ee.Algorithms.Image.Segmentation.GMeans

ביצוע אשכול G-Means בתמונת הקלט. הפונקציה מחילה באופן איטרטיבי k-means ואחריה מבחן נורמליות כדי לקבוע באופן אוטומטי את מספר האשכולות לשימוש. הפלט מכיל פס 'clusters' (אשכולות) שמכיל את מזהה המספר השלם של האשכול שאליו כל פיקסל שייך.

האלגוריתם יכול לפעול על רשת קבועה של תאים לא חופפים (gridSize, שיכול להיות קטן יותר מ-tile) או על tiles עם חפיפה (neighborhoodSize). ברירת המחדל היא שימוש במשבצות ללא חפיפה. האשכולות בתא או במשבצת מסוימים לא קשורים לאשכולות בתא או במשבצת אחרים. יכול להיות שכל אשכול שחוצה את הגבול של תא או משבצת יקבל שתי תוויות שונות בשני החצאים. כל פיקסל קלט עם מסכות חלקיות מוסתר באופן מלא בפלט. האלגוריתם הזה צפוי להניב ביצועים טובים רק לגבי תמונות עם טווח דינמי צר (כלומר, בייטים או מספרים קצרים).

ראו: G. Hamerly ו-C. Elkan. ‫'Learning the k in k-means'. NIPS, 2003.

שימוש	החזרות
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels)	תמונה

ארגומנט	סוג	פרטים
image	תמונה	תמונת הקלט לאשכול.
numIterations	מספר שלם, ברירת מחדל: 10	מספר האיטרציות. ברירת המחדל היא 10.
pValue	מספר ממשי (float), ברירת מחדל: 50	רמת המובהקות לבדיקת הנורמליות.
neighborhoodSize	מספר שלם, ברירת מחדל: 0	גודל השכונה. הסכום שבו צריך להרחיב כל משבצת (חפיפה) כשמחשבים את האשכולות. האפשרות הזו בלעדית לאפשרות gridSize.
gridSize	מספר שלם, ברירת מחדל: null	גודל תא הרשת. אם הערך גדול מ-0, האלגוריתם kMeans יופעל באופן עצמאי על תאים בגודל הזה. התוצאה היא שגודל כל אשכול יהיה gridSize או קטן יותר. האפשרות הזו לא יכולה לפעול יחד עם neighborhoodSize.
uniqueLabels	בוליאני, ברירת מחדל: true	אם הערך הוא True, לאשכולות מוקצים מזהים ייחודיים. אחרת, הם חוזרים על עצמם בכל משבצת או תא ברשת.