Man sieht, dass bei einer MaxLik-Klassifikation also nur der Ausdruck h(g) und
bei einer Maha-Klassifikation nur der Ausdruck m(g) ausgewertet werden muss, weil die übrigen Terme konstant sind.

Probleme beim Klassifizieren kann es hier geben, wenn die Anzahl der Punkte eines Objekts zu klein ist, weil dann keine Normalverteilung mehr vorliegt oder wenn die Bildpunkte eines Objekts eine zu geringe Streuung aufweisen, weil dann die Matrix Ci bzw. deren Inverse C-1 eine Determinante mit zu großem oder zu kleinem Wert liefert.

Für jeden zu klassifizierenden Bildpunkt werden die Funktionswerte h(g) bzw. m(g) für alle Objekte (Trainingspunkt-Gruppen) berechnet.

Ein Pixel wird dann dem Objekt zugeordnet, für das es den größten Funktionswert hat. Damit würden alle Pixel irgend einem Objekt zugeordnet werden. Hier kann ein Minimalwert als Ausschlusskriterium abhelfen. Diese Schwellenwerte (voreingestellt ist 20) können im Fenster "Statistik" verändert werden.