Der Gabor-Filter ist ein linearer Filter, der zur Texturanalyse und Kantenerkennung bei bestimmten Ausrichtungen und Frequenzen verwendet wird. Passen Sie alle Parameter an und sehen Sie sowohl die Gabor-Kernel-Visualisierung als auch die gefilterte Ausgabe in Echtzeit.
Hochladen
Anpassen und Vorschau
Pixlane is loading locally. Supported local media processing, no signup, and supported file contents are not uploaded for processing.
Der Gabor-Filter ist ein linearer Filter, der zur Texturanalyse und Kantenerkennung bei bestimmten Ausrichtungen und Frequenzen verwendet wird. Passen Sie alle Parameter an und sehen Sie sowohl die Gabor-Kernel-Visualisierung als auch die gefilterte Ausgabe in Echtzeit.
Verwenden Sie Gabor-Filter für Texturanalyse, Orientierungsreaktion und Merkmalsextraktion mit Live-Kernel- und Ausgabevorschau.
Ein Gabor-Filter ist eine Sinuswelle, die durch eine Gaußsche Hüllkurve moduliert wird. Er reagiert stark auf Texturen mit einer bestimmten Ausrichtung (Theta) und Frequenz (1/Lambda) und ist damit ideal für die Merkmalsextraktion, die Texturklassifizierung und die Kantenerkennung.
Sigma steuert die Ausdehnung der Gaußkurve, Theta legt die Ausrichtung fest, Lambda ist die Wellenlänge der Sinusfunktion, Gamma passt das Seitenverhältnis (Streckung) an und Psi ist der Phasenversatz der Welle.
Beginnen Sie mit einer Frequenz, die zur Skala Ihrer Textur passt (Sigma 3–5 für feine, 7–10 für grobe Texturen). Setzen Sie Theta auf die dominante Ausrichtung. Lambda steuert die Wellenlänge – kleinere Werte erkennen feinere Muster. Verwenden Sie mehrere Ausrichtungen (0°, 45°, 90°, 135°) für eine ausrichtungsunabhängige Texturanalyse.
Ja. Alle Werkzeuge auf Pixlane sind kostenlos und erfordern keine Anmeldung.
JPG, PNG und WebP werden unterstützt.
Die Kernel-Vorschau zeigt die 2D-Sinuswelle, die durch die Gaußsche Hüllkurve moduliert wird. Helle und dunkle Streifen kennzeichnen die positiven und negativen Bereiche (Lobes) des Filters. Dies hilft Ihnen, Ausrichtung, Frequenz und Seitenverhältnis zu überprüfen, bevor Sie den Filter auf Bilder anwenden.