Hendrik, säteilevine kasvoineen ja vaaleine kiharoineen — askaroi
hevosten luona, hevoskraalissa. Ja Trüey — kaunis, kirsikkaposkinen,
pellavatukkainen Trüey — puuhailee lemmikkinsä — hyppykauriin
vasikan kanssa ja näiden kahden kirkkaat silmät kilpailevat ilmeiden
viattomuudessa ja herttaisuudessa.

Niin, kenttäkornetin sydän iloitsee hänen silmätessään lapsiansa


toista toisensa jälkeen — ja syystäkin. He ovat kaikki kauniita
katsella, kaikki lupaavat hyvää. Jos heidän isänsä tuntee hetkellistä
tuskaa, sattuu se, kuten olemme jo sanoneet, hänen silmiensä
pysähtyessä kirsikkaposkiseen, pellavatukkaiseen Gertrudeen.
Mutta aika on jo kauvan sitten lieventänyt tämän murheen
hiljaiseksi alakuloisuudeksi. Sen tuska on lyhytaikainen, ja
kenttäkornetin kasvot kirkastuvat jälleen hänen katsahtaessaan
lapsikultiinsa, jotka ovat niin toivorikkaita ja lupaavia.

Hans ja Hendrik ovat jo kyllin vankkoja auttaakseen häntä hänen


toimissaan — itse asiassa he ovat hänen ainoat apulaisensa,
lukuunottamatta "Swartboyta".

Kuka on Swartboy?

Katsahda hevoskraaliin ja siellä näet Swartboyn puuhailevan


nuoren isäntänsä, Hendrikin, kanssa paria hevosta satuloiden. Ota
huomioosi Swartboyn näyttävän noin kolmikymmenvuotiaalta, ja niin
vanha hän täysin onkin; mutta jos asettaisit mittakepin hänen
viereensä, huomaisit, ettei hänen pituutensa ole paljoakaan yli
neljän jalan. Hän on kuitenkin vankkarakenteinen ja olisi mittavampi
vaakasuorassa suunnassa. Voit panna merkille, että hän on iholtaan
kellahtava, vaikkakin hänen nimensä voisi saada sinut kuvittelemaan
hänen olevan mustan — sillä "Swartboy" merkitsee "musta poika".
Voit havaita, että hänen nenänsä on litteä ja vajonnut poskien tasoa
alemmaksi; että hänen poskensa ovat ulkonevat, huulensa hyvin
paksut, sieraimensa laajat, kasvonsa parrattomat ja hänen päänsä
melkein hiukseton — sillä hänen päähänsä harvaan siroteltuja
takkuisia villatukkuja voi tuskin kuvitella hiuksiksi. Voit vielä
huomata, että hänen päänsä, sen kanssa suhteellisine korvineen, on
luonnottoman suuri, ja että silmät ovat vinossa ja että niillä on
kiinalaisilme. Voit huomata Swartboyssa kaikki ne tunnusmerkit,
jotka ovat ominaisia Etelä-Afrikan "hottentoteille".

Swartboy ei kuitenkaan ole hottentotti — vaikkakin samaa rotua.


Hän on bushmanni.
Kuinka tämä villi bushmanni oli joutunut entisen kenttäkornetin
van
Bloomin palvelukseen? Siitä on pieni romanttinen juttu. Tällainen:

Etelä-Afrikan villien heimojen keskuudessa vallitsee perin julma


tapa — he jättävät vanhukset tai voimattomat ja usein sairaat tai
haavoitetut kuolemaan erämaahan. Lapset jättävät vanhempansa
jälkeensä, ja toverit hylkäävät usein haavoittuneen kumppanin ilman
muuta huolenpitoa kuin varaamalla päivän ruoan ja pikarillisen vettä.

Swartboy-bushmanni oli joutunut tämän tavan uhriksi. Hän oli ollut


muutamien heimolaistensa kanssa metsästysretkellä, jolloin leijona
oli häntä pahoin runnellut. Hänen toverinsa, jotka eivät odottaneet
hänen jäävän henkiin, jättivät hänet tasangolle kuolemaan; ja
luultavasti hän olisikin tuhoutunut ilman kenttäkornettiamme.
Viimemainittu, samotessaan yli tasankojen, löysi haavoittuneen
bushmannin, nosti hänet vaunuihinsa, kuljetti hänet asuntoonsa,
sitoi hänen haavansa ja hoiteli häntä, kunnes hän tuli terveeksi.
Siten Swartboy joutui kenttäkornetin palvelukseen.

Vaikkakaan kiitollisuus ei ole luonteenomaista hänen rodulleen, ei


Swartboy ollut kiittämätön. Kaikkien muiden palvelijoiden mennessä
tiehensä hän pysyi uskollisena herrallensa; ja niistä ajoista saakka
hän oli ollut mitä kelvollisin ja hyödyllisin työntekijä. Hänpä olikin
todella ainoa, joka oli jäänyt; poikkeuksena oli vain eräs tyttö, Totty
— joka luonnollisesti oli hottentotti ja jotenkin samaa pituutta, kokoa
ja väriä kuin Swartboy.

Sanoimme, että Swartboy ja Hendrik satuloivat paria hevosta. Niin


pian kuin he saivat sen tehdyksi, he nousivat hevosten selkään ja
ratsastaen ulos kraalista suuntasivat kulkunsa suoraan lakeuden
poikki. Heitä seurasi pari vankkaa, hurjannäköistä koiraa.
Heidän tarkoituksensa oli ajaa kotiin härät ja toiset hevoset, jotka
kävivät laitumella hyvän matkan päässä. Heillä oli tapana tehdä näin
joka ilta samalla tunnilla — sillä Etelä-Afrikassa on välttämätöntä
yöksi sulkea koko karja tarhaan, suojellakseen sitä saalistavilta
pedoilta. Tätä tarkoitusta varten on rakennettu useita korkeaseinäisiä
aitauksia — kraaleja, kuten niitä nimitetään. Tällä sanalla on sama
merkitys kuin espanjalaisella "corral"-sanalla, ja luulen
portugalilaisten sen tuoneen Afrikaan — koskapa se ei ole
alkuasukkaiden antama nimitys.

Nämä kraalit ovat tärkeitä laitteita buurin talossa, melkein yhtä


tärkeitä kuin hänen oma asuinrakennuksensa, jota tietysti myös
nimitetään kraaliksi.

Nuoren Hendrikin ja Swartboyn ratsastaessa hevosia ja karjaa


hakemaan lähti Hans, jättäen työnsä puutarhassa, kokoamaan
lampaat ja ajamaan ne kotiin. Nämä kävivät laitumella toisella
taholla, mutta koska ne olivat lähellä, meni hän jalan, ottaen pikku
Janin mukaansa.

Trüey, sidottuaan lemmikkinsä paaluun, oli mennyt sisälle taloon


auttaaksensa Tottya illallisen laitossa. Näin kenttäkornetti jäi
yksikseen piippuinensa, jota hän yhä poltteli.

Hän istui aivan ääneti, vaikka hän tuskin saattoi pidättyä


ilmaisemasta tuntemaansa tyydytystä, nähdessään perheensä näin
uutterassa työssä. Vaikka hän oli tyytyväinen kaikkiin lapsiinsa,
täytyy tunnustaa, että hän oli erikoisesti mieltynyt rajuun Hendrikiin,
jolla oli hänen oma nimensä ja joka muistutti hänelle enemmän
hänen omaa nuoruuttansa kuin yksikään toisista. Hän ylpeili
Hendrikin uljaasta ratsastustaidosta, ja hänen silmänsä seurasivat
tätä yli tasangon, kunnes ratsastajat olivat melkein mailin päässä ja
sekaantuivat karjan joukkoon.

Tällä hetkellä muuan seikka pisti van Bloomin silmään ja oitis


kiinnitti hänen huomiotansa. Se oli omituinen näky taivaan rannalla
sillä suunnalla, jonne Henrik ja Swartboy olivat menneet, mutta
nähtävästi näiden tuolla puolen. Se muistutti sakeaa sumua tai
savua, kuin olisi tasanko pitkän matkan päässä ollut tulessa.

Voisiko niin olla? Oliko joku sytyttänyt haroo-pensaat tuleen? Vai


oliko tuo tomupilvi?

Tuuli oli tuskin riittävän kova nostaakseen moisen pölyn, ja


kuitenkin näytti siltä. Aiheuttivatko sen jotkut eläimet? Eikö se voisi
olla suuren antilooppijoukon nostama pöly — esimerkiksi hyppy
kauriiden muuttojoukkueen? Se ulottui useita maileja pitkin
taivaanrantaa, mutta van Bloom tiesi, että nämä elukat usein
kulkevat mailia laajemmissa parvissa. Kuitenkaan hän ei voinut
uskoa tätä siksi.

Hän tuijotti yhä tuohon kummalliseen ilmiöön, koettaen selittää


sitä usealla tavalla. Se näytti nousevan korkeammalle sinistä taivasta
vasten — milloin muistuttaen pölyä, milloin kuin laajalle levinneen
tulipalon savua, milloin taas punertavaa pilveä. Se oli lännessä ja
alkoi nyt jo pimittää laskevaa aurinkoa. Se oli kulkenut kuin esirippu
yli auringon kehrän, ja tämän valo ei enää langennut tasangolle.
Oliko se jonkun hirveän myrskyn enne — jonkun maanjäristyksen?

Sellainen ajatus iski kenttäkornetin mieleen. Se ei ollut tavallisen


pilven kaltainen — se ei näyttänyt tomupilveltä — se ei ollut savun
tapaista. Se ei muistuttanut mitään hänen näkemäänsä. Ei ihme,
että hän tunsi levottomuutta ja pelkoa.
Äkkiä tuo tummanpunainen ainejoukko näytti verhoavan
tasangolla olevan karjan, ja elukoiden voi nähdä juoksentelevan
sinne tänne pelästyneiden tavoin. Sitte nuo kaksi ratsastajaa
katosivat sen tummaan varjoon.

Van Bloom nousi seisoalleen, nyt todenperästä hätääntyneenä.


Mitä se voi olla?

Hänen päästämänsä huudahdus houkutteli pikku Trüeyn ja Tottyn


talosta; ja Hans oli nyt Janin kanssa tullut takaisin lampaineen ja
vuohineen. Kaikki näkivät tuon omituisen ilmiön, mutta kukaan ei
voinut sanoa, mitä se oli. Kaikki olivat hätääntyneitä.

Heidän seistessään tähyilemässä pelästynein mielin nuo kaksi


ratsastajaa ilmestyivät pilven sisästä, ja sitten heidän nähtiin
karahuttavan eteenpäin pitkin tasankoa taloa kohti. He tulivat täyttä
vauhtia, mutta kauan ennen heidän paikalle saapumistaan saattoi
kuulla Swartboyn huutavan:

"Baas van Bloom! Springhaan tulee! Springhaan, springhaan!"

3. luku.

"SPRINGHAAN."

"Ahaa! Springhaan!", huudahti van Bloom, kuultuaan laajalti


tunnettujen muutto-heinäsirkkojen hollantilaisen nimityksen.

Arvoitus oli ratkaistu. Omituinen pilvi, joka levisi yli lakeuden, ei


ollut vähempää eikä enempää kuin heinäsirkkojen muuttoparvi.
Tuollaisen näyn todistajina ei yksikään heistä ollut milloinkaan
ennen ollut, Swartboyta lukuunottamatta. Hänen isäntänsä oli usein
nähnyt pienempiä heinäsirkkajoukkoja ja useita eri lajeja — sillä
Etelä-Afrikassa on näitä merkillisiä hyönteisiä useita lajeja. Mutta se,
joka nyt ilmestyi, oli todellinen muuttoheinäsirkka (Gryllus
devastatorius); ja nyt suurella vaelluksellansa — harvemmin sattuva
tapaus kuin mitä matkustajat sinulle uskottelevat. Swartboy tunsi ne
hyvin; ja vaikka hän ilmoittikin niiden lähestymisestä suuresti
kiihtyneenä, ei hänen kiihtymyksessään huomannut kauhua.

Aivan päinvastoin. Hänen suuret paksut huulensa olivat


kokoonpuristetut kasvojen poikitse eriskummaisessa ilon ilmeessä.
Hänessä riehuivat hänen villin rotunsa vaistot. Näille ei
heinäsirkkojen vaellus ollut pelon aihe, vaan ilon lähde — niiden tulo
oli yhtä tervetullut kuin meriäyriäissaalis Leighin kalastajalle tai
elonkorjuu talonisännälle.

Koiratkin haukkuivat ja ulvoivat ilosta ja hyppelivät ikäänkuin


oltaisiin metsästykseen lähdössä. Huomatessaan pilven ne vaistonsa
avulla helposti tunsivat heinäsirkat. Ne katselivat niitä samoin
tuntein, jotka Swartboyta kiihoittivat — sillä sekä koirat että
bushmannit syövät näitä hyönteisiä halukkaasti!

Kuullessaan, että oli ainoastaan puhe heinäsirkoista, kaikki heti


tointuivat säikähdyksestään. Pikku Trüey ja Jan nauroivat, taputtivat
käsiään ja odottivat uteliaina niiden lähenemistä. Olivathan kaikki
kuulleet tarpeeksi tietääkseen, että ne olivat vain heinäsirkkoja, jotka
eivät pure eivätkä pistä ketään, ja sen tähden ei kukaan niitä
pelännyt.

Van Bloom itsekin välitti aluksi varsin vähän niistä. Levottomuuden


jälkeen oli huojennus kuulla, että olikin kysymys heinäsirkkojen
muuttoretkestä, ja vähään aikaan hän ei ajatellut tuon ilmiön
luonnetta, katseli sitä vain uteliain mielin.

Äkkiä hänen ajatuksensa saivat uuden suunnan. Hänen silmänsä


pysähtyivät maissi- ja tattarivainioon, puutarhaan melooneineen,
hedelmineen ja vihanneksineen: uusi levottomuus valtasi hänet;
hänen mieleensä tulvahti muisto monista kertomuksista, jotka hän
oli kuullut näistä tuhoatuottavista eläimistä, ja kun koko totuus
selvisi, kalpeni hän ja päästi levottomia huudahduksia.

Lapsetkin hätääntyivät. He näkivät isänsä kärsivän, vaikkeivät


tienneet miksi. He kerääntyivät kysyvinä hänen ympärilleen.

"Voi, voi! Menetetty, menetetty!" huudahti tämä. "Niin, koko


satomme — vuoden työmme — mennyttä, mennyttä! Voi,
lapsikultani!"

"Miten mennyttä?" huudahti usea heistä samassa hengenvedossa.

"Katsokaa heinäsirkkoja! Ne syövät kaiken satomme — kaiken,


kaiken!"

"Todellakin, se on totta", sanoi Hans, joka hartaana opiskelijana oli


usein lukenut kertomuksia heinäsirkkojen tekemistä tuhoista.

Kaikkien iloisille kasvoille tuli jälleen alakuloinen ilme, eivätkä he


enää katselleet uteliaina tuota etäistä pilveä, joka niin äkkiä oli
sumentanut heidän onnensa.

Van Bloomilla oli kylläkin syytä pelkoonsa. Jos parvi lähestyisi


edelleen ja asettuisi hänen vainioilleen — hyvästi silloin elonkorjuun
toiveet! Ne riistäisivät hänen asuinpaikkansa vihannuuden yhdessä
tuokiossa. Ne eivät jättäisi jälkeensä jyvää, ei lehteä, ei vartta.
Kaikki seisoivat katsellen lentoa tuskallisin tuntein. Parvi oli vielä
hyvästi puolen mailin päässä. Ne eivät näyttäneet tulevan
lähemmäksi, — hyvä!

Toivonsäde pilkisti kenttäkornetin mieleen. Hän otti päästään


leveän huopahattunsa ja piteli sitä ylhäällä käsivarsi ojennettuna.
Tuuli puhalsi pohjoisesta, ja parvi oli kraalista suoraan länteen päin.
Heinäsirkkapilvi oli lähestynyt pohjoisesta, kuten miltei aina Afrikan
eteläosissa.

"Niin", sanoi Hendrik, joka oltuaan niiden keskellä saattoi sanoa,


minne päin ne ajautuivat, "ne tulivat päällemme pohjoiselta
suunnalta. Kun käänsimme hevosemme kotiin päin, karahutimme
pian niiden keskeltä, eivätkä ne näyttäneet lentävän perässämme.
Olen varma, että ne kulkevat etelää kohti."

Van Bloom yhä toivoi, että parvi kulkisi eteenpäin leviämättä


hänen asuinpaikkansa piiriin, koska niitä ei yhtään näkynyt suoraan
hänen kraalinsa pohjoispuolella. Hän tiesi, että ne tavallisesti
seurasivat tuulen suuntaa. Jollei tuuli kääntyisi, eivät ne poikkeisi
suunnaltaan.

Hän tarkasteli niitä levottomasti yhä edelleen. Hän huomasi, ettei


pilven reuna tullut lähemmäksi. Hänen toivonsa elpyi. Hänen
kasvonsa kirkastuivat. Lapset huomasivat tämän ja tulivat iloisiksi,
mutta eivät sanoneet mitään. Kaikki seisoivat hiljaa tähystellen.

Kummallinen näky se olikin. Ei ollut ainoastaan hyönteisten samea


parvi katseltavana. Ilma niiden yläpuolella oli täynnä lintuja —
harvinaisia ja monenlaisia lintuja. Hitain, hiljaisin siivin liiteli ruskea
"oricou", suurin Afrikan korppikotkista; ja sen kanssa keltainen
"chasse fiente", Kolbén korppikotka. Siellä kiiti partainen
"lamvanger", haaskakotka, laajalle levitetyin siivin. Siellä kirkui suuri
"kafferi-kotka" ja sen kanssa vieretysten lyhytpyrstöinen ja
harvinainen "bateleur". Siellä oli myös erisuuruisia ja erivärisiä
haukkoja; poutahaukkoja viiltämässä ilman halki, ja variksia ja
korppeja ja monta lajia hyönteissyöjiä. Mutta paljon lukuisampana
kuin kaikki muut saattoi nähdä pienen "springhaanvogelin", melkein
pääskysen kokoisen ja näköisen kirjavan linnun. Ääretön joukko
näitä pimensi ilman ylhäällä — sadat niistä alituisesti ampuivat alas
hyönteisten kimppuun ja kohosivat jälleen kullakin uhri nokassaan.

"Heinäsirkka-korppikotkiksi" näitä eläimiä nimitetään, vaikkakaan


ne eivät kuulu korppikotkien lajiin. Ne syövät yksinomaan näitä
hyönteisiä, eikä niitä koskaan nähdä, missä ei heinäsirkkoja ole. Ne
seuraavat näitä niiden kaikilla vaelluksilla, rakentaen pesänsä ja
kasvattaen poikasensa saaliin keskellä.

Oli todellakin merkillinen näky katsella tuota siivekästä hyönteisten


parvea ja niiden lukuisia ja erilaisia vihollisia; ja kaikki seisoivat
tähystellen niitä ihmettelevin mielin. Eläinpaljous ei kuitenkaan tullut
lähemmäksi, ja van Bloomin toivo elpyi elpymistään.

Parvi yhä laajeni etelää kohti — se ulottui nyt todellakin pitkin


koko läntistä taivaanrantaa; ja kaikki huomasivat sen vähitellen
painuvan alemmaksi — sen ylin reuna taivaalla laski. Menivätkö
heinäsirkat ohitse länteen päin? Ei.

"Ne panemas maata yötä vasten — nyt me saada niit säkki täys!"
sanoi Swartboy tyytyväisin ilmein; sillä Swartboy oli varsinainen
heinäsirkkainsyöjä, pitäen niistä yhtä paljon kuin sekä kotka että
poutahaukka — vieläpä kuin itse "springhaanvogel".
Niin kävi kuin Swartboy oli sanonut. Parvi laskeutui todellakin
tasangolle.

"Ei voi lentää ilman aurinko", jatkoi bushmanni. "Liian kylmä nyt.
Ne kuolla ennen aamu."

Ja niin olikin. Aurinko oli laskenut. Viileä tuuli heikensi


hyönteismatkustajain siipiä, ja niiden täytyi pysähtyä yöksi puihin,
pensaisiin ja ruohikkoon.

Muutaman minuutin kuluttua ei enää nähty sankkaa sumua, joka


oli peittänyt sinisen taivaan äären; mutta etäinen lakeus näytti siltä
kuin olisi tuli hävittäen kulkenut siellä. Sen peittivät paksulta
hyönteisten ruumiit, jotka saattoivat sen näyttämään mustuneelta
niin pitkälti kuin silmä kantoi.

Sitä seuranneet linnut, huomaten yön lähestyvän, kirkuivat


hetkisen ja sitten hajautuivat kautta ilmojen. Muutamat istuutuivat
kallioille, toiset menivät lepäämään matalaan mimoosatiheikköön; ja
nyt oli lyhyenä väliaikana sekä maassa että ilmassa hiljaista.

Van Bloom muisti nyt karjansa. Eläinten hahmot näkyivät kaukaa


keskeltä heinäsirkkojen peittämää tasankoa.

"Anna heitin syödä vähä aika, baas", ehdotti Swartboy.

"Mitä sitten?" kysyi hänen isäntänsä. "Etkö näe, että ruoho on


peitossa?"

"Springhaania itteänsä, baas", vastasi bushmanni; "hyvä


lihottaman suuri härkä — parempi kuin ruoho — jaa, parempi kuin
jauho".
Mutta oli liian myöhäistä jättää karjaa ulos lakeudelle. Leijonat
olisivat pian liikkeellä — tavallista aikaisemmin heinäsirkkojen vuoksi,
sillä eläinten kuningas ei halveksi täyttää kuninkaallista vatsaansa
näillä hyönteisillä — kun se vain niitä tapaa.

Van Bloom huomasi välttämättömäksi tuoda karjansa oitis kraaliin.

Satuloitiin kolmas hevonen, jonka selkään kenttäkornetti itse nousi


ja ratsasti pois Hendrikin ja Swartboyn seuraamana.

Lähestyessään heinäsirkkoja he tapasivat ihmeellisen ilmiön.


Maata peittivät nämä punertavanruskeat eläimet, toisin paikoin
usean tuuman paksuudelta. Mitä pensaita siellä oli, niihin ne olivat
kasaantuneet — yli kaikkien lehtien ja oksien, ikäänkuin
mehiläisparvet olisivat niihin laskeutuneet. Ei lehteä, ei ruohonkortta,
joka ei olisi ollut niiden peittämä.

Ne eivät liikkuneet, vaan pysyivät hiljaa kuin horroksissa tai


unessa.
Illan viileys oli riistänyt niiltä lentokyvyn.

Mutta kaikkein ihmeellisintä van Bloomin ja Hendrikin silmissä oli


heidän omien hevostensa ja karjan menettely. Nämä olivat jonkun
matkan päässä keskellä nukkuvaa joukkoa; mutta sen sijaan, että
olisivat olleet peloissaan kummallisen asemansa tähden, ne ahnaasti
sieppasivat suun täydeltä hyönteisiä ja rusensivat niitä hampaillaan
kuin jyviä ikään!

Oli jonkun verran vaikeata saada ne ajetuiksi pois; mutta leijonan


karjunta, joka silloin juuri kuului yli lakeuden, ja Swartboyn
"jambokin" uudistettu käyttäminen teki ne mukautuvammiksi, ja
viimein ne antoivat ajaa itsensä kotiin sijoittuen kraaleihinsa.
Swartboy oli varustautunut säkillä, jonka hän toi takaisin täynnä
heinäsirkkoja.

Saattoi panna merkille, että hän, kootessaan hyönteisiä säkkiin,


menetteli jotakuinkin huolellisesti, tarttuen niihin perin varovasti,
ikäänkuin olisi niitä pelännyt. Ei hän kuitenkaan niitä pelännyt, vaan
käärmeitä, joita sellaisissa tilaisuuksissa on hyvin lukuisasti ja jotka
ovat hyvinkin pelättäviä — kuten bushmanni kokemuksesta tiesi.

4. luku.

PAKINAA HEINÄSIRKOISTA.

Se oli levottomuuden yö kenttäkornetin kraalissa. Jos tuuli


kääntyisi länteen; peittäisivät heinäsirkat varmasti hänen maansa
aamulla, ja seuraus olisi koko hänen satonsa täydellinen
tuhoutuminen. Ehkäpä vielä sitäkin pahempi. Ehkäpä koko
ympäristön kasvullisuus — viidenkymmenen mailin laajuudelta tai
enemmänkin — tulisi hävitetyksi; ja kuinka ruokittaisiin silloin karjaa?
Ei olisi helppoa pelastaa edes elukoiden henkeä. Kenties ne
menehtyisivät, ennenkuin hän voisi ajaa ne jollekin toiselle
laitumelle.

Sellainen ei ollut ollenkaan tavatonta tai epäiltävää. Kap-maan


historiassa usea buuri oli menettänyt laumansa juuri tällä tavalla.
Eipä ihmekään, että kenttäkornetin kraalissa sinä yönä vallitsi
levottomuus.
Tuon tuostakin van Bloom pistäytyi ulos saadakseen selville, oliko
tuulensuunnassa mitään muutosta havaittavissa. Hän ei voinut
mitään sellaista huomata myöhäiseen yöhön saakka. Lauhkea tuuli
puhalsi yhä pohjoisesta — suuresta Kalaharin erämaasta, josta
heinäsirkat epäilemättä olivat tulleet. Oli kirkas kuutamo ja valo
kumotti yli hyönteisten joukon, joka tummana peitti lakeuden.
Saattoi kuulla leijonan karjunnan sekoittuvan sakaalin räikeään
kirkunaan ja hyeenan vimmattuun nauruun. Kaikki nämä pedot ja
monet muut nauttivat yltäkylläisestä ateriasta.

Kun tuulensuunnassa ei havaittu muutosta, kävi van Bloom


levollisemmaksi, ja kaikki keskustelivat vapaasti heinäsirkoista.
Swartboylla oli johtava asema tässä keskustelussa, koska hän tunsi
aiheen paremmin kuin kukaan toisista. Se ei ollut lähimainkaan
ensimäinen hänen näkemänsä heinäsirkkojen muuttoretki, ja monta
bushelia hän oli niitä syönyt. Olihan siis luonnollista otaksua, että
hän tiesi niistä aika paljon.

Hän ei kuitenkaan tiennyt mistä ne tulivat. Sitä miettimällä ei


Swartboy ollut koskaan itseään vaivannut. Oppinut Hans antoi
selityksen niiden alkuperästä.

"Ne tulevat erämaasta", sanoi hän. "Munat, joista ne syntyvät,


lasketaan hiekkaan tai tomuun; siinä ne ovat, kunnes tulee sade ja
saa ruohon puhkeamaan. Silloin heinäsirkat kuoriutuvat ulos ja ensi
kehitysasteella niitä elättää tämä ruoho. Kun se on loppuunkulutettu,
on niiden pakko lähteä ruoanhakuun. Siitä johtuvat nämä muutot,
kuten niitä nimitetään."

Tämä tulkinta näytti kylläkin selvältä.

You might also like