Hallo.
Ich bin neu hier und hätte auch gleich eine Frage. Ich versuche gerade eine Kernelmaske für den Laplacian of Gaussian zu erstellen. Nur leider glückt mir das nicht.
Ich hätte die Formel aus dem Wikipediaeintrag genommen. http://de.wikipedia.org/wiki/LoG
und wie folgt in Java implementiert.
public double laplacian_of_gaussian(int x, int y, double sigma)
{
return ((-1/(Math.PI*Math.pow(sigma, 4)))*Math.exp(-(Math.pow(x,2)+Math.pow(y,2))/
(2*Math.pow(sigma, 2)))*((1-(Math.pow(x,2)+Math.pow(y, 2))/(2*Math.pow(sigma, 2)))));
}
Nach der Erzeugung der Kernelmaske steht im Wikipediaeintrag sollte ich diese normalisieren auf. Ich hab nur keine Ahnung wie ich das machen sollte.
Bedeutet dies, dass ich den größten Wert aus meiner Masek raus suche und diesen als 1 ansehe und die restlichen Werte dividiere.
Ich hoffe ich hab euch jetzt nicht verwirrt, mit meiner konfusen Fragestellungen.
Danke schon mal
mfg Manu
Ich bin neu hier und hätte auch gleich eine Frage. Ich versuche gerade eine Kernelmaske für den Laplacian of Gaussian zu erstellen. Nur leider glückt mir das nicht.
Ich hätte die Formel aus dem Wikipediaeintrag genommen. http://de.wikipedia.org/wiki/LoG
und wie folgt in Java implementiert.
public double laplacian_of_gaussian(int x, int y, double sigma)
{
return ((-1/(Math.PI*Math.pow(sigma, 4)))*Math.exp(-(Math.pow(x,2)+Math.pow(y,2))/
(2*Math.pow(sigma, 2)))*((1-(Math.pow(x,2)+Math.pow(y, 2))/(2*Math.pow(sigma, 2)))));
}
Nach der Erzeugung der Kernelmaske steht im Wikipediaeintrag sollte ich diese normalisieren auf. Ich hab nur keine Ahnung wie ich das machen sollte.
Bedeutet dies, dass ich den größten Wert aus meiner Masek raus suche und diesen als 1 ansehe und die restlichen Werte dividiere.
Ich hoffe ich hab euch jetzt nicht verwirrt, mit meiner konfusen Fragestellungen.
Danke schon mal
mfg Manu