Annuncio: tutti i progetti non commerciali registrati per l'utilizzo di Earth Engine prima del
15 aprile 2025 devono
verificare l'idoneità non commerciale per mantenere l'accesso a Earth Engine.
ee.Algorithms.Image.Segmentation.GMeans
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Esegue il clustering G-Means sull'immagine di input. Applica in modo iterativo l'algoritmo k-means seguito da un test di normalità per determinare automaticamente il numero di cluster da utilizzare. L'output contiene una banda "cluster" contenente l'ID intero del cluster a cui appartiene ogni pixel. L'algoritmo può funzionare su una griglia fissa di celle non sovrapposte (gridSize, che può essere più piccola di un riquadro) o su riquadri con sovrapposizione (neighborhoodSize). L'impostazione predefinita prevede l'utilizzo di riquadri senza sovrapposizione. I cluster in una cella o un riquadro non sono correlati ai cluster in un altro. Qualsiasi cluster che si estende su un confine di cella o riquadro potrebbe ricevere due etichette diverse nelle due metà. Tutti i pixel di input con maschere parziali vengono mascherati completamente nell'output. Questo algoritmo dovrebbe funzionare bene solo per le immagini con una gamma dinamica ristretta (ad es. byte o short).
Vedi: G. Hamerly e C. Elkan. "Learning the k in k-means". NIPS, 2003.
| Utilizzo | Resi |
|---|
ee.Algorithms.Image.Segmentation.GMeans(image, numIterations, pValue, neighborhoodSize, gridSize, uniqueLabels) | Immagine |
| Argomento | Tipo | Dettagli |
|---|
image | Immagine | L'immagine di input per il clustering. |
numIterations | Numero intero, valore predefinito: 10 | Numero di iterazioni. Valore predefinito 10. |
pValue | Float, valore predefinito: 50 | Livello di significatività per il test di normalità. |
neighborhoodSize | Numero intero, valore predefinito: 0 | Dimensioni del quartiere. L'importo di estensione di ogni riquadro (sovrapposizione) durante il calcolo dei cluster. Questa opzione si esclude a vicenda con gridSize. |
gridSize | Numero intero, valore predefinito: null | Dimensione della cella della griglia. Se è maggiore di 0, k-means verrà eseguito in modo indipendente sulle celle di queste dimensioni. In questo modo, la dimensione di qualsiasi cluster viene limitata a gridSize o a un valore inferiore. Questa opzione si esclude a vicenda con neighborhoodSize. |
uniqueLabels | Booleano, valore predefinito: true | Se true, ai cluster vengono assegnati ID univoci. In caso contrario, si ripetono per riquadro o cella della griglia. |
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-27 UTC.
[null,null,["Ultimo aggiornamento 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. |"]]
