ee.Algorithms.Image.Segmentation.GMeans

ইনপুট ইমেজের উপর জি-মিনস ক্লাস্টারিং প্রয়োগ করে। কতগুলো ক্লাস্টার ব্যবহার করতে হবে তা স্বয়ংক্রিয়ভাবে নির্ধারণ করার জন্য এটি পুনরাবৃত্তিমূলকভাবে কে-মিনস এবং তারপরে একটি নর্মালিটি টেস্ট প্রয়োগ করে। আউটপুটে একটি 'ক্লাস্টারস' ব্যান্ড থাকে, যেখানে প্রতিটি পিক্সেল যে ক্লাস্টারের অন্তর্গত, তার পূর্ণসংখ্যা আইডি দেওয়া থাকে।

অ্যালগরিদমটি হয় পরস্পর-অসংলগ্ন সেলের একটি নির্দিষ্ট গ্রিডে (gridSize, যা একটি টাইলের চেয়ে ছোট হতে পারে) অথবা পরস্পর-সংলগ্ন টাইলের উপর (neighborhoodSize) কাজ করতে পারে। ডিফল্ট হিসেবে পরস্পর-অসংলগ্ন টাইল ব্যবহার করা হয়। একটি সেল বা টাইলের ক্লাস্টারগুলো অন্যটির ক্লাস্টারের সাথে সম্পর্কহীন। কোনো ক্লাস্টার যদি একটি সেল বা টাইলের সীমানা জুড়ে বিস্তৃত থাকে, তবে তার দুটি অর্ধাংশে দুটি ভিন্ন লেবেল থাকতে পারে। আংশিক মাস্কযুক্ত যেকোনো ইনপুট পিক্সেল আউটপুটে সম্পূর্ণরূপে মাস্ক করা হয়। এই অ্যালগরিদমটি শুধুমাত্র সংকীর্ণ ডাইনামিক রেঞ্জযুক্ত (যেমন, বাইট বা শর্টস) ছবির ক্ষেত্রেই ভালোভাবে কাজ করবে বলে আশা করা যায়।

দেখুন: জি. হ্যামারলি ও সি. এলকান। ‘কে-মিনস-এ কে-এর শিখন’। এনআইপিএস, ২০০৩।

ব্যবহার	ফেরত
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations , pValue , neighborhoodSize , gridSize , uniqueLabels )	ছবি

যুক্তি	প্রকার	বিস্তারিত
image	ছবি	ক্লাস্টারিংয়ের জন্য ইনপুট চিত্র।
numIterations	পূর্ণসংখ্যা, ডিফল্ট: ১০	পুনরাবৃত্তির সংখ্যা। ডিফল্ট ১০।
pValue	ফ্লোট, ডিফল্ট: ৫০	স্বাভাবিকতা পরীক্ষার জন্য তাৎপর্য স্তর।
neighborhoodSize	পূর্ণসংখ্যা, ডিফল্ট: ০	নেইবারহুড সাইজ। ক্লাস্টার গণনা করার সময় প্রতিটি টাইলকে কতটা প্রসারিত করা হবে (ওভারল্যাপ)। এই অপশনটি গ্রিডসাইজ (gridSize)-এর সাথে ব্যবহার করা যাবে না।
gridSize	পূর্ণসংখ্যা, ডিফল্ট: নাল	গ্রিড সেল-সাইজ। যদি এটি ০-এর চেয়ে বড় হয়, তাহলে kMeans এই আকারের সেলগুলোতে স্বাধীনভাবে চালানো হবে। এর ফলে যেকোনো ক্লাস্টারের আকার gridSize বা তার চেয়ে ছোট হতে সীমাবদ্ধ থাকে। এই অপশনটি neighborhoodSize-এর সাথে ব্যবহার করা যাবে না।
uniqueLabels	বুলিয়ান, ডিফল্ট: ট্রু	যদি সত্য হয়, তবে ক্লাস্টারগুলোকে অনন্য আইডি বরাদ্দ করা হয়। অন্যথায়, সেগুলো প্রতিটি টাইল বা গ্রিড সেলের জন্য পুনরাবৃত্তি হয়।