derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss (Operator)

Name

derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss — Ableitungen der Gaußfunktion.

Signatur

Beschreibung

derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss berechnet verschiedene Ableitungen der Gaußfunktion und daraus abgeleiteter Größen. Dabei ist SigmaSigmaSigmaSigmaSigmasigma der Parameter der Gaußfunktion (d.h. die Glättung). Falls in SigmaSigmaSigmaSigmaSigmasigma ein Wert angegeben wird, ist die Glättung in Spalten- und Zeilenrichtung gleich. Falls zwei Werte in SigmaSigmaSigmaSigmaSigmasigma übergeben werden, wird mit dem ersten Wert die Glättung in Spaltenrichtung und mit dem zweiten Wert die Glättung in Zeilenrichtung festgelegt. Mögliche Werte für ComponentComponentComponentComponentComponentcomponent sind:

'none'

Nur Glättung.

'x'

1. Ableitung nach x.

'y'

1. Ableitung nach y.

'gradient'

Betrag des Gradienten.

'gradient_dir'

Richtung des Gradienten im Bogenmaß.

'xx'

2. Ableitung nach x.

'yy'

2. Ableitung nach y.

'xy'

Ableitung nach x und y.

'xxx'

3. Ableitung nach x.

'yyy'

3. Ableitung nach y.

'xxy'

Ableitung nach x, x und y.

'xyy'

Ableitung nach x, y und y.

'det'

Determinante der Hessematrix: DET = g_xx * g_yy - g_xy**2

'laplace'

Laplace-Operator (Spur der Hessematrix) Laplace = g_xx + g_yy

'mean_curvature'

Mittlere Krümmung H

a = (1 + g_x * g_x) * g_yy
b = 2 * g_x * g_y * g_xy
c = (1 + g_y * g_y) * g_xx
d = (1 + g_x * g_x + g_y * g_y) ** (3/2)
H = (a - b + c) / d

'gauss_curvature'

Gaußkrümmung K K = DET / (1 + g_x * g_x + g_y * g_y) ** 2

'area'

Differentielle Fläche A

A = E*G - F**2
E = 1 + g_x**2
F = g_x * g_y
G = 1 + g_y**2

'eigenvalue1'

Erster Eigenwert

a = (g_xx + g_yy) / 2
lambda1 = a + sqrt(a*a - (g_xx * g_yy - g_xy * g_xy))

'eigenvalue2'

Zweiter Eigenwert

a = (g_xx + g_yy) / 2
lambda2 = a - sqrt(a*a - (g_xx * g_yy - g_xy * g_xy))

'eigenvec_dir'

Richtung des zum ersten Eigenwert gehörigen Eigenvektors im Bogenmaß

'main1_curvature'

Erste Hauptkrümmung kappa1 = H + sqrt(H**2 - K)

'main2_curvature'

Zweite Hauptkrümmung kappa2 = H - sqrt(H**2 - K)

'kitchen_rosenfeld'

2. Ableitung in Richtung senkrecht zum Gradienten

k = (g_xx * g_y**2 + g_yy * g_x**2 - 2 * g_xy * g_x * g_y) /
     (g_x**2 + g_y**2)

'zuniga_haralick'

Normierte 2. Ableitung in Richtung senkrecht zum Gradienten

k = (g_xx * g_y**2 + g_yy * g_x**2 - 2 * g_xy * g_x * g_y) /
     (g_x**2 + g_y**2)**1.5

'2nd_ddg'

2. Ableitung in Richtung des Gradienten

k = (g_xx * g_x**2 + 2 * g_y * g_y * g_xy + g_xy * g_y**2) /
     (g_x**2 + g_y**2)

'de_saint_venant'

2. Ableitung in Richtung des Gradienten und senkrecht dazu

k = (g_x * g_y * (g_xx - g_yy) - (g_x**2 - g_y**2) * g_xy) /
     (g_x**2 + g_y**2)

Achtung

derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss wird durch SSE2 Instruktionen beschleunigt, falls der Systemparameter 'sse2_enable'"sse2_enable""sse2_enable""sse2_enable""sse2_enable""sse2_enable" auf 'true'"true""true""true""true""true" gesetzt ist (dies ist Standard, sofern SSE2 auf Ihrem Rechner verfügbar ist). Diese Implementierung ist aufgrund numerischer Probleme im Vergleich zur reinen C Version etwas ungenauer (für 'byte' Bilder und 'none'"none""none""none""none""none", 'x'"x""x""x""x""x" oder 'y'"y""y""y""y""y" als ComponentComponentComponentComponentComponentcomponent bewegt sich der Unterschied in einer Größenordnung von 1.0e-5). Falls für Ihre Anwendung Genauigkeit wichtiger ist als Geschwindigkeit können Sie 'sse2_enable'"sse2_enable""sse2_enable""sse2_enable""sse2_enable""sse2_enable" auf 'false'"false""false""false""false""false" setzen, bevor Sie derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss aufrufen. Dadurch verwendet derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss keine SSE2 Beschleunigungen. Vergessen Sie nicht 'sse2_enable'"sse2_enable""sse2_enable""sse2_enable""sse2_enable""sse2_enable" danach wieder auf 'true'"true""true""true""true""true" zu setzen.

derivate_gaussderivate_gaussDerivateGaussderivate_gaussDerivateGaussDerivateGauss wird nur dann auf einem OpenCL Device ausgeführt wenn SigmaSigmaSigmaSigmaSigmasigma eine Filterbreite bzw. Filterhöhe bis zu 129 impliziert. Das entspricht einem SigmaSigmaSigmaSigmaSigmasigma von weniger als 20.7 für ComponentComponentComponentComponentComponentcomponent = 'none'"none""none""none""none""none". Außerdem ist die OpenCL Implementierung wie die SSE2 Implementierung aufgrund numerischer Probleme etwas ungenauer als die reine C Version.

Parallelisierung

• Unterstützt OpenCL Compute Devices.
• Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Automatisch parallelisiert auf Tupelebene.
• Automatisch parallelisiert auf Kanalebene.
• Automatisch parallelisiert auf Domainebene.

Parameter

Beispiel (C)

read_image(&Image,"mreut");
derivate_gauss(Image,&Gauss,3.0,"x");
zero_crossing(Gauss,&ZeroCrossings);

Nachfolger

zero_crossingzero_crossingZeroCrossingzero_crossingZeroCrossingZeroCrossing, dual_thresholddual_thresholdDualThresholddual_thresholdDualThresholdDualThreshold

Alternativen

laplacelaplaceLaplacelaplaceLaplaceLaplace, laplace_of_gausslaplace_of_gaussLaplaceOfGausslaplace_of_gaussLaplaceOfGaussLaplaceOfGauss, binomial_filterbinomial_filterBinomialFilterbinomial_filterBinomialFilterBinomialFilter, gauss_imagegauss_imageGaussImagegauss_imageGaussImageGaussImage, smooth_imagesmooth_imageSmoothImagesmooth_imageSmoothImageSmoothImage, isotropic_diffusionisotropic_diffusionIsotropicDiffusionisotropic_diffusionIsotropicDiffusionIsotropicDiffusion

Siehe auch

zero_crossingzero_crossingZeroCrossingzero_crossingZeroCrossingZeroCrossing, dual_thresholddual_thresholdDualThresholddual_thresholdDualThresholdDualThreshold

Modul

Foundation