ee.Algorithms.Image.Segmentation.GMeans
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Führt G-Means-Clustering für das Eingabebild aus. Wendet iterativ k-Means gefolgt von einem Normalitätstest an, um die Anzahl der zu verwendenden Cluster automatisch zu bestimmen. Die Ausgabe enthält ein Band „clusters“ mit der Ganzzahl-ID des Clusters, zu dem jedes Pixel gehört. Der Algorithmus kann entweder auf einem festen Raster aus nicht überlappenden Zellen (gridSize, die kleiner als eine Kachel sein kann) oder auf Kacheln mit Überlappung (neighborhoodSize) ausgeführt werden. Standardmäßig werden Kacheln ohne Überschneidung verwendet. Cluster in einer Zelle oder einem Kachel sind nicht mit Clustern in einer anderen Zelle oder Kachel verknüpft. Für Cluster, die sich über eine Zell- oder Kachelgrenze erstrecken, können in den beiden Hälften zwei unterschiedliche Labels verwendet werden. Alle Eingabepixel mit Teilmasken werden in der Ausgabe vollständig maskiert. Dieser Algorithmus funktioniert voraussichtlich nur bei Bildern mit einem geringen Dynamikbereich (z.B. Byte oder Shorts).
Siehe: G. Hamerly und C. Elkan. „Learning the k in k-means“ NIPS, 2003.
| Nutzung | Ausgabe |
|---|
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels) | Bild |
| Argument | Typ | Details |
|---|
image | Bild | Das Eingabebild für das Clustering. |
numIterations | Ganzzahl, Standard: 10 | Anzahl der Iterationen. Der Standardwert ist 10. |
pValue | Gleitkommazahl, Standardwert: 50 | Signifikanzniveau für den Normalitätstest. |
neighborhoodSize | Ganzzahl, Standardwert: 0 | Größe der Nachbarschaft. Der Betrag, um den jede Kachel beim Berechnen der Cluster erweitert werden soll (Überlappung). Diese Option schließt sich mit „gridSize“ aus. |
gridSize | Ganzzahl, Standard: null | Rasterzellengröße. Wenn der Wert größer als 0 ist, wird kMeans unabhängig für Zellen dieser Größe ausgeführt. Dadurch wird die Größe eines Clusters auf „gridSize“ oder weniger begrenzt. Diese Option schließt „neighborhoodSize“ aus. |
uniqueLabels | Boolescher Wert, Standard: „true“ | Falls „true“, werden Clustern eindeutige IDs zugewiesen. Andernfalls werden sie pro Kachel oder Rasterzelle wiederholt. |
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-27 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-27 (UTC)."],[[["\u003cp\u003eThe GMeans algorithm automatically determines the optimal number of clusters for image segmentation using iterative k-means and a normality test.\u003c/p\u003e\n"],["\u003cp\u003eIt outputs an image with a 'clusters' band, assigning each pixel an integer ID corresponding to its cluster.\u003c/p\u003e\n"],["\u003cp\u003eUsers can control segmentation granularity through \u003ccode\u003egridSize\u003c/code\u003e for non-overlapping cells or \u003ccode\u003eneighborhoodSize\u003c/code\u003e for overlapping tiles.\u003c/p\u003e\n"],["\u003cp\u003eClusters are independent within each cell or tile, potentially leading to different labels for the same cluster across boundaries.\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm is best suited for images with a narrow dynamic range, like those with byte or short data types.\u003c/p\u003e\n"]]],["The G-Means algorithm performs image clustering by iteratively applying k-means and a normality test to determine the optimal number of clusters. It outputs an image with a 'clusters' band, assigning each pixel to a cluster. It can operate on a fixed grid (gridSize) or tiles with overlap (neighborhoodSize), with default being tiles without overlap. Input images should have a narrow dynamic range and pixels with partial mask will be fully masked in the output. Clusters can be assigned unique ID's or repeat per tile.\n"],null,["# ee.Algorithms.Image.Segmentation.GMeans\n\nPerforms G-Means clustering on the input image. Iteratively applies k-means followed by a normality test to automatically determine the number of clusters to use. The output contains a 'clusters' band containing the integer ID of the cluster that each pixel belongs to. The algorithm can work either on a fixed grid of non-overlapping cells (gridSize, which can be smaller than a tile) or on tiles with overlap (neighborhoodSize). The default is to use tiles with no overlap. Clusters in one cell or tile are unrelated to clusters in another. Any cluster that spans a cell or tile boundary may receive two different labels in the two halves. Any input pixels with partial masks are fully masked in the output. This algorithm is only expected to perform well for images with a narrow dynamic range (i.e., bytes or shorts).\n\n\u003cbr /\u003e\n\nSee: G. Hamerly and C. Elkan. 'Learning the k in k-means'. NIPS, 2003.\n\n| Usage | Returns |\n|-------------------------------------------------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.Image.Segmentation.GMeans(image, `*numIterations* `, `*pValue* `, `*neighborhoodSize* `, `*gridSize* `, `*uniqueLabels*`)` | Image |\n\n| Argument | Type | Details |\n|--------------------|------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `image` | Image | The input image for clustering. |\n| `numIterations` | Integer, default: 10 | Number of iterations. Default 10. |\n| `pValue` | Float, default: 50 | Significance level for normality test. |\n| `neighborhoodSize` | Integer, default: 0 | Neighborhood size. The amount to extend each tile (overlap) when computing the clusters. This option is mutually exclusive with gridSize. |\n| `gridSize` | Integer, default: null | Grid cell-size. If greater than 0, kMeans will be run independently on cells of this size. This has the effect of limiting the size of any cluster to be gridSize or smaller. This option is mutually exclusive with neighborhoodSize. |\n| `uniqueLabels` | Boolean, default: true | If true, clusters are assigned unique IDs. Otherwise, they repeat per tile or grid cell. |"]]
